Нейросети для бизнеса

Нейросети для бизнеса это применение обученных моделей к рабочим задачам компании: подготовке текстов, разбору документов, ответам на типовые обращения, черновой аналитике. Словом «нейросети» в деловом разговоре почти всегда называют генеративные модели, которые принимают запрос на обычном языке и отвечают текстом, картинкой или кодом. Подключают их как внешний сервис по договору, а не разрабатывают сами.

Порог входа тут ниже, чем у прежней волны автоматизации. Раньше задачу переводили в алгоритм и ждали разработчика. Теперь она ставится словами, и первый результат виден в тот же день. Обратная сторона там же: модель выдаёт вероятный текст, а не проверенный, и неверный ответ звучит так же спокойно, как верный.

Деньги решает не выбор модели. Решают три вещи: какую задачу отдали машине, во что обошёлся пилот и что из данных можно было отправлять наружу. Об этом статья. Устройство ассистента разобрано в отдельной статье, платформы и порог выгодности в автоматизации бизнес-процессов, применение в рекламе и контенте в ИИ в маркетинге.

Что не проходит через шлюз к модели и почему это решает норма, а не настройка сервиса

Чем отличается от соседних понятий

Термины здесь путают чаще, чем в любой другой теме, и путаница стоит денег: за каждым словом другая работа и другой ответственный.

От искусственного интеллекта. Искусственный интеллект это название области целиком. Нейросеть один из методов внутри неё, а большая языковая модель один класс нейросетей. Покупают обычно третье, а в презентации пишут первое.

От автоматизации. Автоматизация исполняет алгоритм: один вход даёт один и тот же выход, проверить его достаточно однажды. Нейросеть отвечает вероятностно, поэтому на том же входе ответ может отличаться. Отсюда разница в проверке: нужна выборка, а не один удачный пример.

От прогнозных моделей. Прогноз спроса, скоринг и антифрод считают на табличных данных, хотя это тоже ИИ. Ошибка там измеряется процентами, а не читается глазами.

От ИИ-ассистента. Ассистент это обвязка вокруг модели: интерфейс, доступ к документам, права сотрудников. Модель внутри сменная.

Как это устроено

Все нынешние модели выросли из архитектуры трансформера, описанной в статье «Attention Is All You Need» 12 июня 2017 года. Разбираться в устройстве стоит по одной причине: от способа подключения зависит, где окажутся данные и как будет выглядеть счёт.

Три способа подключить

• Готовый сервис. Модель уже внутри продукта: конструктора писем, расшифровки звонков, редактора карточек. Компания платит подписку и не выбирает, что уходит поставщику.
• Облачная модель по API. Инструкцию пишете вы, данные отправляются запросом, плата идёт за объём.
• Своя модель в своём контуре. Открытые веса, свой сервер с видеокартами, данные не покидают периметр. Дороже и требует инженеров, зато снимает часть правовых вопросов.

За что берут деньги

Счёт считают в токенах, а не в запросах. Токен это кусок текста в несколько символов, на который модель делит и запрос, и ответ. В документации Yandex AI Studio есть пример: 501 символ русского текста укладывается в 96 токенов, то есть около 5,2 символа на токен. Тарифицируется и отправленное, и полученное, а инструкция с приложенным регламентом оплачивается в каждом запросе заново.

Порядок цен на 11 сентября 2026 года: YandexGPT Pro 5.1 стоит 0,8 ₽ за 1000 токенов на входе и столько же на выходе, YandexGPT Lite 0,2 ₽, GigaChat Pro для юридических лиц 0,5 ₽ в синхронном режиме. Сбер называет и минимальный расход: 600 ₽ в месяц с НДС, при нулевом потреблении платы нет.

Почему один и тот же вопрос даёт разные ответы

Модель выбирает следующее слово по вероятности, и у выбора есть настраиваемый разброс. Повторный запрос даёт другой текст. Для черновика это безразлично, для расчёта губительно. Хуже другое: отсутствующий факт модель достраивает похожим по форме, и придуманная ссылка выглядит так же обыденно, как верная. Механика разобрана в статье ИИ-ассистент.

Что делать на практике

Из этой механики следует порядок работ, обратный привычному: сначала задача, потом инструмент.

Как выбрать первую задачу

• Задача повторяется десятки раз в неделю: разовую работу измерить нечем.
• Есть эталон: известный правильный ответ хотя бы на 30-50 примерах.
• Ошибка обратима и дешева. Черновик письма годится, расчёт налога нет.
• Результат проверяется быстрее, чем делается руками. Критерий забывают чаще прочих, а он решающий: если вычитка занимает столько же, сколько работа с нуля, экономии не будет никогда.
• Данные можно отправить наружу законно, об этом ниже.
• У задачи есть владелец: пилот без заказчика умирает на второй неделе.

