Подавляющее большинство крупных корпораций в России — в ТЭК и иных промышленных отраслях, в ритейле, финансовом секторе и логистике — создали дочерние ИТ-компании. Многие из этих ИТ-"дочек" занялись не только поддержкой, но и разработкой программных продуктов, а некоторые даже начали продвигать их на коммерческом рынке. Компания "Газпромнефть — Цифровые решения" — яркий представитель этого тренда. В интервью главному редактору ComNews Леониду Конику ее генеральный директор Владимир Кушвид рассказал о ходе коммерциализации in-house-разработок, о пользе этого процесса для внутреннего заказчика и о практике применения технологий искусственного интеллекта, а также дал прогноз развития ИИ-агентов.

Что заставляет компанию "Газпромнефть — Цифровые решения" заниматься коммерциализацией внутренних разработок?

Желание внутренних интеграторов (или кэптивных ИТ-компаний) промышленных холдингов выйти за пределы core-бизнеса — неочевидная история, и успешных примеров на рынке пока немного. Сама природа такой структуры не предполагает подобного трансфера технологий. И "Газпромнефть — Цифровые решения" тоже не предполагала работать с другими клиентами, кроме экосистемы "Газпром нефти".

Внутренний интегратор чаще всего является продолжением ИТ-функции core-бизнеса, с полным управлением и действием по "инструкции", как это обычно принято в корпорациях. Но по мере роста компании такая модель начинает ограничивать скорость, инициативу и ответственность за результат.

Что касается "Газпромнефть — Цифровые решения", мы сформулировали повестку работы с открытым рынком, поставив несколько целей. Во-первых, проверить себя на зрелость. Во-вторых, использовать внешний рынок как импульс для внутренней трансформации.

Опыт открытого рынка позволил нам принести внутрь группы дополнительные практики скорости, клиентского подхода и ответственности за результат.

Удалось ли найти внешних заказчиков, которые не присматриваются, не пилотируют, а реально платят за разработки?

Да, у нас уже появилось 55 внешних коммерческих клиентов (вне экосистемы "Газпром нефти"), причем это в основном крупные заказчики из нефтегазовой и нефтехимической отраслей, ТЭК, а также несколько независимых операторов АЗС. Также мы успешно реализовали крупный контракт на поддержку ИТ-продуктов для сталелитейной компании на Ближнем Востоке.

Сегодня в нашем портфеле есть активные проекты как для корпораций, так и для среднего бизнеса, включая внедрение технологий искусственного интеллекта. Мы на практике доказали, что можем предоставлять сервисы высокого уровня. Мы выигрываем тендеры: по цене, по скорости, по качеству.

На подписание первого коммерческого договора в 2024 году у "Газпромнефть — Цифровые решения" ушло три месяца, а теперь на это уходит не более двух недель. Но это, повторюсь, создало сильный запрос на внутренние изменения: мы задались вопросом о том, почему бы нам внутри не работать так гибко.

Мы начали встраивать ИИ в сервисные процессы, менять подходы к разработке и убирать избыточную бюрократию.

Выручка "Газпромнефть — Цифровые решения" от внешних контрактов на текущий момент в три раза больше аналогичного периода прошлого года. Так что тест на зрелость, на технологичность и внутреннюю эффективность мы прошли.

У нас есть еще одна миссия. В последние годы много иностранных ИТ-вендоров ушло. Поэтому мы должны помогать другим компаниям и отрасли в целом проводить цифровую трансформацию, так как мы накопили хороший опыт, апробированные решения, позитивные референсы. Мы готовы содействовать в решении государственной задачи по замене иностранного ПО нашими решениями, которые работают эффективно.

Как вы отвечаете на вопрос о том, что изначально разработанные вами продукты создавали конкурентные преимущества для одной корпорации, а оказавшись на рынке, они как будто бы уравнивают ее возможности с остальными?

У нас есть очень сильно интегрированные решения, которые даже технически трудно поставлять на внешний рынок. Основной спрос на рынке — на решения для автоматизации базовых бизнес-процессов. До сих пор у большого пласта компаний, включая и крупные, бизнес-процессы не автоматизированы. Я даже не говорю про трансформацию бизнес-процессов, хотя по-хорошему это — следующий этап цифровой трансформации. Но для начала им нужно автоматизировать базовые вещи, что позволит отказаться от ручного и неэффективного труда с большими издержками и потерями. И этот рынок — гигантский.

