X5 встал на путь ИИ-агентизации. Михаил Неверов, директор по развитию ИИ — о перспективных практиках, внедряемых в компании

Михаил Неверов: Для начала нужно определиться с терминологией — что мы считаем искусственным интеллектом. Сейчас термины преимущественно соединились в одно, а когда всё только начиналось, то было неформальное разделение. Во-первых, машинное обучение. Классическое машинное обучение – это, в первую очередь, модели, работающие с хорошо структурированными данными. Но в Х5 оно уже давно включает в себя и компьютерное зрение, и рекомендации, и более сложные модели прогнозирования. Технологии этого направления у нас уже активно задействованы — в ценообразовании, в прогнозировании спроса, в логистике, в том, что касается ассортимента и других ключевых процессов розничной торговли.

Во-вторых, если говорить про то, что связано с генеративным ИИ — с тем, где применяются большие языковые модели (Large Language Models, LLM) — здесь стоит отметить вещи, связанные с текстом, с визуализацией. Например, мы внедрили генеративный ИИ практически во все ключевые процессы маркетинга как вспомогательный инструмент – для генерации, анализа и ускорения работы, пока под контролем человека. Также генеративный ИИ достаточно глубоко внедрили в поддержку пользователей по работе с обращениями, в колл-центр. И в целом в истории с текстами и саммаризацией информации, в работе с неструктурированными данными, там ИИ даёт хорошие результаты. К примеру, юристы с помощью ИИ могут поискать какие-то обновления законодательства, сравнить с текущим договором, подсветить моменты, которые перестали законодательству соответствовать. Или если есть новый договор, они могут с помощью ИИ посмотреть, не ухудшает ли он условия относительно предыдущего договора.

Михаил Неверов: Есть open source модели, которые в основном китайские, и, наверное, это то, что сейчас преимущественно используют на российском рынке, потому что ChatGPT, Anthropic и прочие для нас сейчас закрыты. По результатам скоринга мы выбираем, какая модель больше всего подходит для решения той или иной задачи.

Михаил Неверов: Она исчисляется сотнями человек.

Михаил Неверов: Базовые возможности больших языковых моделей постепенно становятся commodity, а ключевая ценность смещается в сторону интеграции, контроля, безопасности и встраивания ИИ в реальные бизнес-процессы. Компании, которые производят модели, в том числе OpenAI, разработавшие ChatGPT, уже сами переходят в область консалтинга и к помощи с внедрением этого.

Создание платформы для ИИ-агентов и применение классических моделей предполагает, что в компании есть большое количество собственных разработок с применением open source. Это позволяет внедрять такие решения в реальные бизнес-процессы компании. Beeline Cloud рассказал как защитить бизнес от актуальных киберугроз

Если открыть саму по себе проприетарную большую языковую модель вроде DeepSeek, то там внизу есть примечание, что ИИ может ошибаться, рекомендация использовать его только для референсов и т. д. Для того чтобы на основе ИИ менеджеры действительно могли принимать решения, требуется довольно много доработок в самой модели и в окружении, которое контролирует, как модель работает, и всё это находится внутри.

Михаил Неверов: Думаю, что в 2025 году мы нащупали основные направления, по которыми будем работать дальше. Есть два больших стрима. Первый — агентизация. Мы научились делать и контролировать ИИ-агентов. У нас огромное количество сценариев их использования, люди собирают их сами, поскольку в наличии есть специальный конструктор. Сейчас эту историю мы будет продуктивизировать, и фактически это должно стать помощником, который помогает работать с документами, убирать рутину от пользователя. Автоматизация рутины во многих подразделениях — офисных и не только — это то, где, на мой взгляд, находится больше всего бизнес-пользы.

Мы проверили это, в том числе, за счёт CoPilot, также являющегося внутренней разработкой. Он позволяет всем офисным пользователям, имеющим доступ к мини-сценариям на основе ИИ и напрямую к сетям, сократить рутину.