Порядок пилота

1. Снять базовую линию: сколько времени задача занимает сейчас и сколько в ней ошибок.
2. Собрать эталонную выборку и держать её неизменной.
3. Прогнать её, посчитать долю ответов без правки, разобрать характер правок.
4. Дать пилоту несколько недель. Первая показывает эффект новизны, а не инструмента.

Сколько стоит попробовать

Прайсы моделей публичны, поэтому пилот считается самостоятельно. Смета собирается из пяти статей, и плата за модель в ней почти никогда не главная: цена токенов сверяется за минуту, а часы людей у каждого свои.

Пять статей сметы

1. Плата за модель или подписка. Единственная статья, которую видно сразу.
2. Часы людей. Кто пишет инструкцию, кто вычитывает ответы, кто объясняет коллегам новый порядок. Обычно самая крупная статья и почти всегда невидимая: зарплата уже выплачена, и в смету её не заносят.
3. Подготовка данных. Выгрузка, чистка, обезличивание, доступы.
4. Интеграция. Связь с CRM, телефонией, сайтом, складом. Пилот на ручном копировании обходится без неё, промышленная работа нет.
5. Проверка качества. Эталонная выборка и повторный прогон после смены модели. Статья постоянная: поставщик обновит модель, и работавшая инструкция даст другой результат.

Счёт на живом примере

Возьмём ответы на типовые обращения. В запрос уходит инструкция с выдержками из регламента, вместе около 4300 знаков, ответ занимает примерно 800 знаков. По курсу из документации это 824 токена на входе и 153 на выходе. Одно обращение на YandexGPT Pro 5.1 стоит 0,78 ₽, тысяча обращений 782 ₽. На GigaChat Pro та же тысяча обойдётся в 489 ₽.

Курс символов в токене взят из примера в документации и на другом тексте будет другим, поэтому важен порядок величины. Порядок такой: плата за модель сопоставима с несколькими часами работы сотрудника, а часы проверяющего и интегратора съедают заметно больше. Считать надо часы.

Когда свой контур дешевле облака

Аренда одной карты A100 стоит 542,88 ₽ в час по прайсу Yandex DataSphere, то есть около 391 тысячи рублей за месяц непрерывной работы. Облачный счёт доберётся до этой суммы примерно на пятистах тысячах обращений. Расчёт грубый: он учитывает одну цену аренды и молчит про инженеров и простой карты. Порядок он всё же показывает: у малого и среднего бизнеса объёмы обычно на два порядка меньше, и свой контур там оправдан требованиями к данным, а не ценой.

Как считать эффект и когда его можно считать

Экономия это высвобожденные часы, умноженные на полную стоимость часа, минус плата за модель и часы на проверку. Полная стоимость часа это оклад, налоги и накладные расходы, а не оклад, делённый на сто шестьдесят. Точка окупаемости это разовые затраты на внедрение, поделённые на экономию за месяц. Дальше три оговорки, без которых расчёт врёт в свою пользу.

Высвобожденный час становится деньгами только тогда, когда его чем-то заняли. Иначе сокращается не расход компании, а загрузка сотрудника.

Годовую выгоду нельзя получить умножением удачной недели на пятьдесят две. Первые недели проходят на простых случаях и при повышенном внимании людей. Годовой эффект считают, когда накопились месяцы данных, включая недели с завалом и отпусками.

Рост выручки требует контрольной группы. Часы измеряются напрямую, а выручка зависит от сезона, рекламы и цен. Приёмы сравнения в статье A/B-тестирование, связь с деньгами в сквозной аналитике и юнит-экономике.

Что нельзя отдавать в облачную модель

Вопрос не праздный. В пилотах системы контроля утечек ГК «Солар» конфиденциальную информацию содержали 38% обращений сотрудников к публичным ИИ-сервисам: разобрано 12 тысяч взаимодействий в 150 крупных компаниях за первую половину 2026 года.

Ниже названы нормы. Трактовка конкретного случая остаётся юристу.

Персональные данные

Отправка клиентской базы в чужую модель это передача персональных данных обработчику. Часть 3 статьи 6 Федерального закона № 152-ФЗ разрешает поручить обработку другому лицу с согласия субъекта персональных данных и требует определить в поручении перечень данных и действий, цели обработки, обязанность соблюдать конфиденциальность и требования безопасности по статье 19. Часть 5 расставляет ответственность: перед человеком отвечает оператор, то есть сама компания.