Мы помогаем своей отрасли и смежным отраслям в автоматизации и цифровизации, и тем самым повышаем эффективность. Повышая эффективность российских промышленных компаний, мы в конечном счете повышаем и конкурентоспособность российской промышленности на внешних рынках.

Насколько легко вам удается продавать что-либо другим нефтегазовым компаниям? Ведь у них тоже есть ИТ-"дочки", и каждый заинтересован в их развитии.

Если бы меня спросили об этом лет пять назад, я бы ответил, что об этом даже говорить неинтересно. Но ситуация меняется: от лобовой конкуренции мы переходим к партнерству. Зарубежные ИТ-вендоры ушли с российского рынка, доступ к иностранному ПО закрылся, и возникающие в этой связи задачи нужно решать.

Если у кого-то из нас есть хорошее решение, то почему его не переиспользовать другим участникам рынка, а сэкономленные деньги вложить в оцифровку другого процесса — туда, где есть "белые пятна". Уровень открытости и готовности к сотрудничеству на рынке заметно вырос.

Я прогнозирую, что в ближайшие годы мы увидим рост внедрения ИТ-продуктов одних кэптивных компаний другими корпоративными интеграторами и их материнскими холдингами.

Приводя аргументы в пользу in-house-разработки, промышленные корпорации всегда подчеркивают, что лучше внешних ИТ-компаний понимают свои технологические и бизнес-процессы — и этот тезис бесспорен. Но вы говорите о продуктах для "обычной" автоматизации бизнеса, а в этой сфере у кэптивных разработчиков вроде бы нет уникальных знаний, а рыночных конкурентов — множество. Почему "Газпромнефть — Цифровые решения" идет на рынок с универсальными решениями, а не теми, что имеют отраслевую специфику?

В экосистеме "Газпром нефти" наша компания отвечает за весь ИТ-ландшафт и, зачастую, бизнес-анализ. И для того, чтобы делать качественные решения внутри, мы были вынуждены хорошо изучить бизнес-процессы. К примеру, если мы реализуем зарплатный проект, то глубоко разбираемся в налоговом законодательстве, понимаем, как нужно устанавливать и тиражировать обновления в крупных системах. Важна еще и сложность организационной структуры: у "Газпром нефти" много дочерних предприятий с большим количеством нюансов в работе.

Когда какой-то холдинг собирается переходить, условно говоря, с SAP на 1С, технологический стек ему понятен. Но многие крупные компании, реализуя подобные проекты, сталкиваются с серьезными сложностями. Причина в том, что заказчик часто не готов инвестировать в постановку задачи, в бизнес-анализ, в глубокий системный анализ, а у интегратора нет таких компетенций. Вот мы на этом рынке и выигрываем, потому что у нас такие компетенции есть.

Мы выстроили партнерские отношения с ключевыми интеграторами. Они знают наши сильные стороны — глубокую экспертизу в архитектуре и бизнес-анализе, — поэтому мы объединяем усилия и совместно идем к клиенту. У интегратора, допустим, есть компетенции в разработке и свободные специалисты, а у нас — хорошее понимание, как построить сложную архитектуру или как выстроить бизнес-анализ.

Сегодня мы гораздо чаще видим партнерство и взаимное дополнение компетенций, чем лобовую конкуренцию.

Крупные ИТ-вендоры привлекают для продвижения продуктов сторонних партнеров в роли дистрибьюторов и дилеров. Пытается ли ваша компания выстроить такой канал продаж?

Мы встретились со многими интеграторами и сообщили об интересе к их возможностям по продвижению наших разработок на рынок. Доступ к клиенту и качественный канал продаж — очень ценный ресурс. Мы уже подписали дистрибьюторские соглашения с четырьмя интеграторами, обучили их нашим продуктам — и ждем от них результатов.

Вы наверняка тоже слышите коллективный стон независимых ИТ-компаний, которые сетуют, что активность корпоративных интеграторов лишает их B2B-заказов, денег и ресурсов для R&D. Как эту ситуацию видите вы?

Я бы не противопоставлял независимые ИТ-компании и корпоративных интеграторов. У каждого своя роль. Более того, сегодня мы все чаще работаем совместно: одна сторона приносит отраслевую экспертизу, другая — технологический продукт или ресурс. Конкуренция остается, но рынок становится более партнерским.

