К сожалению, сайт не работает без включенного JavaScript. Пожалуйста, включите JavaScript в настройках вашего браузера.

Андрей Белевцев: «Прежде, чем что-то предлагать рынку, мы все пробуем на себе»

Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка
Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка
За рубежом «проникновение» генеративных нейросетей в корпоративный ландшафт достигло 85%, в России этот показатель пока что приблизился к 60%. С этой статистики началась сессия Сбера в партнерстве с FСongress на форуме «Цифровая индустрия промышленной России-2025» (ЦИПР-2025). Все участники форума признали: внедрять инновации надо уже сейчас, если компания хочет обеспечить себе лидерские позиции. Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка, уверен: выбор надежного партнера существенно повышает эффективность процесса трансформации — от выбора GenAI*-моделей до достижения нужных результатов.

Андрей Белевцев в нулевых работал в компании CBOSS, где прошел путь от инженера до вице-президента по профессиональным услугам. С 2010 по 2011 год занимал должность начальника Центра разработки программного обеспечения для телекоммуникаций компании Yota. С 2011 по 2018 год — сооснователь и исполнительный директор технологической компании RooX. С 2018 по 2022 год работал директором по цифровой трансформации компании «Газпром нефть», где совместно с бизнес-подразделениями перестраивал основные производственные процессы, внедряя интеграционные платформы, роботизацию и искусственный интеллект. В октябре 2022 года назначен старшим вице-президентом, CTO, руководителем блока «Технологии» Сбербанка, в мае 2024 года перешел на должность старшего вице-президента, руководителя блока «Технологическое развитие» Сбербанка.

«Чему нас учит искусственный интеллект»

«Термин «искусственный интеллект» нам достался в результате перевода с английского (Artificial intelligence). А «intelligence» и «интеллект» имеют немножко разные значения. Это приводит к тому, что мы начинаем предписывать ему какие-то качества, как будто это сущность или личность, а на самом деле это технология. Поэтому правильно говорить о том, чему эта технология может нас научить, или как нам правильно ее использовать. И первый шаг начинается с того, что надо просто попробовать, взять одну из генеративных моделей и с ней начать взаимодействовать.

Например, нейросетевая модель GigaChat в России доступна всем пользователям в разных удобных форматах.

Надо понимать, что ваш диалог с моделью [генеративного искусственного интеллекта] строится так, как этого захотите вы. Просто объясните модели, что вы от нее хотите. Не стесняйтесь быть подробным. Скажите, в какой роли вы хотите, чтобы она выступила. Какие ответы вы хотите, чтобы модель вам давала. Уточните, в какой форме должны быть эти ответы, или на каком языке, например. Что ей делать, что не делать — дайте подробную инструкцию. После того, как вы это сделаете, вы можете использовать ее самым неожиданным образом. Например, можно дать модели ссылку на описание вакансии там, где вы хотите устроиться на работу, и попросить, чтобы модель с вами провела собеседование [как HR]. Модель структурирует вопросы, выслушает ваши ответы, даст вам обратную связь и посоветует, какие компетенции вам надо развивать, и как лучше и точнее отвечать. Таким образом искусственный интеллект может помочь вам подготовиться к собеседованию на работу».

«GenAI — технология общего назначения»

«Эпоха генеративного искусственного интеллекта наступила так быстро, потому что GenAI стал технологией общего назначения. Есть такой термин в английском General Purpose Technology (технология общего назначения). Что это такое? Самый распространенный для нас пример — это электричество. Базовая технология одна, а способов применения огромное количество. Сейчас происходит то же самое. GenAI внедряется так быстро, потому что он универсален, он адаптируется к разным смысловым направлениям, к разным бизнес-задачам, к разным доменам знаний.

Вот, например, GigaChat для бизнеса, как фундаментальная генеративная модель может работать юристом, медицинским работником, закупщиком, финансистом, разработчиком и так далее, можно перечислять еще очень-очень долго. И все это одна и та же модель: она может видеть, она может слышать, она может понимать письменную и устную речь, разговаривать сама.

В этом ключевая разница по сравнению с теми технологиями, которые у нас были раньше. В эпоху «классического» машинного обучения нам для каждой конкретной специальной задачи нужно было «готовить» специализированную модель. Этот путь пройти могли далеко не все компании. Нужно было собрать, подготовить данные, найти и нанять команду квалифицированных дата-сайентистов (англ. Data Scientist — специалист, который занимается анализом и интерпретацией больших объемов данных). А сейчас такие задачи может решать универсальная модель, а дата-сайентист нужен только для сложных кейсов, когда знаний и навыков модели не хватает».

«Мы опубликовали документ по разработке и внедрению AI-агентов в корпоративные ландшафты»

«Для нас очень важно с каждой компанией, [каждым] нашим партнером поделиться опытом проб и ошибок, которые мы «прошли» и «проходим» до сих пор. Любое знакомство с технологией начинается со знания. Прежде всего ты должен узнать, что [такая технология] существует, потом попробовать ее использовать. Поэтому мы всем компаниям советуем: начните с того, чтобы образовывать своих сотрудников, расскажите им о технологии. Дайте им попробовать, например, через сервисы для широкого рынка, как GigaChat в Web'е и в Telegram. Или можно пройти образовательный курс, в СберУниверситете есть открытые курсы, есть корпоративные программы. Важно понять, как GenAI «устроен», тогда у вас у самих появятся идеи, как его использовать в самых разных процессах.

