Всемирный банк сравнивает группы стран по тому, что нужно для работы ИИ: связь, вычисления, данные и навыки. Главная цифра: страны с высоким доходом, где живет 17% населения мира, дают 87% заметных моделей ИИ. Ниже цифры о моделях, дата-центрах, использовании ChatGPT и вакансиях, метод доклада и выводы для компании в России.
Доклад сводит собственные и сторонние данные по группам стран по уровню дохода: модели ИИ, стартапы и венчурные инвестиции на июль 2025 года (с. xiii), мощности дата-центров на июнь 2025 года (с. 39), веб-трафик ChatGPT в 2025 году (с. xiv), онлайн-вакансии за 2021-2024 годы (с. 71) и цифровые навыки за 2023 год.
Рамка анализа называется «4C»: связь (интернет и энергия), вычисления, контекст (данные, модели и приложения) и компетенции (навыки и кадры) (с. 20, рис. 1.5). Отдельно доклад разбирает «малый ИИ», доступный и рассчитанный на обычные устройства, с примерами из сельского хозяйства, образования и здравоохранения (с. xiii).
ИИ в финансах и торговле дает эффект, который банки и сети уже публикуют в рублях. Только у одного из крупнейших банков финансовый эффект ИИ за 2025 год больше 475 млрд ₽. Ниже восемь точек внедрения в торговле, банках и поддержке клиентов, цифры по каждой и порядок старта для компании меньшего масштаба.
В услугах ИИ работает там, где компания встречается с клиентом и с деньгами: в торговле, логистике, связи, банке и внутренних службах. Под всеми точками одни данные: CRM, ERP, кассы и приложения, сведенные в общий центр данных.
Три цифры задают масштаб: больше 70% точности прогноза спроса в пилоте «Перекрестка», 62% обращений клиентов в ВТБ без оператора и около 900 автономных ИИ-агентов в одном из крупнейших банков. На схеме ниже все восемь точек с источниками.
Это открытые данные компаний и кейсы рынка, а не наши проекты. Оценку склада X5 в 154 млн ₽ в год дал МФТИ, остальные цифры публиковали сами компании.
Банк встроил в чат-бот собственные языковые модели семейства Gen-T: около 45% обращений клиентов решаются без оператора. В октябре 2025 года запущены ИИ-копайлоты для операторов первой линии, ими ежедневно пользуются более 90% сотрудников поддержки. Модели развернуты в периметре банка, данные вовне не передаются.
Копайлот анализирует сообщения и звонки в реальном времени, подсказывает ответ и следующий шаг, мгновенно подбирает причину, сумму и дату транзакции для оспаривания. Скорость решения вопросов клиентов выросла на 10%. Эффект от собственных моделей оценивается как снижение затрат на поддержку минимум на 25% в год; прямая экономия за полгода тестирования зафиксирована, суммы не раскрыты.
Своя модель окупается там, где поток обращений исчисляется тысячами в день: банк держит и модель, и данные внутри и получает эффект на каждом обращении.
Автономный рабочий агент работает на локально развернутой модели с 35 млрд параметров и примерно 3 млрд активных на токен через LM Studio, скорость около 70 токенов в секунду на Mac. Сначала агент запускался в Docker на Mac, затем переехал на виртуальную машину, что стало переломным моментом по удобству.
Детерминированная обработка данных вынесена в отдельные приложения на Go с интеграцией к базе и векторному поиску, агенту оставлены задачи потребления. Источники: почта, транскрипты встреч, мессенджеры. Это персональный агент руководителя, не корпоративное развертывание; числовых результатов не раскрыто. Публикация 21 августа 2026 года.
Модель с малым числом активных параметров дает около 70 токенов в секунду на Mac. Для агента этого достаточно, если тяжелая обработка вынесена в код.
Виртуальный ассистент Erica с запуска в 2018 году провел больше 3 млрд взаимодействий с почти 50 млн клиентов, больше 58 млн в месяц.
Виртуальный ассистент Erica с запуска в 2018 году провел больше 3 млрд взаимодействий с почти 50 млн клиентов, больше 58 млн в месяц; версией для сотрудников пользуются больше 90% персонала, звонков в ИТ-поддержку стало на 50% меньше, больше 98% пользователей находят нужную информацию.
Три миллиарда взаимодействий и вдвое меньше звонков в ИТ-поддержку: ИИ-агент для клиентов и для сотрудников.