При этом нужно отметить, что лет десять назад рынок стремительно рос, на нем были представлены сотни иностранных вендоров, и стимулов к созданию отечественных уникальных ИТ-решений было немного. Сегодняшняя ситуация на рынке, напротив, стимулирует конкуренцию и R&D.

Вместе с тем есть и иные изменения. Во-первых, структура инвестиций в ИТ заметно поменялась, а компании стали гораздо требовательнее к экономическому эффекту таких инвестиций. Во-вторых, произошел технологический сдвиг, связанный с внедрением искусственного интеллекта, в частности — генеративного ИИ и машинного обучения: эти технологии позволяют вести разработку в разы быстрее. Если раньше только на дизайн системы среднего класса уходило несколько месяцев, то за счет ИИ это можно сделать за несколько дней, а то и буквально в онлайн-режиме.

В отдельных сценариях разработки значительная часть кода, тестов и документации уже создается с помощью ИИ. Потребность не исчезнет — меняется сама профессия разработчика. Меньше ручного производства кода, больше архитектуры, работы с данными, ИИ-инструментами и понимания бизнеса.

Классическая модель разработки быстро меняется. Простое масштабирование команды уже не обеспечивает пропорционального роста результата: преимущество получают те, кто умеет перестраивать весь конвейер разработки с использованием ИИ.

"Использование искусственного интеллекта — это про рост, а не про оптимизацию"

На рынке произойдет существенная перестройка, и связана она не столько с кэптивными ИТ-компаниями, сколько с технологической революцией.

Насколько легко удается "заточить" под открытый рынок те продукты, которые изначально были созданы для материнской компании? Ведь в каждой корпорации — уникальные техпроцессы, бизнес-процессы и информационные системы.

В любом большом ИТ-проекте больше половины работы приходится на кастомную разработку под клиента. Многие корпорации не покупают готовые решения у вендоров, а идут по пути самостоятельной автоматизации определенных бизнес-процессов. Покупка коробочного решения в таких ситуациях — более редкий случай.

Большая сложность заключается в интеграции с другими ИТ-решениями, которые уже работают у заказчика. В этом смысле у нас тоже есть немалый опыт: мы внедрили в экосистеме "Газпром нефти" более тысячи ИТ-решений (и своих, и вендорских), и более половины из них поддерживаем в ежедневном режиме. Половина бизнеса "Газпромнефть — Цифровые решения" приходится именно на сервис. Поэтому при разработке любого решения мы сразу понимаем, как его интегрировать с остальным ИТ-ландшафтом: с документооборотом, с учетными системами, системой управления складом, почтой, трекерами задач и многими иными системами, которые часто написаны на разных стеках и с различными подходами.

Рыночные интеграторы обычно сфокусированы на определенном стеке, но приходя к заказчикам, они могут столкнуться с иными системами, а мы нейтральны по отношению ко всем вендорам и имеем практический опыт работы с различными продуктами.

Крупные корпорации любят говорить об уникальности — оргструктуры, процессов и проч. На рынке есть немало примеров, когда под флагом уникальности корпорации создавали такие универсальные решения, как HR-платформы, мессенджеры или операционные системы.

Поддерживать подобные разработки в актуальном режиме очень сложно. Это заставляет корпорации выделять такие продукты в самостоятельное юрлицо, но и это не гарантирует рыночного успеха. Мне кажется, что с учетом санкционных ограничений, на уровне отрасли полезно создавать больше стимулов для переиспользования уже существующих зрелых решений. Экономически не всегда оправданно каждой крупной компании самостоятельно создавать одинаковый базовый продукт.

Все чаще звучит прагматичный подход: прежде чем инвестировать в собственную разработку, посмотреть несколько зрелых рыночных решений и оценить возможность их переиспользования.

Изменил ли разворот в сторону коммерческого рынка подходы "Газпромнефть — Цифровые решения" к разработке? Берясь за создание нового продукта, вы сразу делаете его совместимым с широким классом операционных систем, СУБД, систем виртуализации, информационных систем — или, как раньше, начинаете с корпоративных требований "Газпром нефти"?

