Искусственный интеллект прочно вошел в число ключевых технологических трендов - компании все чаще обращаются к нему для решения точечных задач, но редко задумываются о системных рисках и реальной трансформации процессов. Какие барьеры мешают масштабному внедрению LLM в России, и почему без изменения мышления даже лучшие технологии не сработают? О тонкостях безопасной работы с ИИ, импортозамещении с "умным" подходом и феномене VibeCoding рассказывает Алексей Лебедев, директор департамента "Банки и финансы" Рексофт.

Используете ли вы языковые модели в компании? Если да — в каких задачах и с какими типами решений (облачные, локальные)?

Да, Рексофт активно использует языковые модели (LLM) — и не только для написания кода. На самом деле, ИИ помогает нам практически на всех этапах работы: от подбора людей в команду до автоматизации рутинных задач. Например, при формировании проектных команд мы используем собственную ИИ-систему, которая анализирует требования заказчика и резюме наших специалистов. Это экономит нам до 30% времени на подбор, а сами специалисты благодаря ИИ освобождают до двух часов в неделю, просто делегируя рутину – заполнение CRM или составление типовых документов.

ИИ включается в работу уже на ранних этапах проработки проектов – обсуждения идей и прототипирования. Здесь ИИ выступает как идеальный спарринг-партнер. Можно устроить мозговой штурм прямо в чате: "Представь, что ты скептичный инвестор, какие вопросы ты бы задал к этой фиче?" или "Накидай 5 вариантов UI для этой задачи с точки зрения пользователя-новичка". Это помогает посмотреть на идею с разных сторон и быстрее нащупать MVP. В самой разработке, конечно, основную ценность дает ИИ-помощник для генерации кода и избавление от рутины. Написать следующую строчку кода, сгенерировать шаблонные компоненты, перевести кусок кода с одного языка на другой, накидать основу для юнит-тестов – все это ИИ делает мгновенно. Разработчик не тратит время на скучную механическую работу, а сразу фокусируется на архитектуре и сложной логике. То же самое в тестировании: сгенерировать ряд тест-кейсов по требованиям можно в разы быстрее, что дает QA-инженерам больше времени на вдумчивое, исследовательское тестирование.

Чтобы все это работало безопасно и удобно, мы создали внутреннюю платформу – Рексофт ИИ Хаб. Безопасность данных наших клиентов – главный вопрос для нас. Отправлять код клиента или внутренние документы в публичный ChatGPT – табу. Собственно, поэтому и нужна внутренняя платформа. В рамках платформы сотрудникам доступны более 15 ИИ-приложений, включая автоматизацию проверки договоров, скрининг кандидатов, генерацию тест-кейсов и чек-листов, а также интеллектуальный анализ данных. Платформа объединяет 5 open-source моделей, работающих в изолированном корпоративном контуре, и подключается к внешним сторонним моделям через защищенные API-интерфейсы. Это позволяет гибко сочетать преимущества локальных и облачных решений для различных задач.

Внедряете ли вы LLM-решения для клиентов? Если да: — в каких отраслях и на каких кейсах чаще всего?

Это сейчас одно из главных направлений. Клиенты часто приходят с идеей-фикс: "Хочу внедрить ИИ" и при этом считают, что технология может все. Это далеко не так, и это в какой-то степени результат хайпа. Наш первый шаг – всегда отделять хайп от реальной бизнес-пользы и не пытаться "прикрутить" ИИ куда попало.

Мы предлагаем не придумывать кейсы, а уже здесь и сейчас с помощью ИИ повышать скорость ИТ-разработки, чтобы позволить бизнесу быстрее воплощать новые идеи и наращивать прибыль. То есть мы говорим: "Давайте пока не будем изобретать сложного ИИ-ассистента для оптимизации инвестиционного портфеля. Давайте с помощью ИИ ускорим разработку того, что вам нужно уже вчера". Это самый быстрый и понятный способ получить выгоду. Мы помогаем командам заказчиков внедрить те же инструменты, что используем сами, чтобы они могли быстрее проверять гипотезы, выпускать фичи и, в конечном счете, зарабатывать больше.