Чат-бот Bene для клиентов банка обработал больше 2 млн чатов и успешно решает 70% всех обращений.
Чат-бот Bene для клиентов банка обработал больше 2 млн чатов и успешно решает 70% всех обращений. Банк в числе первых взял платформу для клиентского сервиса и построил на ней собственного специализированного чат-бота, а теперь усиливает его генеративным ИИ.
70% обращений решает чат-бот при 2 млн чатов: ИИ-агент поддержки для финансового сервиса.
Банк расширил число лицензий генеративного ассистента с 3300 до 11 000 за год: сотрудники сами создали больше 3000 собственных ассистентов, экономят в среднем 2,8 часа в неделю.
Банк расширил число лицензий генеративного ассистента с 3300 до 11 000 за год: сотрудники сами создали больше 3000 собственных ассистентов, экономят в среднем 2,8 часа в неделю, 83% лицензированных пользователей заходят ежедневно.
Сотрудники сами собрали 3000 ассистентов: после пилота мы учим вашу команду делать агентов.
Чат-бот на генеративном ИИ в мобильном приложении банка в Нидерландах: пилот на 10% клиентов чата поддержки, за первые семь недель обслужил на 20% больше клиентов, чем обычная поддержка.
Чат-бот на генеративном ИИ в мобильном приложении банка в Нидерландах: пилот на 10% клиентов чата поддержки, за первые семь недель обслужил на 20% больше клиентов, чем обычная поддержка. В поддержку банка обращаются 85 000 клиентов в неделю; риск-подразделения участвовали в проекте с начала, ответы отслеживаются в реальном времени, при низкой уверенности ответа подключается человек.
Бот обслужил на 20% больше клиентов под контролем риск-подразделений: правила и эскалация входят в пилот.
ИИ-поиск по центру помощи направил к самообслуживанию на 38% больше пользователей, ложных срабатываний антифрода стало на 40% меньше, корпоративный ИИ-ассистент вернул сотрудникам больше 100 000 часов.
ИИ-поиск по центру помощи направил к самообслуживанию на 38% больше пользователей, ложных срабатываний антифрода стало на 40% меньше, корпоративный ИИ-ассистент вернул сотрудникам больше 100 000 часов.
Самообслуживание +38% и 100 000 часов: ИИ-поиск по базе знаний для клиентов и сотрудников.
ИИ-ассистент за первый месяц провел 2,3 млн диалогов, две трети чатов поддержки, что равно работе 700 штатных операторов.
ИИ-ассистент за первый месяц провел 2,3 млн диалогов, две трети чатов поддержки, что равно работе 700 штатных операторов; время решения вопроса упало с 11 минут до меньше 2, повторных обращений на 25% меньше, ожидаемый эффект 40 млн $ прибыли за 2024 год.
Две трети чатов и решение вопроса меньше чем за 2 минуты: планка для пилота ИИ-агента поддержки; людей оставляют на сложные случаи.
Собственная ИИ-система банка RiskGPT считает динамический риск-рейтинг меньше чем за час, раньше оценка кредитного кейса занимала до 4–5 дней. Система работает по правилам и политикам банка.
Собственная ИИ-система банка RiskGPT считает динамический риск-рейтинг меньше чем за час, раньше оценка кредитного кейса занимала до 4–5 дней. Система работает по правилам и политикам банка, контроль над процессом остается у риск-менеджеров.
Кредитный кейс меньше чем за час вместо дней: ИИ-агент считает риск по правилам банка, решение остается за человеком.
ИИ-помощник в банке: 70% сотрудников экономят 30–60 минут в день, проверка бизнес-рисков сократилась с трех недель до одного дня.
ИИ-помощник в банке: 70% сотрудников экономят 30–60 минут в день, проверка бизнес-рисков сократилась с трех недель до одного дня.
Проверка за день вместо трех недель: ИИ-агент собирает документы и черновик решения для руководителя.
Внутренняя платформа LLM Suite открыта больше чем 230 000 сотрудников по всему миру: экономия 3–6 часов в неделю на сотрудника, восемь крупных обновлений с момента запуска.
Внутренняя платформа LLM Suite открыта больше чем 230 000 сотрудников по всему миру: экономия 3–6 часов в неделю на сотрудника, восемь крупных обновлений с момента запуска.
3–6 часов в неделю на сотрудника при 230 000 пользователях: нейросотрудник в масштабе от 5 человек.
Больше 300 специалистов по данным и разработчиков ИИ и 18 генеративных систем в промышленной эксплуатации: проверка дохода по ипотеке занимает секунды вместо дней.