Вы правильно подметили: разработка программного продукта для нас — уже не разовая акция. Мы понимаем, что если он востребован, условно говоря, в одной крупной компании, то завтра он будет интересен и ее конкурентам. Поэтому при выходе на внешний рынок часть внутрикорпоративных требований необходимо адаптировать: у разных заказчиков свои требования к безопасности, архитектуре и проектным документам. Поэтому мы оптимизировали конвейер разработки. И пересмотрели сам подход, понимая, что скорость и стоимость — очень важные на открытом рынке критерии.

Вопрос о рентабельности. Очевидно, что при рыночной продаже ее ограничителем является только конкуренция. А когда "Газпромнефть — Цифровые решения" создает продукт для внутреннего заказчика, устанавливает ли "Газпром нефть" предел рентабельности? Я слышал от руководителей нескольких кэптивных ИТ-компаний государственных холдингов, что материнские структуры ограничивают им рентабельность уровнем 3-5%.

Наш главный ориентир — эффективность, поэтому рентабельность "Газпромнефть — Цифровые решения" подчинена прежде всего задаче эффективности всей "Газпром нефти". Проекты на внешнем рынке дают стабильную рентабельность, которая помогает нам реинвестировать в команду, в обучение, в технологические инструменты, в систему работы с клиентами.

При этом неправильно говорить, что внешние проекты априори более доходные: в них гораздо больше рисков, например, штрафы за несоблюдение сроков или иных параметров контракта. На рынке есть прецеденты, когда заказчик, не удовлетворившись качеством продукта, платит исполнителю меньше, а при несогласии с таким решением исполнитель обращается в суд. Для нивелирования подобных рисков рентабельность, заложенная в коммерческие контракты, должна быть выше.

Называете ли вы годовую выручку "Газпромнефть — Цифровые решения"? (В последние несколько лет в публичном доступе этих цифр нет).

По итогам 2025 года выручка примерно такая же, как в 2024-м, а в этом, как уже говорил, — растем. При этом для всей экосистемы "Газпром нефти" важным показателем является не только наша выручка. Наша задача — при сопоставимом объеме инвестиций давать "Газпром нефти" больше результата и снижать совокупную стоимость владения ИТ. Высвобождаемый ресурс можно направлять на новые задачи цифровизации и развитие бизнеса.

Выделяете ли вы R&D как отдельное направление?

У нас имеются R&D-задачи, прежде всего там, где мы тестируем новые архитектурные подходы, агентные сценарии, технологии робототехники. По этим направлениям приходится решать сложные организационные вопросы: работа с данными нового типа, новыми знаниями — все это настоящий R&D. Мы существенно увеличили инвестиции в R&D. При этом значительная часть работы с ИИ уже перешла в стадию тиража.

Кроме того, мы ведем программу роботизации, связанную с гуманоидными роботами. У нас есть лаборатория, где мы их программируем и обучаем для разных сценариев применения. В перспективе мы хотим предложить рынку экспертизу по интеграции антропоморфных роботов в реальный бизнес и производственные процессы. Мы считаем это перспективным направлением и уже формируем практическую экспертизу его применения в промышленности.

Сколько сотрудников работают в компании?

Примерно 5 тыс. человек. Штатная численность в последнее время фактически не менялась, но внутри этой цифры произошла существенная трансформация. Мы оптимизировали управленческий состав, а численность разработчиков нарастили. За 2025 год мы приняли более 900 сотрудников, в основном — DevOps-инженеров и архитекторов. Не увеличивая численность, мы стали делать гораздо больше, включая и работу на внешнем рынке.

Сокращает ли "Газпромнефть — Цифровые решения" штат разработчиков, перекладывая их функции на системы ИИ?

Мы — большая компания, у нас более 500 проектов, и они разные: 1С, поддержка, кибербезопасность, сервис, документооборот. Поэтому сокращений у нас нет: естественным образом меняется структура компетенций команды. Нам нужны специалисты, которые умеют работать с данными и RAG-системами, позволяющими подключать LLM к актуальным корпоративным знаниям. Нам нужны архитекторы ИИ-решений и агентных систем, которые понимают, как строить сложные модели. Нам нужны сотрудники, которые понимают, как с помощью искусственного интеллекта и новых подходов трансформировать даже не ИТ-составляющую, а вообще бизнес. Для этого нужно понимать бизнес-процесс заказчика и быть способным предложить новый пользовательский сценарий.

