В «Акрихине» назвали условия эффективного внедрения искусственного интеллекта в фармбизнесе
«Если мы не можем ответить на вопрос, зачем внедряем ИИ, лучше даже не начинать: компания просто будет сжигать деньги», — отметил он.
Основными направлениями применения технологии Сергей Исаев назвал автоматизацию рутинных операций, ускорение обработки больших массивов информации и выявление новых возможностей для бизнеса. Например, ИИ-агенты могут отслеживать изменение цен, выявлять аномалии, анализировать информацию о контрагентах или готовить управленческую отчетность. В отличие от обычных чат-ботов такие системы способны не только отвечать на запросы, но и самостоятельно обращаться к корпоративным сервисам и выполнять отдельные действия.
Экономика эксперимента
По мнению Сергея Исаева, бизнесу не стоит пытаться заранее построить универсальную ИИ-систему под всевозможные задачи. Более эффективной может оказаться модель test&learn: компания последовательно формирует гипотезы, проверяет их, оценивает результат и масштабирует решения, подтвердившие свою ценность.
Такой подход предполагает постепенное увеличение расходов по мере роста потребления технологии. Стоимость каждого решения должна соотноситься с ожидаемым эффектом. Сократить затраты на ИИ-проекты также позволяют использование открытого программного обеспечения (open source) и гибкое управление вычислительными мощностями.
Так, в «Акрихине» переход от долгосрочной аренды специализированного сервера к краткосрочному использованию позволил вдвое снизить расходы на его аренду. Компания стремится избегать крупных первоначальных вложений в технологии, экономическая целесообразность которых пока не подтверждена.
При этом компания активно применяет машинное обучение для прогнозирования спроса на продукцию на горизонте до двух лет в рамках планирования продаж и операций (S&OP), оптимизации страховых товарных запасов и прогнозирования продаж по отдельным каналам.
В аптечном сегменте рекомендательные модели помогают компании подбирать промопредложения, рассчитывать их параметры и определять оптимальную частоту визитов фармацевтических представителей. Система компьютерного зрения позволяет распознавать продукцию «Акрихина» и конкурентов на фотографиях из аптек.
Среди других решений — ИИ-агенты для подготовки презентаций и аналитических отчетов, поиска информации в корпоративных базах знаний, мониторинга цен в электронной коммерции и выявления аномалий в данных.
Данные требуют подготовки
Одним из главных ограничений для масштабирования ИИ становится готовность корпоративных данных. Для работы технологии необходимо обеспечить безопасный доступ к актуальной информации из разных систем компании, определить структуру хранения и правила доступа. Особенно важно это для ИИ-агентов, которые самостоятельно находят и используют информацию при выполнении задач.
По оценке Сергея Исаева, значительная часть накопленных компаниями данных остается невостребованной. Информация часто хранится в разрозненных системах, не имеет единой структуры или удобных инструментов поиска. В результате бизнес не может полноценно использовать собственные знания при принятии решений.
Развитие ИИ потребует перехода к более гибкой архитектуре хранения и обработки информации — в том числе к современным платформам, объединяющим возможности хранилищ и озер данных, а также к векторным и колоночным базам данных. Такие решения позволяют работать с разными типами информации и обеспечивать ее более оперативное обновление.
Отдельное значение приобретает информационная безопасность. Использование внешних нейросетевых сервисов создает риски передачи конфиденциальной информации и персональных данных, а недостаточно защищенные ИИ-агенты могут открывать доступ к корпоративным системам. Поэтому внедрение технологии должно сопровождаться развитием механизмов защиты и контроля.
Инициатива снизу
Меняется и распределение ролей внутри компаний. ИИ становится в большей степени бизнес-инструментом, чем традиционным ИТ-проектом, считает Сергей Исаев. Профильные подразделения лучше понимают свои задачи и ожидаемый результат, тогда как технологические команды обеспечивают инфраструктуру, интеграцию решений и безопасность.
«Чем больше людей будут предлагать новые идеи и брать на себя инициативу за их реализацию, тем больше у компании шансов на успех», — уверен эксперт.
При этом участие профильных специалистов остается обязательным: без соответствующей экспертизы сложно правильно поставить задачу и оценить качество работы ИИ. Внедрение технологии требует от сотрудников новых компетенций, гибкости и готовности пересматривать привычные подходы.
В «Акрихине» ИИ-проекты развиваются в коммерческом подразделении, финансах, HR, юридической службе, аналитике и ИТ. Сейчас в компании работают несколько десятков ИИ-агентов, созданных для различных бизнес-задач.
Для сотрудников также запущена собственная корпоративная ИИ-платформа с доступом к большим языковым моделям DeepSeek, Qwen и Alice AI, а также специализированным агентам. Внутренняя инфраструктура позволяет развивать инициативы сотрудников, одновременно снижая риски передачи корпоративной информации и персональных данных во внешние сервисы.
Дальнейшее развитие ИИ в «Акрихине» Сергей Исаев связывает с инвестициями в современную инфраструктуру данных и расширением применения ИИ-агентов. При этом ключевым критерием масштабирования проектов останется их экономическая эффективность. По его мнению, конкурентным преимуществом становится не сам факт использования искусственного интеллекта, а способность найти для него практическое применение и получить измеримый результат.