Отсюда выводы. Основание нужно до первого запроса, а не после инцидента. Обещание поставщика основанием обработки не является: Yandex AI Studio заявляет, что «данные не сохраняются и не используются в обучении, а логирование при желании отключается через API», но это условие сервиса, а не согласие субъекта. Если модель зарубежная, добавляется трансграничная передача, а часть 3 статьи 12 требует уведомить Роскомнадзор до её начала.

Самый дешёвый способ закрыть вопрос: не отправлять персональные данные вовсе. Номер заказа вместо фамилии и телефона. Текст обращения без карточки клиента. Задачу это обычно не ломает, а правовой слой снимает целиком.

Коммерческая тайна

Второй класс данных: себестоимость, цены для контрагентов, договоры, исходный код, планы. Федеральный закон № 98-ФЗ устроен неочевидно: коммерческая тайна это режим, а не сами сведения. Часть 2 статьи 10 признаёт режим установленным только после принятия мер из части 1, а мер там пять: перечень сведений, ограничение доступа, учёт допущенных лиц, условия в договорах, гриф с указанием обладателя.

Вывод неприятный, зато полезный. Сотрудник, скопировавший договор в публичный чат-бот, режима коммерческой тайны не нарушает, если режима нет. Ущерб при этом настоящий, а взыскивать его не с кого.

Чем грозит ошибка

Суммы для юридических лиц по статье 13.11 КоАП: обработка без письменного согласия 300-700 тысяч рублей (часть 2), неправомерная передача данных от тысячи до десяти тысяч субъектов 3-5 миллионов (часть 12), повторное такое нарушение от 1 до 3% годовой выручки, но не менее 20 и не более 500 миллионов (часть 15). Части 10-18 введены законом от 30.11.2024 № 420-ФЗ и действуют с 30 мая 2025 года. Есть и уголовная статья 272.1: по части 4 незаконная передача персональных данных, связанная с трансграничной передачей, наказывается лишением свободы до восьми лет.

Что говорит закон об искусственном интеллекте

С 1 сентября 2026 года действует Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации». Касается он только больших фундаментальных моделей: к ним отнесены программы с не менее чем одним миллиардом параметров. Статьи 8-10 вступают в силу с 1 марта 2027 года, а требование использовать исключительно суверенные и национальные модели не применяется к работающим системам обработки данных до 1 сентября 2032 года. Своего состава ответственности закон не вводит.

Чем измеряют

• Доля ответов, принятых без правки. Главная метрика пилота, считается на эталонной выборке.
• Характер правок. Косметика и правка фактов это разные диагнозы: первое лечится инструкцией, второе означает неверно выбранную задачу.
• Время на задачу целиком, от постановки до готового результата, а не время генерации.
• Доля отказов модели. Честный отказ дешевле уверенной выдумки.
• Доля передач человеку и доля повторных обращений. Вторая цифра показывает, закрыт ли вопрос на самом деле.

Метрики связаны: жёсткая инструкция поднимает точность и долю отказов разом, мягкая делает обратное. Отдельно считают цену закрытой задачи, то есть токены плюс минуты проверки.

Частые ошибки

• Начали с инструмента, а не с задачи: подписки куплены, мерить нечего.
• Пилот без базовой линии: через месяц спор «стало лучше» против «стало хуже» разрешать нечем.
• Задачу отдали целиком и не оставили проверку: первая же ошибка уходит клиенту.
• Сгенерированный текст опубликовали без правки. Яндекс относит к малополезному контенту тексты, созданные «с помощью нейросетей, машинного перевода или шаблонных методик»: такой текст «формально может быть оригинальным, но оставаться малополезным для читателя».
• Инструкцию держали в переписке. Сотрудник ушёл, и работавший запрос ушёл с ним.

Ограничения и спорные места

Замеры распространённости расходятся в разы, и дело не в чьей-то ошибке. По сплошному обследованию Росстата, опубликованному ИСИЭЗ ВШЭ 25 августа 2026 года, технологии ИИ применяли 5,2% крупных и средних организаций. В опросе Якова и Партнёров с Яндексом генеративный ИИ хотя бы в одной функции используют 71% компаний, но опрошены там технические директора 150 крупнейших компаний. Знаменатели разные, и складывать эти числа нельзя.

Выигрыш измерен на отдельном работнике, а не на компании. В опыте со случайным распределением участников (Science, 2023, 453 человека) время на письменные задачи упало на 40%, качество выросло на 18%. В опыте на 758 консультантах BCG внутри посильных модели задач результат вырос на 12,2%, а на задаче за пределами её компетенции правильность упала на 19 процентных пунктов. Тот же опрос 150 российских компаний даёт полученный эффект 3,3% EBITDA против ожидаемых 10,5%, а 22% компаний не получили финансового эффекта вовсе.