Операционная деятельность в корпорациях даже на понятийном уровне не успевает за развитием технологий. Люди продолжают жить большими итерациями — скажем, производственными контрактами или выполнением бизнес-планов. А технологии ИИ живут не кварталами и даже не месяцами, а неделями. То, что в начале года создавало вау-эффект, уже давно превратилось в обыденную деятельность. За последний год агентные платформы сильно повзрослели: то, что раньше требовало большего объема собственной разработки, сегодня во многих случаях доступно в готовых фреймворках.

Естественно, и у заказчика появляются совершенно иные требования, но действующие системы работают по старым принципам, нормативные документы создаются и согласовываются по старым принципам. Поэтому впереди — большая трансформация бизнеса. Прежний руководитель управлял людьми, а теперь он должен управлять еще и ИИ-агентами. А значит, он должен понимать, как работает ИИ-агент, какими корпоративными данными он пользуется, какие у него полномочия и какая модель лежит в основе.

Нет ли в использовании ИИ-инструментов для написания кода мины замедленного действия? Все они, к сожалению, не очень российские, будь то китайский Qwen или американский Claude. Где гарантия, что вместе со сгенерированным кодом эта машинка не принесет какой-нибудь зловред или просто передаст владельцу системы логи, которые потом могут быть использованы во зло российской корпорации?

Надо понимать риски публичных ИИ-сервисов, поэтому многие компании стремятся работать с моделями, размещенными во внутреннем ИТ-контуре без подключения к интернету. У себя в компании мы создали такого ассистента для всех сотрудников, который позволяет решать задачи, для которых использование публичных онлайн-инструментов недопустимо. Система построена на большой языковой модели, но полностью автономна. Этот ассистент специализируется на работе с корпоративной базой знаний и обработке рабочих документов. В отличие от публичных моделей, в нем можно работать с внутренними документами и корпоративными данными в соответствии с установленными требованиями информационной безопасности.

Видите ли вы способ гарантированно обезопасить использование хоть Qwen, хоть Claude, хоть ChatGPT?

Абсолютной гарантии безопасности не существует ни для одной сложной технологии. Поэтому вопрос не в доверии к бренду модели, а в архитектуре использования. Мы тестируем различные решения, у нас выстроен сильный конвейер апробации.

Мы в "Газпромнефть — Цифровые решения", в принципе, не ориентируемся на какую-то одну конкретную модель. Архитектура должна позволять менять LLM по мере развития технологий.

Даже у самых топовых моделей сотрудник не может получить ответ, связанный со специфическими корпоративными знаниями. Ни одна внешняя LLM, к примеру, не даст сотруднику ответа на вопрос: "Как мне оформить командировку на производственный объект в Оренбург?". А наш внутренний ИИ-ассистент выдаст ему четкую пошаговую корпоративную инструкцию, не отвлекая других сотрудников дополнительными вопросами.

Значит ли это, что в "Газпромнефть — Цифровые решения" такой корпоративный ИИ-ассистент внедрен?

Да, но сама языковая модель — только один из компонентов. Ценность для корпорации не столько в самой LLM — модели будут меняться. Главный актив — корпоративные знания и данные, правила их обновления и проверки, права доступа, интеграции с системами, безопасность и контроль качества ответов. Именно вокруг этого мы строим корпоративный ИИ.

Сейчас наша команда формирует корпоративную базу знаний из нормативных документов. Таких бумаг очень много: положение о закупках, правила закупки у единственного поставщика, юридические документы, правила работы на высоте, агентские схемы, торговые схемы и множество иных. В общей сложности это сотни тысяч страниц документов, которые переводят в машиночитаемый формат и создают на их основе RAG-базу. И потом, с помощью корпоративного ИИ-ассистента, любой сотрудник сможет получить проверенные ответы по тем областям корпоративных знаний, которые подключены к системе и прошли контроль качества.

А обратно в LLM (условно говоря, в Qwen) эти знания попадают?

Нет, конечно. Мы разворачиваем модели с открытыми весами в собственном изолированном контуре, проверяем их на безопасность и используем без выхода в интернет.

Уже сегодня один только быстрый доступ к проверенным корпоративным знаниям дает заметный эффект. А впереди — переход на агентные системы, и бизнес-процессы станут более быстрыми и адаптивными. На первом этапе ИИ позволяет бизнесу снижать издержки, но следующий этап — рост за счет принципиально новых возможностей. Поэтому я считаю, что использование искусственного интеллекта — это про рост, а не про оптимизацию.

