Новая реальность: от гаджета к ДНК компании

Ещё год назад главным вопросом бизнеса было «стоит ли внедрять нейросети?». Сегодня он снят. На смену пришли более сложные вызовы: как сделать использование ИИ устойчивым, безопасным и органично вписанным в ежедневные процессы?

Ответы на эти вопросы в последние дни представили сразу несколько лидеров рынка. И хотя каждая из компаний двигалась своим путём, финальные сообщения демонстрируют удивительное единство в главном — искусственный интеллект становится частью корпоративной ДНК.

Окружающий мир сильно меняется, и юристы вместе с ним. Чтобы идти в ногу со временем юристы активно наращивают компетенции в области IT. Поэтому у нас в банке примерно год назад была принята концепция, согласно которой искусственный интеллект становится частью нашей ДНК, частью нашей корпоративной культуры, — рассказал на XXII ежегодном Юридическом форуме, организованном «Ведомостями», Фёдор Коватёв, исполнительный директор по ГЧП и структурированному финансированию Совкомбанка.

Эта фраза оказалась симптоматичной. Примерно ту же идею, но в другом контексте, транслировали и Сбер, и Альфа-Банк, и исследовательское подразделение Т-Технологий.

Совкомбанк: как приручить ИИ в консервативной среде

Юристы традиционно считаются одной из самых консервативных профессиональных групп. Именно с них Совкомбанк начал свою трансформацию, и этот опыт показателен для любого бизнеса, где сотрудники скептически относятся к новым технологиям.

Ключевым условием внедрения стала безопасность. Языковая модель развёрнута на внутренних серверах и работает в закрытом периметре — критически важное требование для работы с персональными данными и банковской тайной.

Но главное — управленческая методология. Банк начал не с массового принуждения, а с появления внутренних амбассадоров — лидеров, которые продвигали новые инструменты в коллективе. Затем последовало разделение на функциональные группы, регулярные семинары и обмен опытом.

Юристы — как правило, консервативные люди, резкие изменения могут вызывать отторжение. Поэтому мы начали интегрировать использование ИИ постепенно, — отметил спикер.

Для поддержания вовлечённости используются внутренние квази-соревновательные механики, а также постоянные тренинги по эффективному взаимодействию с языковой моделью.

Эффективность использования ИИ измеряется в «ИИ-часах» — это позволяет объективно оценить положительный экономический эффект от врнедрения ИИ.

Всё это направлено на то, чтобы приводить не просто к программе, которая помогает, а в часть нашей ДНК и культуры, которая позволяет юристам делать свою работу ещё эффективнее, — резюмировал Фёдор Коватёв.

Оценивая динамику за год, спикер отметил, что доверие сотрудников к искусственному интеллекту значительно выросло — как за счёт улучшения качества ответов самой модели, так и благодаря выстроенным внутри банка процессам.

Сбер: технологический прорыв и открытый код

Если Совкомбанк сосредоточился на управленческой стороне внедрения, то Сбер сделал ставку на технологический рывок, представив рынку масштабное обновление ИИ-помощника ГигаЧат, в основу которого легла новая флагманская модель ГигаЧат Ультра (GigaChat Ultra).

Новшества впечатляют масштабом.

• Во-первых, это долгосрочная память. Теперь ИИ-помощник запоминает факты о пользователе между сессиями — увлечения, вкусы и интересы, профессию, образование, жизненные цели и привычки, личные данные — в той мере, в которой пользователь сам ими делится, информацию о близких людях и питомцах. Пользователь при этом полностью контролирует функцию: память можно включить или отключить в настройках профиля в любой момент.
• Во-вторых, скорость генерации текстовых ответов выросла в два раза по сравнению с предыдущей флагманской моделью Сбера благодаря архитектуре Mixture of Experts (MoE), где на каждый запрос откликаются только узкоспециализированные «эксперты», а не вся модель целиком.
• В-третьих, модель научилась самостоятельно искать информацию в интернете — пользователю не обязательно включать соответствующий режим, — работать с кодом через встроенный кодовый интерпретатор, который позволяет выполнять сложные численные вычисления, валидировать структуры данных и генерировать графики и диаграммы прямо в чате. Кроме того, в ГигаЧат реализован механизм самопознания — способность модели корректно отвечать на вопросы о самой себе, обращаясь к актуальной документации.

Антон Фролов, старший вице-президент, руководитель блока «Развитие генеративного ИИ» Сбербанка, так охарактеризовал изменения:

Мы делаем шаг от инструмента для ответов на вопросы к мультиагентному ИИ-помощнику ГигаЧат. Но наша цель шире: мы создаём будущее, в котором классические мобильные приложения уступят место интерфейсу на базе нейросети. Нужные функции сервисов будут появляться по запросу, делая навигацию по цифровому миру бесшовной. GigaChat Ultra — одна из самых больших моделей в мире, полностью разработанная и обученная в России. Флагманская версия модели теперь помнит ваши предпочтения, работает быстрее, глубже понимает задачи и даёт более качественные рекомендации. Мы стираем последние барьеры в общении с машиной.

Важнейшее решение Сбера — публикация кода и весов своей флагманской модели GigaChat Ultra в открытый доступ. По оценкам экспертов компании, она уже сейчас превосходит DeepSeek V3.1, Qwen3-235B и своего предшественника GigaChat 2 Max в русскоязычных задачах, математике и общих рассуждениях. Благодаря публикации репозитория любая организация — от крупного банка до небольшого стартапа — получит возможность инсталлировать нейросеть в своём закрытом контуре и адаптировать её под корпоративные данные, что знаменует собой движение к подлинному технологическому суверенитету.

