将人工智能模型以原始形式、仅为敷衍了事地引入生产和商业实践，并不能神奇地解决效率提升问题。因为在绝大多数情况下，已引入的AI功能需要针对具体任务进行二次开发。俄罗斯企业开始意识到这一点。然而，高等经济学院的一项新研究显示，并非所有企业都能自主开发和改进AI技术——主要只有那些比中小企业拥有更雄厚财务实力的大公司才能做到。
俄罗斯企业正处于数字化转型的十字路口。一方面，许多大中型公司已开始设立专门的人工智能能力中心，这些中心向企业管理层承诺，借助新技术他们能够解决任何问题——只需将某个生成式模型嫁接到业务流程中，便可坐享其成。
而在实践中，这种为追逐潮流或敷衍了事而盲目引入的数字创新，往往导致物质和人力资源的消耗，而真正提高效率的前景甚至比以往更加渺茫。
另一方面，许多俄罗斯公司现在开始认识到，借用IT专家们戏谑的说法，生成式人工智能绝非“银弹”：它不是能解决所有问题的万能灵药。引入的AI模型需要针对具体业务任务进行调整，并与其他技术相结合。
这一十字路口的抉择，成为了在莫斯科举行的俄罗斯软件开发商联盟会议上的讨论主题。与会代表们探讨了这一困境。
Content AI公司总干事顾问奥列格·萨任介绍称，原始AI模型本身无法管理流程：“它需要执行各种操作的模块的组合。”这意味着，能够高效结合生成式模型与经典算法的平台将日益受到市场青睐。IT专家认为，在当前从人才到资金等多重资源受限的背景下，引入此类综合解决方案对企业的经济效益最大、助益最多。
萨任解释说：AI是一个创新的、具有潜在效力的“引擎”，但打个比方说，它既没有轮子，也没有方向盘和座椅，它不是最终产品，不是汽车。
例如，以处理文档的任务为例，借助生成式AI模型，可以识别文档本身、从中提取必要信息并对其进行分类，然而，要使整个过程真正高效运行，仅有这种识别是不够的。具体来说，可以增加自动控制扫描仪或打开邮件归档的功能。
然而，高等经济学院统计研究与知识经济研究所进行的一项新研究（研究对象为大型和中型企业数据，小型企业未纳入分析范围）表明，对已引入的AI解决方案进行此类二次开发，不仅是一种需要在理念上跟上的战略，而且从字面意义上讲，也并非所有企业都能负担得起的奢侈之举。
高等经济学院统计研究与知识经济研究所3月18日（周三）报告称，目前约5%的俄罗斯组织在其业务中应用了AI解决方案。
但这一指标因企业规模而异。统计分析显示，公司规模越大，其已在应用人工智能的可能性越高。
不同员工规模组织对特定类型人工智能技术
的使用情况。占已实际应用AI解决方案的相应规模组织数量的百分比。
来源：高等经济学院
例如，在员工人数500人以上的大型企业板块中，使用AI的公司比例已接近15%。而在员工人数不超过100人的公司中，仅4%应用了AI，即大约低了四倍。
总体样本中，企业最需要的是AI处理视觉数据（包括计算机视觉）的功能。但企业的具体偏好也会因其规模而异。
例如，若对不同员工规模的公司的比较显示，大型组织（500人以上）在AI音频处理（包括语音识别与合成）的应用方面领先于其他企业，采用此类技术的公司占47%；在AI文本处理应用方面也领先，用户比例达53%。
而员工不超过100人的公司，在AI视觉处理的实际应用方面则成为当之无愧的领先者——此类别中用户比例达到了71%。
若论及技术融入具体业务流程的情况，总体样本中，人工智能在市场营销和销售领域需求最高，而在物流和运输规划领域需求最低。
但规模因素再次改变了偏好。员工规模相对较小的公司（100人及以下），更倾向于将AI应用于人力资源管理——此类解决方案的用户比例达58%。
大型企业则显示出比其他公司更高的兴趣，将AI技术应用于安全保障（37%的此类公司）和解决与运输物流相关的任务（23%的公司）。
总体样本中，企业获取所需AI解决方案最常见的方式是：要么委托第三方供应商开发，要么购买现成的商业软件。公司规模越小，越常采用这些方式。
大型组织则在以下方面领先：自行开发所需AI解决方案的公司比例（34%）、自行改进开源软件的公司比例（32%）、以及自行改进其购买的商业软件的公司比例（23%）。
原因显而易见。高等经济学院专家解释说，大型组织的财务能力使其比小型组织更积极地自主开发和改进AI技术，从而在采取周密的数字化转型策略时，确保此类解决方案能最大程度地适应业务需求。
