Еще пару лет назад разговор о нейросетях в России обычно заканчивался на ChatGPT. Сегодня ситуация выглядит совсем иначе.

Пока весь мир следит за OpenAI, Anthropic и Google, внутри страны сформировался собственный
AI-ландшафт. Причем довольно разнообразный. Кто-то делает универсальных ассистентов, кто-то строит корпоративные платформы, кто-то решает узкие отраслевые задачи.

И самое интересное — многие российские нейросети давно перестали быть экспериментами для презентаций. Они работают в банках, колл-центрах, государственных структурах, интернет-магазинах
и крупных компаниях.

Давайте разберемся, кто сегодня формирует российский рынок искусственного интеллекта и чем эти проекты отличаются друг от друга.

Если попросить назвать самую известную отечественную нейросеть, большинство вспомнит именно GigaChat.

Проект Сбера изначально создавался как универсальный AI-помощник. По сути это попытка построить экосистемный аналог ChatGPT с поддержкой русского языка, генерацией текстов, анализом документов
и работой с кодом.

Главное преимущество GigaChat — глубокая интеграция с российским корпоративным рынком. Многие компании готовы использовать его не столько из-за качества модели, сколько из-за понятной юридической среды и возможности работать внутри российских контуров.

Интересный факт, что именно корпоративный сегмент сегодня становится главным полем битвы между российскими AI-платформами. Пользовательские чаты привлекают внимание, но деньги по-прежнему находятся в B2B.

Если GigaChat делает акцент на корпоративном рынке, то Яндекс пошел другим путем. Вместо продвижения отдельного AI-продукта компания постепенно встраивает YandexGPT в свои сервисы. Это поиск, Алиса, маркет, браузер и другие продукты экосистемы.

В этом и заключается главная стратегия. Пользователю не нужно специально открывать нейросеть —
она работает в привычных сервисах и помогает решать повседневные задачи.

У Яндекса есть важное преимущество. Это многолетний опыт работы с русскоязычным контентом
и огромный массив локальных данных. Благодаря этому YandexGPT хорошо понимает контекст, язык
и особенности российских пользователей.

Интересно, что сегодня YandexGPT — это уже не просто чат-бот, а инфраструктурный слой всей экосистемы Яндекса. И, возможно, его главный успех будет заключаться именно в том, что через несколько лет пользователи перестанут замечать нейросеть как отдельный продукт — сервисы просто станут работать умнее и удобнее.

Когда речь заходит о генерации изображений, большинство вспоминает Midjourney или DALL-E.

Однако у России есть собственный заметный игрок — Kandinsky. Проект также развивается внутри экосистемы Сбера и ориентирован на генерацию изображений по текстовому описанию.

За последние годы качество моделей выросло настолько, что многие дизайнеры используют Kandinsky
для быстрых концептов, раскадровок и визуальных экспериментов.

Хотя если честно, главная ценность подобных инструментов сегодня не в том, чтобы заменить дизайнеров. Они помогают быстрее пройти путь от идеи до первого визуального прототипа. А это уже серьезная экономия времени.

Один из самых необычных проектов на российском рынке. Яндекс не стал делать просто генератор изображений. Вместо этого появился Шедеврум — гибрид нейросети и социальной платформы.

На первый взгляд идея кажется странной. Но если посмотреть глубже, становится понятно, что люди любят не только создавать контент, но и демонстрировать результат другим пользователям.

В результате нейросеть превратилась в полноценную площадку для творчества. И это хороший пример того, как конкуренция в AI постепенно смещается от качества моделей к пользовательскому опыту.

Есть еще одно изменение, которое пока остается практически незаметным. Большая часть будущего интернет-трафика будет существовать без участия человека. Датчик зафиксировал отклонение температуры и передал информацию в аналитическую систему, та оценила риски и отправила сигнал в ERP, которая автоматически сформировала заявку на обслуживание. Склад зарезервировал необходимые комплектующие. И все это может происходить без единого звонка, письма или нажатия кнопки.

Мы постепенно движемся от модели Human-to-Machine к модели Machine-to-Machine. По сути интернет превращается в среду переговоров между устройствами.

Если вспоминать историю российских генеративных моделей, нельзя обойти стороной «Порфирьевича».

Проект появился еще в те времена, когда большинство пользователей вообще не слышало термин LLM. Нейросеть получила известность благодаря способности продолжать тексты, придумывать сюжеты и писать рассказы на русском языке.

