Россия формирует собственную модель развития искусственного интеллекта, где ИИ — не отдельная технология, а неотъемлемый элемент экосистемы, в которой университеты создают интеллектуальную собственность, корпорации — инфраструктуру, стартапы — задают скорость, а AI-инструменты становятся доступным ресурсом для команд любого масштаба. К такому выводу пришли участники сессии «AI-переход: перспективы трансформации техпреда» в рамках IV Всероссийского форума технологического предпринимательства.
Первый вывод дискуссии — именно в вузах могут и должны рождаться прорывные технологические идеи. В отличие от корпораций, ориентированных на окупаемость и предсказуемость, университет не скован жесткими рамками эффективности и может позволить себе эксперимент и риск.
Лоран Джейкобс, заведующий лабораторией интеллектуальных криптографических систем МФТИ, напомнил, что сила академической среды в синтезе теории и практики: молодые исследователи привносят нестандартный взгляд, а преподаватели — методологию и глубину.
«Прорывные вещи появляются только тогда, когда студент работает вместе с преподавателем, поэтому его роль особенно важна: он должен быть и наставником, и практиком, который помогает двигаться вперед», — уверен эксперт.
Мысль продолжил Альберт Бранд, руководитель Центра проектного обучения ТюмГУ, отметив, что интеграция ИИ в образование меняет сами принципы учебного процесса. За два года экспериментов университет пришел к формату гибридных команд, где преподаватель не исчезает, а становится куратором, передавая рутину ИИ-ассистентам. Такой подход уже дал ощутимый эффект: «в ряде дисциплин показатели студентов выросли на 20–30%», — отметил Бранд.
Он подчеркнул, что этим результатам предшествовал важный шаг: преподавателям пришлось сначала самим научиться взаимодействию с ИИ. Сотни сотрудников прошли обучение, попробовали технологии на своих задачах и лишь после этого начали внедрять их в учебный процесс и передавать опыт коллегам.
По оценкам Лорана Джейкобса, создание полноценной AI-экосистемы требует инвестиций порядка 3-5 млрд рублей и ежегодной поддержки до 200 млн рублей — ресурса, которым большинство вузов не располагает. Поэтому именно сотрудничество университетов, корпораций и государственных институтов становится ключевым условием дальнейшего развития.
К этому моменту окончательно стало ясно, что происходящие изменения — не точечные, а системные. Модератор дискуссии, Рустам Боровик, руководитель направления ИИ-трансформации центра человекоцентричного ИИ Сбера подчеркнул, что российский рынок уже практически перешел к стадии, когда искусственный интеллект становится полноценным участником рабочих процессов.
«Мы начинаем говорить про AI как члена команды, сокомандника — того самого агента, а возможно даже целого флота агентов, которые работают согласованно и берут на себя целые блоки задач, фактически действуя как цифровая команда. Говорят, что словом 2026 года будет не AI-агент, а AI-флот», — предположил он.
Александр Елисеенко, когнитивист, бизнес-психолог, преподаватель НИУ ВШЭ и CEO RabbitsHat AI, заметил, что университетская среда важна не только как источник идей. Именно здесь происходит и естественный переход к следующему элементу экосистемы — стартапам. На ранних этапах им почти всегда не хватает людей, компетенций и доступа к экспертизе и университет становится ключевым партнером, с которым можно быстро проверять гипотезы и находить решения.
«Когда запускаешь стартап, у тебя много ограничений и мало ресурсов. Поэтому ты идешь в университет, где есть люди с нужной экспертизой, и просишь возможности поработать вместе, например на хакатоне. Студенты получают опыт, а ты — понимание, в каком направлении двигаться дальше», — рассказал он.
Андрей Даршкевич, заместитель директора Института искусственного интеллекта и цифровых наук ВШЭ, сосредоточил внимание на другом ключевом элементе экосистемы — организационной инфраструктуре. По его словам, даже самые сильные идеи и команды не смогут двигаться дальше без прозрачного механизма выхода на реальных заказчиков. Университетам необходимо выстраивать систему, которая соединяет студенческие проектные группы, научные лаборатории и корпоративный запрос в единый рабочий поток.
«Прежде всего, нужно создать инфраструктуру, в которой студенческие команды во главе с преподавателями и научными руководителями будут иметь доступ к конкретному заказу. Должен появиться тот, кто возьмет на себя дальнейшую коммерциализацию и продвижение таких решений», — отметил он.
Иван Глухов, исполнительный директор коммерческого управления АО «Сбербанк Технологии», убежден, что именно корпорации способны существенно ускорить путь от идеи до промышленного внедрения и помочь молодым командам понять реальные требования индустрии.
«Когда приходят новые молодые проекты, они не всегда понимают те требования, те особенности, в которых им потенциально предстоит работать в большой компании. Они могут найти какое-то интересное решение, но оно будет работать в своих лабораторных вакуумных условиях. И перенести это на широкое поле становится достаточно сложно», — подчеркнул эксперт.
Иван Глухов подчеркнул, что многие студенческие и стартап-решения рождаются в «лабораторном вакууме» и не учитывают специфику промышленного применения: правила безопасности, масштабируемость и отказоустойчивость. Внутри Сбертеха, по его словам, действует принцип «внутреннего стартапа» — компании не только выводят собственные продукты на рынок, но и тестируют сотни внутренних AI-агентов. Сотрудникам — от разработчиков до бухгалтеров и HR — предоставляют инструменты, обучение и поддержку для самостоятельного создания AI-решений. После этого корпорация собирает отклики, проводит анализ востребованности и принимает решения о дальнейшем промышленном внедрении.
Все участники дискуссии сошлись во мнении, что дальнейший прогресс зависит не только от концепций, но и от качества их апробации. Поэтому логично, что сессия продолжилась практическим мастер-классом, где оперативный ИИ был продемонстрирован как рабочая среда, а не абстрактная концепция.
Ведущий мастер-класса — Даниил Драпеза, руководитель центра компетенций по ИИ стартап-студии «Открытые инновации», показал, как модели помогают ускорять процессы: превращать большие массивы данных в структурированные документы, создавать визуальный контент, собирать мультимедийные материалы и анализировать рынок под конкретный запрос.
Он напомнил, что смысл внедрения ИИ — не в автоматизации ради автоматизации, а в повышении эффективности команд: «Мы с вами всегда должны понимать, что у нас должен оставаться какой-то план Б, в котором есть человек, есть человеческий естественный интеллект и что-то, что мы можем сделать руками».
