На конференции «AI Native Conf 2026» Богдан Гарбар, CPO и руководитель Центра платформенных ИИ-решений ОТП Банка, представил методологический подход к оценке эффекта от внедрения генеративного искусственного интеллекта.
По словам эксперта, планирование инвестиций в генеративный ИИ остается одной из самых сложных задач для бизнеса.
«Иногда компании забывают про один важный момент — искусственный интеллект в рамках корпоративного бизнеса для начала рекомендуется рассматривать как инструмент автоматизации и оптимизации процессов. ИИ достаточно требователен не только с точки зрения затрат, но и с точки зрения готовности компании к его внедрению. Поэтому можно столкнуться с классической картиной, когда всплывают давно забытые или отложенные пробелы. Да, ИИ — это действительно уникальная технология, но в своей практике мы стараемся не питать иллюзий и подходим системно к внедрению. Если мы понимаем, что в конкретной части нашего IT- и бизнес-ландшафта уровень готовности уверенный, то мы рассматриваем уже более новые и интересные сценарии применения и реализации потенциала ИИ», — отметил Богдан Гарбар.
Он пояснил, что представленный ОТП Банком подход учитывает такие статьи затрат, как инфраструктура, персонал, софт, эксплуатация, данные, комплаенс, реализация эффекта со стороны бизнеса, и связывает их с бизнес-составляющими проектов. Особое место занимают затраты на вычислительные мощности, которые в настоящее время являются одной из самых крупных и ключевых статей во всем мире.
«Мы разработали не просто подход, а инструмент для принятия решений: на какой архитектуре строить сервис, в каком объеме закупать оборудование и как сопоставить затраты с реальным бизнес-результатом. Например, потребности в вычислительных мощностях рассчитываются не «с запасом», а на базе физического профиля нагрузки и требований к качеству сервиса (SLA). При оценке эффекта мы выделяем прямую кассовую экономию, которая учитывается в расчете окупаемости, а высвобожденное рабочее время сотрудников рассматривается отдельной строкой. При этом мы критично относимся к прогнозу на "листе бумаги" и регулярно сравниваем его с эксплуатационной статистикой, результатами нагрузочного тестирования и проверками на контрольных группах. Если гипотеза не подтверждается — проект пересматривают, пересобирают или ищут пути оптимизации отдельных частей затрат и эффекта. Важно подчеркнуть: мы не строим иллюзий вокруг ИИ. Мы прекрасно осознаем, что это дорого, и не во всех кейсах целесообразно или выгодно его применять», — подчеркнул Богдан Гарбар.