Второй шаг — это формулирование и тестирование тех гипотез, которые важны для вашего бизнеса. Компании следует так выстроить работу, чтобы каждый [сотрудник], у кого есть хорошая идея, мог бы попробовать ее реализовать. Необходимо еще научить его квалифицированно оценивать, что получается, что не получается. Это тоже некий скилл, потому что умение правильно формулировать и тестировать гипотезы — это часть научного или технологического эксперимента.

Внедрение [инновационных] решений в корпоративный ландшафт — это сложная работа, которая должна иметь правильно спроектированную «архитектуру», отношение к безопасности как ваших данных, так и агентных решений, которые вы будете создавать.

В целом должна быть построена система, которую вы можете развивать и наполнять новыми и новыми кейсами много-много лет. Модели будут развиваться, будут появляться все новые и новые решения, но ваши инвестиции сегодня очень сильно зависят от того, насколько правильно [для будущего] вы выстроите этот процесс.

В помощь бизнесу мы опубликовали документ по разработке и внедрению AI-агентов в корпоративные ландшафты, где мы делимся всем, что поняли на сегодняшний день, и тем, что мы делаем у себя в Сбербанке. Нам кажется, что для многих крупных компаний это будет очень полезно. А если вы не очень большой бизнес, то для вас есть другая возможность: есть открытые программные интерфейсы (API), где вы можете использовать модель без необходимости внедрять ее у себя».

«Пробовать надо все»

«Вы должны знать, что умеют сейчас основные лидирующие мировые разработчики GenAI, это важно. Пробовать надо все, но после того, как ты попробовал, возникает момент принятия решения: а что именно ты будешь внедрять. И в этот момент бизнес должен понять, с кем ему работать, кто будет его партнером по внедрению [GenAI], кто будет отвечать за SLA (англ. Service Level Agreement — соглашение между заказчиком и исполнителем о качестве обслуживания) по использованию сервиса, что будет, если что-то происходит не так, модель себя ведет не так, как я хочу, к кому я обращусь за помощью, кто поможет мне исправить ее поведение, скорректировать все нужным для моей компании образом. И вот тут важно понять для себя, с кем вы готовы работать.

Вторая история: для проб очень хорошо подходят любые программные интерфейсы, даже зарубежные. Но, когда возникает вопрос внедрения их в ваш бизнес-процесс, в важную для вас деятельность, вам надо будет задуматься, точно ли вы захотите выстраивать «тайный обходной путь» использования какой-то [зарубежной] модели: она сегодня работает, а завтра может перестать, а вместе с ней [«сломается»] и тот кейс, который вы строили. Или вам все-таки нужно что-то надежное?

Полагаем, что концентрироваться сейчас в большей степени нужно уже не на качестве отдельно взятой модели, а на качестве того решения, которое вы строите и проектируете. Оно начинается с качества данных и интеграции, с того, как вы строите саму систему. Конечно, важным его элементом, его «сердцем», всегда будет модель, которая на каких-то начальных этапах внедрения может еще не полностью соответствовать вашим требованиям. Важно, чтобы вы имели возможность вместе с вашим партнером «пройти путь» [от ее внедрения] до хорошего результата, развивая систему, добавляя новые интеграции и обучая модель лучше работать с той предметной областью, которая нужна конкретно вашей компании».

«Я верю в важность обмена знаниями»

«Я верю в две вещи. Первая: я верю в сотрудничество компаний, и в этом смысле такие мероприятия, как ЦИПР, очень важны. Мы здесь встречаемся, рассказываем друг друг о том, что получилось или не получилось, какие вызовы стоят перед каждой компанией. Таким образом мы обмениваемся знаниями. Знания бывают положительными, когда что-то получилось, бывают и негативными, но это тоже важный опыт. Вторая вещь — технологическая. Развивая российские семейства моделей, мы таким образом делаем их лучше, «соотносим» определенные кейсы и практики, делая общее внедрение более простым и менее затратным делом, стараясь как можно ниже «снижать барьер» и для входа, и для развития.

Еще я верю в облачные решения: во всех странах мира, где высокое проникновение «облаков», развитие любой технологической инновации идет гораздо быстрее, чем в тех странах, где проникновение «облаков» ниже. «Облако» — это быстрее и в конечном итоге надежнее, кроме того, и дешевле. У нас есть партнер — компания Cloud.Ru, которая является облачной инфраструктурой для всех сервисов, которые мы делаем.

В любом нашем проекте мы готовы сделать: для крупных заказчиков решения в их собственном периметре, on-premise (на их серверах), а для компаний, которые хотят лучший баланс, скорость и экономию — в «облаке».

Я очень надеюсь, что обмен знаниями, библиотека лучших решений и облачные технологии — залог того, чтобы генеративный искусственный интеллект делал все больше и больше для процветания самых разных бизнесов».


*Генеративный искусственный интеллект

Наименование издания: forbes.ru

Cетевое издание «forbes.ru» зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций, регистрационный номер и дата принятия решения о регистрации: серия Эл № ФС77-82431 от 23 декабря 2021 г.

Адрес редакции, издателя: 123022, г. Москва, ул. Звенигородская 2-я, д. 13, стр. 15, эт. 4, пом. X, ком. 1

Адрес редакции: 123022, г. Москва, ул. Звенигородская 2-я, д. 13, стр. 15, эт. 4, пом. X, ком. 1

Главный редактор: Мазурин Николай Дмитриевич

Адрес электронной почты редакции: press-release@forbes.ru

Номер телефона редакции: +7 (495) 565-32-06

На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации)

Перепечатка материалов и использование их в любой форме, в том числе и в электронных СМИ, возможны только с письменного разрешения редакции. Товарный знак Forbes является исключительной собственностью Forbes Media Asia Pte. Limited. Все права защищены.
AO «АС Рус Медиа» · 2025
16+