Второе чуть более сложное направление – это создание решений, где ИИ является ядром продукта. И здесь, конечно, сейчас самая горячая тема, особенно в крупном бизнесе, – это умное импортозамещение. Взять старую систему и переписать ее один в один на отечественном стеке – это огромная ошибка – долго, дорого и в итоге вы получаете просто старую систему на новых технологиях.

Ключевая задача – не в механической замене западных решений на аналогичные отечественные, а в том, чтобы, отталкиваясь от реальных бизнес-потребностей, выполнить переход быстрее и качественнее. Особенно это касается критических систем – их прямой перенос "в лоб" занимает много времени. Точечное использование ИИ ускоряет процесс, но максимальный эффект дает комплексный подход: сначала анализируем, что действительно нужно бизнесу, оптимизируем архитектуру и процессы, а затем с помощью ИИ переписываем только необходимые компоненты. В Рексофт мы применяем именно эту методологию – наши эксперты определяют ключевые требования, затем команда с помощью ИИ-инструментов быстро адаптирует систему, сокращая сроки импортозамещения и повышая качество решения.

Помимо этого, есть и более классические кейсы: умные чат-боты для поддержки, которые действительно понимают контекст, а не отвечают по скрипту; системы анализа клиентских отзывов; прогнозирование спроса. Это актуально почти для всех – и для финтеха, и для ритейла, и для промышленных компаний.

Важный момент: мы не бросаем клиента один на один с технологией. Мы сами набили немало шишек, создавая нашу внутреннюю ИИ-платформу, подбирая модели и выстраивая процессы безопасности. Теперь мы можем развернуть этот опыт у клиента. Ему не нужно тратить год и миллионы на R&D – он получает от нас готовую, безопасную "песочницу" для своих команд, чтобы они могли сразу начать работать, а не воевать с инфраструктурой.

Насколько вопрос безопасности и утечек данных действительно критичен для вас в контексте использования LLM?

Во многих компаниях сотрудники активно применяют публичные LLM-сервисы в рабочих процессах, но делают это бесконтрольно – через мобильные приложения, веб-интерфейсы или мессенджеры. При этом их действия остаются вне зоны видимости ИТ-безопасности компании.

Вопрос безопасности данных критически важен для бизнеса. Главный риск – это неумышленная передача конфиденциальных данных во внешние сервисы. Например, когда сотрудник загружает договор в чат-бот для проверки или отправляет фрагменты внутренней аналитики для составления отчета. Стандартные системы защиты компании часто не отслеживают такие сценарии. Риски возрастают еще потому, что многие публичные модели (как DeepSeek, YandexGPT или GigaChat) доступны после простой регистрации и не требуют специальных разрешений для использования.

Поэтому мы используем единую платформу – контролируемый шлюз для всех LLM-взаимодействий – которая автоматически проверяет запросы, обезличивает данные и обеспечивает безопасность. Это позволяет сотрудникам свободно использовать ИИ, соблюдая корпоративные стандарты безопасности в масштабах всей организации.

При этом для нас безопасность – это не только вопрос технологий, но и культуры: важно обучать сотрудников, объяснять риски и выстраивать процессы так, чтобы использование ИИ было не только эффективным, но и безопасным для бизнеса.

"Раскатывая" проект на компанию, мы много занимались коммуникациями по вопросам работы с генеративными моделями, объясняя сотрудникам, почему мы призываем использовать внутреннюю систему Рексофт, а не внешние сервисы. Процесс ликбеза и напоминаний идет постоянно.

С какими основными трудностями вы или ваши клиенты сталкиваетесь при внедрении LLM?

Главная сложность, как всегда, не в технологиях, а в людях. Технические проблемы вроде "галлюцинаций" моделей или безопасности – это инженерные задачи, и они решаемы. Настоящие барьеры – в головах.

Первый барьер, барьер снизу – это сопротивление команды. У разработчиков есть понятные страхи: "Не заменят ли меня?", "Не деградируют ли мои навыки, если я буду меньше кодить руками?". Плюс обычный консерватизм: "Мои методы и так работают, зачем мне этот сырой инструмент, которому надо объяснять контекст и "обучать"?".

