ИИ Трансформация 2026: что сказали X5, Альфа-Банк и MTS

3 апреля прошла бесплатная онлайн-конференция «ИИ Трансформация 2026» от AlpinaGPT — 500+ участников, 400+ компаний, 10 докладов от практиков из X5, Альфа-Банка, MTS, mymeet.ai, Skyeng. Записи доступны. Ниже — главное, что оттуда стоит знать.

Одна цифра, которая объясняет всё

Только 6% компаний умеют реально получать эффект от ИИ (BCG, опрос 1 250 руководителей). 95% GenAI-пилотов не дают измеримого результата на прибыль (MIT). 42% компаний свернули большинство ИИ-проектов до стадии продакшна — год назад таких было 17%.

При этом технологии работают. Проблема — не в них. Об этом говорили все 10 докладчиков, независимо друг от друга.

Оксана Хлыстова (MTS) — 8 способов провалить внедрение

Самый честный доклад конференции. Оксана руководит ИИ-трансформацией в экосистеме МТС (9+ бизнесов, MTS Банк, Kion и др.) — команда отчитывается акционерам в рублях. Она разобрала не кейсы успеха, а типичные ошибки:

• Технологии — только 10% бюджета трансформации. 70% — это перестройка процессов, вовлечение людей, изменение стратегии. 20% — данные и инфраструктура. Большинство компаний инвестируют в обратной пропорции.
• Данные не готовы к масштабированию. Пилот на Excel-выгрузке проходит успешно — а потом оказывается, что данные собираются вручную. Автоматически +6 месяцев к срокам и +50% к бюджету.
• Считают стоимость эксперимента, а не трансформации. Запрашивают КП на платформу, не учитывая инфраструктуру, команду поддержки, обучение сотрудников.
• Слепо копируют чужие кейсы. Внедрение ИИ в клиентский сервис МТС дало более 2 млрд рублей экономии в год — но это 10 млн обращений в месяц. Если у вас небольшой B2B-бизнес, этот кейс не сойдётся никогда.

Главный вывод: реальные эффекты появляются только с 4-й стадии зрелости — когда бизнес научился думать и перестраивать процессы под ИИ, а не просто «попробовал ChatGPT».

Жемал Хамидун (AlpinaGPT) — почему 80% бросают ИИ

Формула, которую вывел Жемал: Инструмент × Обучение × Поддержка = Результат. Если хотя бы один множитель равен нулю — результат ноль. 82% сотрудников говорят, что компания не обучила их работе с ИИ.

Парадокс: 70% руководителей оптимисты по поводу ИИ. 70% рядовых сотрудников — скептики. 65% боятся не самого ИИ, а того, кто использует ИИ лучше них.

Опыт Альпины: внедрение через 6 этапов — обучение на реальных задачах, раздача инструментов (AlpinaGPT с нулевым порогом входа), мини-группы по отделам, комьюнити энтузиастов, кейсбук, вайбкодинг для всех. Результат: 50+ сотрудников активно используют платформу ежемесячно, десятки автоматизированных функций.

Виталий Лукин (X5 Group) — реальные цифры из ритейла

X5 обрабатывает ~40 000 обращений в IT-поддержку в день при штате 1 000 человек. Количество инцидентных чатов выросло с 50–60 до 4 000 в год. Штат не вырос ни на одного человека — 52% запросов теперь решаются без участия человека. Экономия OPEX: несколько сотен миллионов рублей за прошлый год.

Ещё один кейс: нужен был внутренний инструмент-аналог запрещённого в X5 сервиса. Разработан на автопилоте за 2 дня (выходные), прошёл проверку безопасников.

Главный совет Лукина: прототипируйте на больших моделях (Claude, GPT-4o), но убедитесь, что в продакшне это работает на локальных 30B-моделях. 40% агентских проектов не доходят до ROI именно из-за этого разрыва.

Артемий Малков (Data Monsters) — когнитивные компоненты

Data Monsters за 6 месяцев переписали ~70 бизнес-процессов в Markdown-файлы — формат, одинаково понятный человеку и ИИ. Каждый процесс — набор MD-файлов с инструкциями и промптами (до 50–60 файлов на одну функцию). У каждого компонента — owner.

Цитата: «MD-файлы компании — это мозг её. Любые UI-поделки — это полный трэш, умрёт. Основной скилл — не писать, а удалять. LLM генерирует — 60% разумного, 40% — вообще не про вас.»

Сергей Андриянов (AlpinaGPT) — когда агент стреляет в колено

Технический доклад с конкретными числами: если каждый агент в цепочке работает с точностью 90%, после нескольких шагов точность падает до 78–80%, после ещё пяти — до 50%. Половина запросов содержит ошибки.

Правило Anthropic, подтверждённое практикой: один агент с пятью хорошими инструментами решит 90% задач, для которых, кажется, нужен мультиагент. 70–80% проблем с RAG — это данные и нарезка, а не выбор модели.

Сквозная тема: нельзя «навесить» ИИ на старые процессы

Константин Куликов (Альфа-Банк): «Нужно строить набор видеокассетных плееров, где видеокассетой является модель, а плеером — ваша инфраструктура. Когда у вас меняется одна модель на другую, замена должна происходить моментально.»

Евгений Смолькин (Lab Industries): провели внутренний хакатон — 110 участников, 13 команд из разных отделов, 6 дошли до финала с реально работающими кейсами. И важное наблюдение: до финала дошли юристы и отдел качества, а маркетинг при всей «злободневности» темы — нет.

Что стоит посмотреть в записях

Все записи бесплатно на сайте AlpinaGPT. Если выбирать:

• Оксана Хлыстова — если вы на старте внедрения и хотите не повторить типичных ошибок
• Виталий Лукин (X5) — если интересны реальные цифры и конкретные кейсы из крупного бизнеса
• Жемал Хамидун — если хотите понять, почему сотрудники бросают ИИ и как это починить
• Сергей Андриянов — если строите агентные системы и хотите избежать архитектурных ошибок

Хотите понять, где ИИ поможет именно в вашем бизнесе? Начните с нашего промпта для анализа процессов — те же вопросы, что задают на аудите, только вы делаете это самостоятельно за 15 минут.