Что новости значат для ваших денег
Бизнес

Рынок генеративного ИИ в России в 2025 году достиг 58 млрд рублей

На корпоративный сегмент пришлось 44 млрд рублей, но 55% проектов остаются пилотами

Объём российского рынка генеративного ИИ в 2025 году составил 58 млрд рублей — примерно в 4,5 раза больше, чем годом ранее. На корпоративный сегмент из этой суммы пришлось 44 млрд рублей.

Рынок генеративного ИИ в России в 2025 году достиг 58 млрд рублей
© ДЛ. Деловые новости

Рост расходов пока не означает такого же роста эффективности. Значительная часть проектов остаётся на стадии пилотов, а для перехода к промышленной эксплуатации нужно решить вопросы интеграции, качества данных, безопасности и стоимости обработки задач.

В изученной выборке российских проектов с генеративным ИИ пилоты составляют 55%, масштабирование — 30%, промышленная эксплуатация — 15%. Это показывает, что практический опыт у рынка уже накоплен, но массовый переход к устойчивой работе ещё не завершён.

На этом фоне бизнес обращает внимание на агентные платформы — решения, которые связывают ИИ с корпоративными системами и процедурами управления. К их числу относится Digital Q.Agents, продукт компании «Диасофт». Главным критерием для корпоративного ИИ становится способность выполнять работу с измеримым результатом, пишет руководитель продуктового направления платформы Илья Петров.

Что должен делать ИИ-агент

Так, в клиентском сервисе агент обрабатывает обращение, учитывая историю общения и статус заявки; в юридической службе проверяет договор на соответствие внутренним требованиям; в ИТ готовит тесты, документацию и материалы для разработчиков. Везде значительная часть времени уходит на сбор, сопоставление и перенос информации, и лишь потом специалист переходит к содержательной работе.

ИИ-агенты способны автоматизировать часть этой цепочки: получить задачу, обратиться к источникам и инструментам, подготовить результат и передать его дальше. Поэтому на первый план выходят доступ к корпоративным данным, интеграции и контроль действий системы.

Почему пилоты не доходят до эксплуатации

Причины задержек часто лежат за пределами самой модели. Корпоративные знания разбросаны по базам, документам и переписке, инструкции в подразделениях могут расходиться, а доступ зависит от роли сотрудника. На тестовой выборке это почти незаметно, но при подключении реальных источников влияет на качество работы агента.

Крупным организациям важно и то, где размещены данные: публичный сервис не всегда подходит для внутренних документов, клиентской информации или записей переговоров, поэтому нужны собственная инфраструктура и выбор моделей под требования безопасности.

Как устроена платформа Digital Q.Agents

Платформа позволяет создавать агентов и мультиагентные процессы, подключать внутренние знания и управлять обращениями к языковым моделям. Платформа включает управление агентными процессами, интеллектуальный поиск по корпоративным знаниям и AI Gateway — шлюз для обращений к моделям.

Корпоративные источники платформа подключает с помощью RAG — механизма, который подбирает материалы для подготовки ответа. Интеграции с корпоративными системами работают через REST, Kafka, MCP и другие средства.

Расходы и безопасность

Стоимость агентной автоматизации определяется всей цепочкой выполнения задачи: несколькими обращениями к моделям, поиском, повторной обработкой и проверкой. Даже если один запрос стоит недорого, это не значит, что дёшево обойдётся вся операция целиком.

AI Gateway поддерживает локальные и облачные языковые модели, лимиты токенов и резервный переход, если модель недоступна. Аналитика фиксирует, сколько ресурсов тратят пользователи и задачи, как быстро приходит ответ и в каком контексте шли обращения.

Digital Q.Agents интегрируется с корпоративной аутентификацией, включая SSO, Keycloak и Active Directory, и поддерживает ролевое и атрибутное управление доступом. Если в задаче нужен сотрудник, подключается механизм Human-in-the-loop, в том числе с помощью Digital Q.BPM.

В разработке ПО «Диасофт» применяет агентный подход к генерации автотестов для сложных событийных API: специалист задаёт сценарий и проверяет результат, а выпуск продукта возможен только после успешного прохождения тестов.

Со временем заказчики будут судить об агентных решениях по срокам выполнения задач, стоимости операции, качеству и тому, сколько работы приходится дорабатывать вручную. Чтобы перейти к эксплуатации, требуются владелец процесса, подготовленные данные и исходные показатели, с которыми можно сопоставить результат.

По данным: TAdviser