Второй барьер, барьер сверху – инерция менеджмента. Руководителям нужен четкий ROI, гарантии безопасности и понимание, как этим всем управлять. Без этого менеджмент не готов инвестировать.

Как это решается? Мы поняли, что заставлять бесполезно. С командой работает только личный пример и демонстрация выгоды: показываем, как ИИ забирает самую скучную рутину и освобождает время на творчество. С руководством говорим на языке цифр: показываем, как код, который раньше делали 2-3 месяца, теперь можно собрать за несколько дней. Это убеждает.

В итоге, успешное внедрение ИИ – это на 20% технология и на 80% работа с людьми. Не ИИ заменит разработчика, а разработчик с ИИ заменит того, кто им не пользуется. И донести эту мысль – главная задача.

Как вы оцениваете зрелость российского рынка: готовы ли компании к масштабному внедрению LLM?

Для готовности бизнеса к масштабному внедрению LLM необходимы три компонента: возможность, способность, мотивация. Возможность — это техническая и инфраструктурная база: доступ к моделям, вычислительным ресурсам и интеграционным инструментам. Этот компонент постепенно развивается, но пока остается узким местом для многих компаний из-за санкционных ограничений и незрелости локальных аналогов. Хотя западные модели сильнее российских, возможность работы с ними ограничена и требует дополнительных решений для использования на корпоративном уровне. Под способностью понимается экспертиза – большинство организаций находятся на начальной стадии – экспериментируют с базовыми сценариями вроде RAG, но глубокой интеграции в бизнес-процессы пока не происходит. Самый неоднозначный компонент – мотивация: кто-то внедряет LLM из страха отстать, кто-то — ради пиара, а кто-то действительно видит конкретные преимущества.

В целом, готовность рынка пока фрагментарна – массового перехода не произойдет, пока не сформируется критическая масса компаний, преодолевших и технологические и организационные барьеры. Пока мы наблюдаем лишь первые ростки системного внедрения среди наиболее прогрессивных игроков.

ИИ-инструменты стремительно входят в повседневность разработки: от автогенерации кода до полноценных решений. На этом фоне возникает новый феномен — VibeCoding: где для вас проходит граница между профессиональной автоматизацией и имитацией компетенций?

Да, действительно, VibeCoding звучит немного легкомысленно. Хотя в целом этот термин отражает дух времени: разработка становится более быстрой, гибкой, доступной, творческой, и ИИ действительно привносит в профессию тот самый новый "вайб".

Но будем честны: за всей этой атмосферой смузи, матчи на кокосовом и креативных команд, большинство компаний ждут не "вайба", а конкретного результата – работающего и надежного кода. И профессионализм как раз в том, чтобы с помощью ИИ писать его быстро и качественно.

Граница между профессиональной автоматизацией и имитацией компетенций проходит там, где заканчивается осознанное использование инструментов и начинается "магия ради магии". Если разработчик просто жмет на кнопку "сгенерировать код", не до конца понимая, что происходит, и не контролируя процесс, – это и есть имитация, подмена реальных навыков. А вот если ИИ помогает быстро проверить гипотезу, сделать прототип, автоматизировать рутину, а человек при этом полностью отвечает за архитектуру, декомпозицию, качество и конечный результат – вот это и есть настоящая инженерная работа, усиленная технологиями.

VibeCoding может ускорить процессы, сделать их более гибкими, но только если в основе лежит осознанность: четкое понимание задачи, контроль качества и ответственность за результат. Поэтому профессионализм разработчика сегодня – это не столько умение пользоваться ИИ, сколько умение встраивать его в рабочие процессы так, чтобы он приносил реальную пользу бизнесу.

Имитация – это когда ИИ используется "для галочки", без понимания и контроля. При этом отказ от ИИ, когда он уже доказал свою эффективность, — это тоже сигнал, что разработчик отстает от времени.

В итоге, главное – найти баланс. Важно использовать ИИ, но делать это осознанно. Постоянно учиться, отвечать за качество кода и конечный продукт. Вайб — это отлично, но только когда он подкреплен результатом.