И по мере того как становится всё больше решений на основе ИИ, рекомендательных систем, которые уже не являются чем-то необычным, мы рассчитываем органично внедрить ИИ во всё большее количество рутинных операций. Это уже станет следующим этапом. Второе направление — это маркетинг. Здесь мы теперь можем достичь большего, чем было раньше, поскольку развитие языковых моделей шагнуло заметно вперёд, особенно в области генерации изображений. Теперь можно строить какие-то пайплайны.

Михаил Неверов: Думаю, корректнее говорить о том, что ИИ может позволить выполнять больше тем же количеством сотрудников. У нас, например, довольно большой пласт ИИ применяется в разработке, и это приносит пользу — ИИ экономит время инженера. В итоге, если говорить упрощённо, один инженер работает как полтора инженера. За счёт него можно получить работу уровня мидла. Автономно, без присмотра высокоуровневого инженера, ИИ пока не может написать систему.

Такие сценарии возможны. А полностью исключить из процессов человека за счёт ИИ возможно, когда речь идёт про полностью повторяющиеся, предсказуемые действия — про рутинные операции. Но мало в каких отраслях такое есть массово. И пока что ИИ плохо обрабатывает ситуации, в которых что-то пошло не по сценарию. Если модели будут развиваться и дальше, и случится очередной технологический «прыжок», то его применение расширится.

Михаил Неверов: Не скажу, что этот фактор оказывает существенное влияние на нас или на российский рынок в целом. Чтобы разработать решение уровня OpenAI или Anthropic, требуются огромные инвестиции в разработку и огромные объёмы вычислительных мощностей. В мире есть два основных центра разработки таких технологий: США — в основном проприетарные продукты, и Китай — здесь преимущественно open source. Причём, и по количеству патентов в области ИИ очень сильные позиции. Так что доступ к технологиям у нас присутствует. Например, в нашей компании широко применяется нейросеть Qwen.

И то, что мы обсуждали в начале диалога — ИИ становится commodity, и стоит задача превратить его во что-то полезное. Просто «говорилка» уже перестала кого-то удивлять, необходимо, чтобы это было предсказуемо, контролируемо и с пользой. К этому и наша компания идёт, и на уровне страны есть движение, поскольку, всё-таки, у нас сильная инженерная школа.

Михаил Неверов: Ритейл является не самым высокомаржинальным бизнесом — здесь хорошим считается показатель в 4-5%. Поэтому мы вынуждены тщательно считать, когда мы вкладываемся в технологии. Применение ИИ — это многослойная история, которая начинается с того, что модели надо где-то хранить, надо их обучать. В 2025 году мы в Х5 довольно много усилий приложили к тому, чтобы продуктивизировать решения на основе ИИ. В итоге мы научились строить ИИ-агентов и применять их в бизнесе, и делать так, чтобы это зарабатывало деньги.

Например, у нас есть внутренний инструмент, который представляет собой конструктор ИИ-агентов с заложенной в него системой проверок, классификаторами и т. д. Этот инструмент позволяет каждому сотруднику собрать для себя что-то персональное. Это весьма полезно, потому что сложно решить за компанию, в которой работают свыше 400 тыс. человек, каким образом лучше применять ИИ.

Кейсов здесь у нас уже много, начиная с того, что ребята в ремонтной зоне логистики самостоятельно собрали агента, куда сложили все данные о ремонте грузовика. Теперь они в цеху с телефона могут смотреть, что и как ремонтировать. Есть также юристы, про которых я уже упоминал.

Другой блок — компьютерное зрение. В этом году мы запустили полноценный инструмент, полностью посвящённый прикладным решениям на основе CV (Computer Vision). Модели, которые умеют видеть, очень сильно сокращают путь от гипотезы до проверки и реализации идеи. К примеру, на фабриках-кухнях мы хорошо определяем, моет ли руки персонал должным образом, или количество товаров в целях проведения инвентаризации, и заканчивая специфичными кейсами. Речь, например, о сравнении, сколько ящиков с напитком выехало в распределительный центр и сколько ящиков по факту туда приехало: это позволяет сокращать время и повышать точность приёмки товара. И во всех описанных случаях можно говорить об экономическом эффекте.