ИИ в России: реальные барьеры внедрения
Российские компании хотят использовать ИИ, но упираются в скрытые барьеры: от ограничений Excel до конфликтов с NDA. Эти факторы определяют скорость перехода к промышленному использованию. Недавно мы с Алексеем Гатиным, тренером по ИИ для бизнеса и автором канала "Нахожу пользу в ИИ" (ссылка внизу), обсудили практику внедрения в финансах. Из беседы сложилась ясная картина.
Ключевые барьеры
📎 Конфиденциальность и данные Это главный барьер для финансовых команд. Финансисты опасаются загружать чувствительные данные даже в российские облака. На ИИ давят два контура: 152‑ФЗ/персональные данные и коммерческая тайна/NDA, где использование ИИ трактуется как передача третьим лицам. On‑premise есть, но дорого; массовых корпоративных облаков рынок пока избегает.
📎 Технические ограничения Даже сильные модели за редким исключением все еще ошибаются:
- в логике Excel‑таблиц,
- связях между листами/формулами,
- особенностях корпоративных файлов. Для финансов это критично: P&L, Cashflow, Balance - это зависимости, а не текст.
📎 Юридический конфликт с NDA Многие юристы приравнивают использование ИИ к утечке. Риски и штрафы велики - компании блокируют ИИ политиками безопасности. Отсюда потребность в защищённых «песочницах».
📎 Экономика кастома Кастомная разраотка дорогая, а окупиться за 3–6 месяцев удаётся редко. Ставка смещается к обучению сотрудников и коробочным решениям.
📎 Нехватка кросс‑экспертизы Нужны роли на стыке финансов, процессов, ИТ и продуктового управления — специалистов мало.
📎 Что нужно финансистам Интересно, что по запросу видно, что нужен не «ещё один генератор отчётов», а инструмент, который:
- визуализирует связи P&L, Cashflow, Balance,
- показывает влияние метрик друг на друга,
- позволяет моделировать сценарии как 3D‑структуры, а не таблицы. То есть рынок понимает дефицит, но текущие решения туда не дотягиваются.
Почему рынок буксует
Если собрать всё воедино: 1. Компании боятся загружать данные. 2. Кастом дорог, облако страшно, готовые решения слабы. 3. Юристы блокируют инициативы. 4. Технические ограничения усиливают скепсис. 5. Специалистов мало, менять процессы некому. Поэтому многие остаются на уровне экспериментов: пилоты есть, внедрения нет.
Мини‑кейс. Финансовая служба производственной компании запустила «песочницу» на локальной модели: автоматизировали сверку 3 отчётов, сократили время подготовки пакета на 38%, ошибки сократились вдвое. Данные не покидали периметр, а пилот окупился за 2 месяца.
Прогноз
- Корпорации внедрят локальные модели, дообученные на своих данных — «золотой стандарт» безопасности.
- То, что сегодня стоит миллионы, за 1–2 года станет корпоративным «интернетом» — стандартной инфраструктурой.
- Выиграют те, кто научит ИИ понимать Excel‑структуры, бизнес‑модели и связи финансовых данных — там и будет прибыль.
- Государство введёт требования безопасности, защищённые среды и механизмы предотвращения утечек — страхи снизятся, компании пойдут в ИИ.
Выводы для бизнеса Сегодняшние барьеры — не приговор, а этап развития. Наш рынок пройдёт ту же эволюцию, что и сам интернет когда-то: 1. Сначала локальные решения. 2. Затем стандартизация. 3. Потом массовое внедрение.
Работайте в безопасных «песочницах», тестируйте сценарии и развивайте экспертизу внутри команды.
Те, кто начинают сегодня, через год будут иметь стратегическое преимущество: меньше ручной работы, быстрее процессы, выше прозрачность данных.
С чего начать?
- Определите 2–3 безопасных набора данных для «песочницы».
- Выберите 1 простой процесс с быстрым ROI.
- Назначьте владельца на стыке финансы × ИТ × процессы.
- Запустите пилот на локальной модели и измерьте 3 метрики: время, ошибки, стоимость.
Хотите снизить риск ошибок и пройти внедрение без болей? Напишите мне- аккуратно и по шагам проведу вас через все этапы, от «песочницы» до результата.
P.S. Ссылка на канал Лёши @ai_benefit_now