Альфа-Банк: новая профессия — вайбкодер

Альфа-Банк пошёл дальше всех в переопределении ролей. Банк первым на российском рынке начал переход к Enterprise Vibe Coding — новому стилю разработки, при котором основную часть кода за человека пишет искусственный интеллект.

Новый подход уже интегрирован в работу ИТ-команд банка: теперь инженеры описывают задачу на естественном языке, ведут диалог с нейросетью, постепенно усложняя требования, а ИИ генерирует код. Это позволяет кратно повысить скорость выпуска обновлений, фокусируясь на качестве и безопасности продуктов.

В основе изменений — AlfaGen, собственная ИИ-платформа банка. На ней открыта витрина инструментов для вайбкодинга, где собраны как внутренние, так и внешние плагины. Любой сотрудник может подключить их и сразу начать работать по-новому, получив поддержку в профессиональном сообществе.

Сам факт, что генеративный ИИ умеет писать код, уже не новость. Главная задача — превратить это из удобного инструмента для прототипирования в полноценную модель разработки внутри крупной компании, встроить новый способ работы в производственный цикл с его требованиями к архитектуре, безопасности и качеству. Сейчас мы системно масштабируем этот подход, потому что недостаточно дать доступ к ИИ — нужно учить формулировать промпты и переключаться между ролями в диалоге с машиной. Результат уже виден: ИИ в корпоративной среде позволяет заметно ускорять инженерный цикл, снимать нагрузку и высвобождать время для архитектурных и продуктовых решений, — отметил Святослав Соловьев, директор по ИИ в ИТ Альфа-Банка.

Но самое показательное — изменения в HR-процессах. Альфа-Банк уже нанимает специалистов нового поколения — вайбкодеров, умеющих работать в связке с нейросетями. Весной 2026 года в банке стартует масштабное обучение по вайбкодингу, а также пройдут профильные митапы и хакатоны для погружения сотрудников в новую культуру разработки. Уже сейчас при отборе ИТ-специалистов, например Java-разработчиков, банк проверяет их навыки работы с ИИ: кандидаты проходят специальные секции на собеседованиях, где решают задачи с помощью плагинов и нейросетей.

Т-Технологии: как оценить качество работы ИИ

У любой технологической революции есть обратная сторона: чем больше кода пишут нейросети, тем острее встаёт вопрос о качестве этого кода. Именно эту проблему решили исследователи R&D-центра Т-Технологий, представив два метода — TAM-Eval и RM-RF, которые дополняют друг друга и позволяют быстро оценить качество автоматически созданных тестов, не запуская их на реальном коде и не проходя долгий процесс сборки. Это позволяет сократить время тестирования и снизить нагрузку на инфраструктуру.

TAM-Eval — это воспроизводимая система оценки того, как большие языковые модели справляются с задачами сопровождения тестов в репозиториях: создают новые тесты, исправляют сломанные и обновляют существующие при изменении кода. RM-RF — модель предварительной экспертизы, которая до сборки и запуска проекта предсказывает, выполнится ли сгенерированный большой языковой моделью тест и улучшит ли он качество проверки кода.

Станислав Моисеев, руководитель Центра исследований и разработок Т-Технологий, так объяснил значение этих разработок:

Эти методы делают работу больших языковых моделей с тестами более предсказуемой и эффективной для реальных процессов разработки. TAM-Eval задает стандарт сравнения моделей и агентов в сопровождении тестов по измеримым метрикам, а RM-RF позволяет отсеивать слабые тесты и ранжировать сильные без дорогостоящего запуска пайплайна на каждом шаге.

Простой пример — медицинская диагностика человека. Полноценное обследование для каждого надежно, но дорого и долго, поэтому сначала делают быстрый чекап организма, чтобы обнаружить конкретные проблемы со здоровьем. По этой логике RM-RF — это предварительный скрининг качества тестов до запуска, а TAM-Eval — полноценная оценка по инженерным метрикам.

Разработки уже получили признание профильного сообщества: RM-RF принята в основной научный трек конференции SANER 2026, высокорейтинговой площадки в области анализа и эволюции программного обеспечения, а TAM-Eval — на профильный воркшоп VST 2026, проходящий совместно с SANER.

Что объединяет эти новости

За внешним разнообразием кейсов прослеживается чёткая закономерность. Российский бизнес вступает в новую фазу цифровизации, которую можно назвать «фазой культурной интеграции ИИ».

Первый этап — эксперименты и точечные внедрения — остался позади. Теперь компании решают три главные задачи:

1. Безопасность и суверенитет. Все представленные игроки либо уже развернули модели в закрытом контуре (Совкомбанк, Альфа-Банк), либо предоставили такую возможность рынку (Сбер с открытым GigaChat Ultra).

2. Управление изменениями. Совкомбанк показал, как преодолеть сопротивление консервативных сотрудников через амбассадоров, обучение и постепенность. Альфа-Банк пересматривает систему найма, формируя новое поколение ИТ-специалистов.

3. Новые метрики эффективности.  «ИИ-часы» в Совкомбанке, долгосрочная память и скорость генерации в GigaChat, оценка качества тестов без запуска кода в Т-Технологиях — везде появляются новые способы измерить то, что раньше измерению не поддавалось.

Взгляд в будущее

Синхронность шагов крупнейших игроков говорит о том, что рынок достиг точки зрелости. Искусственный интеллект перестаёт быть предметом хайпа или пилотных проектов. Он становится базовой инфраструктурой, такой же неотъемлемой, как электричество или интернет.

При этом вектор развития очевиден: от инструментальных решений — к системным, от разрозненных внедрений — к культурной трансформации, от помощи разработчикам — к изменению самих профессиональных ролей.

Этот подход, судя по всему, в ближайшие годы станет стандартом для всего российского корпоративного сектора.

Ранее мы разбирались, почему российские банки отстают в цифровом развитии.