Больше 300 специалистов по данным и разработчиков ИИ и 18 генеративных систем в промышленной эксплуатации: проверка дохода по ипотеке занимает секунды вместо дней.
Проверка дохода за секунды вместо дней: ИИ-агент проверяет документы клиента до решения человека.
Инструмент с поиском по базе знаний для банкиров в отделениях: рабочий процесс решения вопроса клиента короче примерно на 20%.
Инструмент с поиском по базе знаний для банкиров в отделениях: рабочий процесс решения вопроса клиента короче примерно на 20%.
Путь к решению вопроса клиента короче примерно на 20% с поиском по базе знаний: ИИ-агент для менеджера в отделении и на телефоне.
ИИ-ассистент по внутренней базе исследований и регламентов: им пользуются больше 98% команд финансовых советников, доступ к документам вырос с 20% до 80%.
ИИ-ассистент по внутренней базе исследований и регламентов: им пользуются больше 98% команд финансовых советников, доступ к документам вырос с 20% до 80%; второй инструмент Debrief пишет заметки по итогам встреч с клиентами.
Доступ к документам вырос с 20% до 80%: нейросотрудник с вашей базой знаний для менеджеров.
Языковая модель пишет персональные аргументы для звонка по транзакциям клиента за две недели: конверсия в согласие и в подключение подписки выше на 16% относительно контрольной группы.
Банк построил решение для персонализации телемаркетинга при продаже подписки: модель анализирует теги транзакционной активности клиента за последние две недели и генерирует три аргумента под него. Тестовая группа показала плюс 16% по конверсии в согласие и в подключение после пробного периода, аргументы формируются без ручной работы аналитиков.
Скрипт под конкретного клиента, а не под сегмент: ИИ-агент продаж готовит его перед каждым звонком.
Все сотрудники банка получили доступ к ИИ через внутреннюю платформу и создали больше 8000 приложений для своих команд; рутина службы поддержки сотрудников оптимизирована.
Банк открыл сотрудникам современные ИИ-инструменты через внутреннюю платформу в рамках демократизации технологий. Сотрудники сами создали больше 8000 приложений на базе ИИ для собственного использования и нужд команд, оптимизирована рутинная работа службы поддержки; платформа получила международную награду за применение ИИ в HR.
Агентов собирают те, кто знает процесс: после пилота учим вашу команду делать следующих агентов без подрядчика.
11 сентября 2026 года Банк России сохранил ключевую ставку на уровне 14% годовых, следующее заседание 23 октября. Для малого бизнеса это значит, что рост в долг остается дорогим, а найм остается дорогим: по оценке Банка России, зарплаты все еще растут быстрее производительности. Ниже что делать, если у вас малый бизнес: как в такой ситуации считают собственники, с которыми мы разговариваем на разборах, и как посчитать окупаемость агента при ставке 14%.
Краткосрочный кредит малому и среднему бизнесу в июле 2026 года стоил в среднем 17,9% годовых, по данным Банка России, и каждый месяц окупаемости проекта это проценты. Поэтому проекты с окупаемостью в кварталы проигрывают проектам с окупаемостью в месяцы, даже если вторые меньше по размеру.
Найм это зарплата с налогами каждый месяц без конца, время на поиск и обучение и риск ухода. Агент на одном процессе это разовая сумма и сопровождение, от которого можно отказаться в любой месяц. Пилот 14 дней от 150 000 ₽ показывает цифру до того, как вы вкладываете в отдел от 450 000 ₽.
3 марта 2026 года Сбер открыл доступ к корпоративной платформе GigaChat Enterprise («ГигаЧат Бизнес»), на которой компании создают собственных ИИ-агентов. 3 апреля на платформе стала доступна флагманская модель ГигаЧат Ультра. Для собственника это сигнал: агенты перестали быть экспериментом, но платформа сама по себе не знает ваших процессов.
По сообщению Сбера, на платформе «из коробки» доступны базовые сценарии продуктивности и типовые ИИ-агенты для разных офисных ролей. Компания может управлять агентами, которых создают сотрудники, настраивать правила их работы, контроль доступа и модерацию. Платформу разработала компания «Салют для бизнеса» из группы Сбер.
«GigaChat Enterprise (ГигаЧат Бизнес) позволяет учесть регламенты, базу знаний, систему обработки клиентских обращений и другие особенности бизнес-процессов компании», сказал Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка.