Еще недавно применение машинного обучения для бизнеса было выбором крупного бизнеса, который мог вложить в перспективу значительный бюджет, однако с развитием рынка ситуация кардинально изменилась. С помощью готовых API, open-source моделей и облачных сервисов порог входа снизился. В этой статье разберемся, что изменилось на рынке и где машинное обучение в российских реалиях уже приносит прибыль.
Что влияло на стоимость проектов по машинному обучению
Из-за отсутствия облачных GPU-сервисов компаниям приходилось вкладывать в проекты суммы, которые могли предоставить только самые крупные из них. Также не всегда удавалось найти специалистов, которых было очень мало на зарождающемся в России рынке. Готовых решений еще не существовало, а для кастомной разработки требовались миллионы размеченных примеров, что в итоге делало доступными технологии машинного обучения только для крупных корпораций.
Реалии рынка в 2026 году
К 2026 году в ходе естественного технологического развития рынок ИИ и BigData в РФ вырос до 520 млрд руб., а число специалистов по нейросетям достигло 57 тыс. человек. Были созданы облачные платформы, такие как Yandex Cloud или SberCloud. На рынке появились AutoML-инструменты, дающие возможность заниматься разработкой систем машинного обучения без написания кода, а также стали бесплатными open-source модели вроде BERT и LLaMA.
«Наносемантика» не осталась в стороне от развивающейся отрасли услуг машинного обучения. Мы разработали фреймворк PuzzleLib с открытым исходным кодом. Он позволяет проводить глубокое обучение модели и поддерживает большинство актуальных вычислительных систем.
Применение ML в среднем бизнесе
Ритейл: ML модели для бизнеса прогнозируют спрос и управляют остатками Финансы: ML решения для компаний производят скоринг клиентов и оценивают кредитные риски E-commerce: модели отвечают за систему рекомендаций и динамическое ценообразование Производство: частым применением ML в бизнесе является поиск брака на производствах и отклонений в работе оборудования. Химия и фарма: ярким примером является платформа Синтелли, которую разрабатывает одноименная компания, входящая в ГК «Наносемантика». Эта система содержит информацию о 8.2 миллиардах свойствах веществ, 160 млн молекул, 7 миллионах реакций, т.д.
Рынок ML в России сегодня
Несмотря на контроль большей части рынка машинного обучения в России гигантами индустрии, такими как Яндекс, Сбер или VK, в настоящее время растет число нишевых компаний с экспертизой в отрасли нейронных сетей для бизнеса.
По оценке TAdviser, в России сохраняется нехватка специалистов машинного обучения с опытом внедрения в реальный бизнес. Именно поэтому «Наносемантика» реализует обширную программу сотрудничества с ИТ-вузами. На базе МФТИ работает лаборатория нейросетевых технологий, а с МИРЭА и ВШЭ ведется совместная подготовка квалифицированных специалистов.
Внедрение в бизнес: с чего начать
Внедрение ИИ в процессы компании следует начать с постановки задачи с измеримым результатом, как, например, сокращение времени на выполнение конкретной задачи с 2 часов до 10 минут. Далее необходимо оценить объем данных для обучения. Он должен превышать 500 размеченных примеров.
Когда ML не нужен бизнесу
Машинное обучение является нерациональным вложением, когда задача достаточно проста и ее можно решить регламентом или с помощью Excel. Также не имеет смысла прибегать к технологии, если бизнес-процессы часто меняются, ведь тогда модель будет устаревать быстрее, чем окупаться. Кроме этого, машинное обучение является избыточным для малого бизнеса, который вполне может закрывать свои задачи другими инструментами.
Заключение
В последние годы в ML-индустрии значительно снизился порог входа, что позволило среднему бизнесу использовать данный инструмент для своих задач. Больше о практике внедрения нейронных сетей в российские компании вы можете прочесть в блоге «Наносемантики».