Компании, которые научатся системно использовать ИИ, получат новые возможности для роста. Я говорю не о том, чтобы с помощью LLM анализировать какой-то документ, а о принципиально новых применениях: для создания новых химических соединений, добавок для бензина, поиска запасов иного класса, бурения там, где ранее никто этого не делал, моделирования керна за считанные минуты вместо длительных циклов исследований и др.

Можете ли вы назвать типовые ошибки, которые корпорации совершают при использовании технологий ИИ?

Одна из типовых проблем — разные команды независимо создают свои базы знаний, RAG-контуры и прототипы, не закладывая единую архитектуру и правила управления знаниями. Пока речь идет о чат-ботах, проблема почти незаметна. При переходе к промышленным агентам разрозненность начинает резко мешать масштабированию.

Второе узкое место — отсутствие системной работы с данными. Мы сами сейчас проходим этот путь. Любая система ИИ работает на основе данных, и если их нет, то все остальное бессмысленно. Если данные устаревают и нет системного обновления информации — это тоже не имеет смысла. Данные должны обновляться с той частотой, которая требуется конкретному бизнес-сценарию. Иначе агент будет принимать решения на устаревшей информации.

Качество ИИ будет прямо ограничено качеством корпоративных знаний и процедур. Поэтому переход к агентным системам требует актуализации, структурирования и формализации корпоративных знаний.

Важно уйти от хайпа с применением ИИ. Топ-менеджмент, а желательно — и средний менеджмент, должен понимать, как ИИ-агент (этот новый "сотрудник") работает — по каким принципам и алгоритмам. ИИ нельзя накладывать поверх неэффективного процесса. Если базовые процедуры остаются ручными, документы — неструктурированными, а ответственность — неформализованной, автоматизация лишь воспроизведет существующие проблемы. Поэтому внедрение ИИ часто требует сначала пересобрать сам процесс.

Вы несколько раз произнесли слово "трансформация". О цифровой трансформации в российской промышленности заговорили в 2016-2017 гг., и за прошедшее десятилетие те компании, которые хотели ее пройти, это сделали. В отличие от формулы "есть у революции начало, нет у революции конца", этот процесс не может быть бесконечным. Какую трансформацию подразумеваете вы?

За последние десять лет компании прошли разные по глубине этапы цифровой трансформации. У части бизнеса остался существенный цифровой долг: неавтоматизированные процессы, несвязанные данные, сложные регламенты. Появление ИИ резко повышает цену этого долга. Разрыв между компаниями, которые сумеют перестроить операционную модель под новые технологии, и теми, кто этого не сделает, будет быстро увеличиваться — сначала в скорости и себестоимости, затем в общей конкурентоспособности.

Вы сказали, что менеджеры должны понимать, как работает ИИ. Но нейросеть — это же, по сути, черный ящик, и чаще всего невозможно объяснить, почему она пришла к тому или иному решению. Для руководителя из основного бизнеса, который далек от цифровых технологий, это может оказаться неприемлемым. Возникают ли подобные проблемы с непрозрачностью процесса принятия решений ИИ-моделями?

Я в этой истории радикален. У меня был поучительный случай в детстве. Моя мама работала бухгалтером, и я школьником заходил к ней на работу. Несколько человек в ее комнате считали на счетах, а у нее был электронный калькулятор. Я спросил, почему одни используют счеты, а она — калькулятор, а в ответ услышал, что некоторые бухгалтеры не доверяют калькуляторам и верят в безошибочность вычислений только на счетах. И эти люди до выхода на пенсию так и использовали счеты — они не приняли калькуляторы.

Скепсис по отношению к новой технологии нормален. Риск начинается тогда, когда скепсис превращается в отказ разбираться в ней и пробовать ее применить. Руководитель не обязан безоговорочно доверять ИИ. Но обязан понимать технологию, ее ограничения и научиться ей управлять. Игнорировать ее уже невозможно.

Верите ли вы в футуристические прогнозы о том, что через какое-то время у каждого сотрудника будет личный ИИ-агент?

Я уверен, что персональный ИИ станет обычным инструментом человека. Уникальность человека от этого не исчезнет — наоборот, его возможности значительно расширятся. Мы получим доступ к большему объему знаний, сможем быстрее принимать решения и решать задачи, которые сегодня кажутся слишком сложными. Поэтому я и говорю: ИИ в конечном счете — это не столько про оптимизацию, сколько про новые возможности и рост.