Ходовое «95% пилотов провалились» опоры под собой почти не имеет. Число идёт из предварительного отчёта Project NANDA при MIT Media Lab, не прошедшего рецензирование: основанием там служат интервью с 52 организациями и ответы 153 руководителей с конференций, а сам отчёт оговаривает, что его цифры верны по направлению, а не по величине. Из замеров с названной выборкой ближе всего опрос Gartner на 1303 респондентах: ИИ на несколько подразделений масштабировали 22% организаций.

Правовая часть описана без толкования. Считать ли конкретный набор данных персональным, достаточно ли обезличивания, что писать в поручении обработчику: вопросы к юристу. Отдельного разъяснения Роскомнадзора или Минцифры про облачные генеративные модели на 11 сентября 2026 года в открытом доступе нет, поэтому применяются общие нормы.

Права на результат спорны. Пункт 1 статьи 1228 Гражданского кодекса называет автором гражданина, творческим трудом которого создан результат. Пункт 5 статьи 1259 исключает из охраны идеи, методы и решения задач, значит и текст запроса к модели сам по себе не охраняется. Судебной практики об авторстве сгенерированного результата в России мало, а известные решения про дипфейки к вопросу не относятся: там суд рассматривал обработку человеческого произведения.

Что здесь быстро устаревает

• Прайсы моделей и состав тарифов. Адреса тоже: тарификация моделей Яндекса переехала с yandex.cloud на aistudio.yandex.ru.
• Названия и поколения моделей: меняются и цена, и качество.
• Отложенные нормы закона № 243-ФЗ: статьи 8-10 заработают 1 марта 2027 года.
• Суммы штрафов по статье 13.11 КоАП и требования Роскомнадзора к уведомлениям.
• Набор готовых функций с моделями внутри CRM и конструкторов сайтов: он пополняется без объявлений.

См. также

• GEO и AEO
• Маркетинг малого бизнеса
• Маркетинговый бюджет
• Веб-аналитика
• ИИ-блогеры и виртуальные инфлюенсеры

Источники

1. Статья 6 Федерального закона от 27.07.2006 № 152-ФЗ «О персональных данных», части 3 и 5. КонсультантПлюс, 11.09.2026.
2. Статья 12 Федерального закона № 152-ФЗ, часть 3, трансграничная передача. КонсультантПлюс, 11.09.2026.
3. Статья 13.11 КоАП РФ, части 2, 12 и 15. КонсультантПлюс, 11.09.2026.
4. Статья 272.1 Уголовного кодекса РФ. КонсультантПлюс, 11.09.2026.
5. Статья 10 Федерального закона от 29.07.2004 № 98-ФЗ «О коммерческой тайне». КонсультантПлюс, 11.09.2026.
6. Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации», статья 3, и статья 13 о вступлении в силу. КонсультантПлюс, 11.09.2026.
7. Статья 1228 Гражданского кодекса РФ, пункт 1. КонсультантПлюс, 11.09.2026.
8. Статья 1259 Гражданского кодекса РФ, пункт 5. КонсультантПлюс, 11.09.2026.
9. Правила тарификации Yandex AI Studio. Yandex Cloud, 11.09.2026.
10. Токены. Yandex Cloud, 11.09.2026.
11. Yandex AI Studio, раздел о безопасности данных. Yandex Cloud, 11.09.2026.
12. Тарифы GigaChat API для юридических лиц. Сбер, 11.09.2026.
13. Правила тарификации Yandex DataSphere. Yandex Cloud, 11.09.2026.
14. Малополезный контент. Яндекс Вебмастер, 11.09.2026.
15. Использование цифровых технологий организациями в 2025 году. ИСИЭЗ НИУ ВШЭ, сплошное обследование Росстата, 25.08.2026.
16. Искусственный интеллект в России: тренды и перспективы. Яков и Партнёры, Яндекс, опрос директоров 150 крупнейших компаний, декабрь 2025.
17. Почти 40% обращений сотрудников к ИИ-сервисам содержали конфиденциальные данные. ГК «Солар», 10.08.2026.
18. Noy S., Zhang W. Experimental evidence on the productive effects of generative artificial intelligence. Science, 381(6654), 14.07.2023.
19. Dell'Acqua F. и др. Navigating the Jagged Technological Frontier. Organization Science, 37(2), март 2026.
20. The GenAI Divide: State of AI in Business 2025. MIT Media Lab, Project NANDA, июль 2025, предварительные результаты; оригинал снят с публикации, копия на зеркале.
21. Gartner Survey Finds Only 22% of Organizations Have Successfully Scaled AI. Gartner, 1303 респондента, сентябрь 2026.
22. Vaswani A. и др. Attention Is All You Need. arXiv, 12.06.2017.

Смотрите также

• Искусственный интеллект