По современным меркам возможности модели выглядят довольно скромно. Однако историческая роль «Порфирьевича» гораздо важнее его текущих характеристик.

По сути это один из первых массовых примеров русскоязычного генеративного ИИ, который показал,
что создавать связные тексты на русском языке могут не только зарубежные модели.

Иногда кажется, что российский AI начался с ChatGPT. На самом деле фундамент закладывался значительно раньше.

Еще один интересный представитель рынка — «Всезнайка». В отличие от универсальных чат-ботов, этот класс решений делает акцент не столько на генерации текста, сколько на поиске и структурировании информации.

Это важное направление, которое часто остается в тени больших языковых моделей.

Парадокс в том, что большинству компаний нужен не искусственный интеллект, который умеет философствовать на любую тему, а система, которая способна быстро находить нужную информацию среди тысяч документов.

Именно поэтому рынок корпоративного поиска сегодня растет практически так же быстро, как рынок генеративного ИИ. Иногда лучший ответ — не сгенерированный текст, а правильно найденный документ.

Если GigaChat и YandexGPT пытаются решать широкий круг задач, то CopyMonkey изначально развивался
как специализированный инструмент для электронной коммерции.

Его основная задача — автоматизация создания карточек товаров, описаний и SEO-контента для маркетплейсов.

На первый взгляд ниша кажется узкой. Но если посмотреть на масштабы рынка электронной коммерции, становится понятно, почему подобные решения быстро нашли свою аудиторию.

Здесь хорошо видна одна из закономерностей развития ИИ. Самые успешные проекты не всегда пытаются решить все задачи сразу. Иногда гораздо эффективнее сфокусироваться на одном конкретном бизнес-процессе и автоматизировать его лучше конкурентов.

Кстати, именно такой подход сегодня все чаще выбирают и компании. Вместо поиска «волшебной нейросети на все случаи жизни» бизнес предпочитает инструменты, которые закрывают конкретную задачу и дают понятный экономический эффект.

Есть сегмент рынка, который редко попадает в новости. Это корпоративные AI-системы, банковские ассистенты, внутренние чат-боты, AI-аналитики, цифровые операторы поддержки.

Именно здесь сегодня происходит большая часть практического внедрения искусственного интеллекта.

По наблюдениям команды Gratio, большинство компаний уже не спрашивает: «Нужен ли нам ИИ?». Вопрос звучит иначе: «Какой процесс мы можем автоматизировать с его помощью?».

Разница кажется небольшой, но на самом деле это признак взросления рынка. Еще год-два назад бизнес часто просил «внедрить нейросеть». Сегодня компании приходят с более конкретными задачами. Например, сократить время обработки документов, автоматизировать первую линию поддержки, ускорить поиск информации внутри организации или снизить нагрузку на сотрудников. И это хороший знак. Технология перестает быть игрушкой и становится инструментом.

Если посмотреть на американский рынок, там идет борьба за создание универсального суперинтеллекта. Российский рынок развивается заметно прагматичнее. Здесь меньше разговоров о замене человечества. Меньше миллиардных оценок стартапов.

Зато больше задач про документооборот, поддержку клиентов, поиск информации и автоматизацию процессов. Возможно, звучит не так эффектно. Но именно такие проекты обычно быстрее окупаются.

Поэтому российский AI сегодня развивается не столько вокруг футуристических сценариев, сколько вокруг вполне приземленных бизнес-задач. И это может оказаться его сильной стороной.

Скорее всего, через несколько лет мы перестанем делить нейросети на российские и зарубежные.

Они станут таким же базовым инструментом, как облачные сервисы, CRM-системы или корпоративные мессенджеры. Главный вопрос будет звучать не «какую модель выбрать», а «какую задачу решить».

Именно поэтому сегодня компании все чаще смотрят не на рейтинг нейросетей, а на сценарии внедрения.

В Gratio мы все чаще сталкиваемся именно с такими запросами. Не просто внедрить очередной AI-инструмент, а встроить технологии в реальные процессы компании. Потому что сама по себе нейросеть редко создает ценность. Ценность появляется тогда, когда технология начинает экономить время, деньги
или человеческие ресурсы.

Если вы как раз оцениваете возможности внедрения ИИ в бизнес-процессы, стоит начинать не с выбора модели, а с выбора задачи.

В конце концов, хорошие технологии — это не те, о которых много говорят. А те, которые незаметно делают работу эффективнее.