Около 60% компаний в Казахстане могут внедрить ИИ в ключевые процессы

В ближайшие 2–3 года ИИ‑агенты могут стать частью повседневной ИТ‑инфраструктуры крупного и среднего бизнеса. По прогнозу IBA Group, около 60% организаций в Казахстане перестроят с их помощью ключевые процессы.

За последние полгода количество запросов на внедрение ИИ‑ассистентов

увеличилось примерно на 30%. Основной интерес проявляет крупный бизнес, который рассчитывает автоматизировать рутинные операции и ускорить принятие решений.

Корпоративные ИИ‑системы могут анализировать внутренние документы, проверять договоры, готовить финансовые отчёты и выявлять отклонения в бизнес‑процессах. Их также используют для обработки обращений клиентов и поиска информации в корпоративных базах знаний.

В ближайшие 3–5 лет ИИ‑агенты могут стать такой же привычной частью инфраструктуры крупных компаний, как ERP‑системы. Отдельные агенты будут отвечать за закупки, анализ поставщиков, отчётность, соблюдение требований законодательства и поддержку сотрудников.

По оценке McKinsey, генеративный ИИ и другие технологии теоретически могут изменить выполнение задач, на которые приходится 60–70% рабочего времени. Речь идёт об автоматизации или поддержке отдельных операций, а не о полной замене такого же количества сотрудников.

Финансовый сектор остаётся одним из наиболее активных пользователей ИИ. Технологии применяют для кредитного скоринга, проверки документов, выявления мошеннических операций, управления рисками и обслуживания клиентов.

По данным Национального банка Казахстана, 36% опрошенных финансовых организаций уже используют ИИ, а 56% рассматривают его внедрение в течение ближайшего года. Полномасштабного уровня достигли только 2%.

Исследование охватило 232 организации финансового сектора Казахстана, Кыргызстана и Таджикистана. Поэтому эти показатели отражают ситуацию на финансовом рынке Центральной Азии, а не во всех компаниях Казахстана.

В ритейле ИИ может прогнозировать спрос, управлять ассортиментом, персонализировать предложения и сокращать объём избыточных запасов.

Промышленные предприятия смогут использовать интеллектуальные модели для прогнозирования отказов оборудования, сокращения простоев и контроля качества продукции. В логистике технологии помогут рассчитывать маршруты, распределять транспорт и сокращать сроки доставки.

Основными препятствиями для внедрения ИИ остаются недостаток качественных данных, устаревшая ИТ‑архитектура и неподготовленные бизнес‑процессы. Компаниям также необходимо обучать сотрудников работе с ИИ‑ассистентами и определять, какие решения должны оставаться под контролем человека.

Вместо отдельных экспериментов бизнес постепенно переходит к выбору процессов с понятным экономическим эффектом. Перед масштабированием компаниям потребуется подготовить данные, определить показатели эффективности и встроить ИИ‑решения в существующую операционную модель.