За короткое время генеративный искусственный интеллект (ИИ) вошёл и в повседневные рабочие инструменты сотрудников, и в повестку совещаний руководства. Тем не менее на вопросы «что такое генеративный ИИ, чем он отличается от классического ИИ и где именно он приносит пользу в компании?» чаще всего отвечают лишь вскользь, не давая чёткого ответа.
В этой статье мы объясняем понятие на основе международных определений, простым языком рассказываем, как работает такая технология, рассматриваем актуальные данные об использовании в Турции и разбираем распространённые сферы применения в компаниях на примерах условных сценариев.
Что такое генеративный ИИ?
В июле 2024 года Национальный институт стандартов и технологий США (NIST) опубликовал Профиль генеративного искусственного интеллекта (NIST AI 600-1). Опираясь на формулировку из Указа Президента США № 14110, документ определяет генеративный ИИ как класс моделей ИИ, которые создают производный от входных данных синтетический контент, имитируя структуру и свойства этих данных. Согласно документу, такой контент может включать изображения, видео, аудио, текст и другие цифровые материалы.
Если коротко, генеративный ИИ — это системы, которые в ответ на вопрос выдают не классификацию или оценку, а новый текст, изображение, звук или код.
Генеративный ИИ и ИИ: в чём разница
«Искусственный интеллект» — более широкое, зонтичное понятие. Согласно определению, которое ОЭСР обновила в 2023 году, система ИИ — это машинная система, которая на основе получаемых входных данных делает вывод о том, как формировать выходные результаты, такие как прогнозы, контент, рекомендации или решения. По пояснению, опубликованному на OECD.AI, слово «контент» добавили в определение, чтобы прояснить: оно охватывает и генеративные системы, создающие текст, видео или изображения.
В этой логике разницу можно описать так:
- ИИ (в широком смысле): включает также системы, результатом которых чаще всего служит прогноз, оценка или решение, — например, прогнозирование спроса, выявление мошеннических операций, обнаружение дефектов по изображению, рекомендательные системы.
- Генеративный ИИ: подмножество этого семейства, результатом работы которого является новый контент; создаёт черновик электронного письма, краткое изложение отчёта, описание товара, изображение или фрагмент кода.
На практике эти два подхода чаще всего используются вместе: пока одна модель оценивает риск, генеративная модель может превратить тот же результат в краткое изложение, которое прочтёт сотрудник.
Как работает генеративный ИИ?
Согласно описанию в профиле NIST, генеративные модели проектируются так, чтобы выдавать результаты, приближающиеся к статистическому распределению данных, на которых они обучались; например, большие языковые модели формируют текст, предсказывая следующее слово или часть слова в предложении.
У такого способа работы есть важное следствие для компании. В том же документе NIST отмечает, что подобное статистическое предсказание способно давать точные и согласованные результаты, однако может порождать и результаты, фактически неверные или внутренне противоречивые. Это явление, известное широкой публике как «галлюцинации», документ называет «конфабуляцией» и обращает внимание на то, что неверное содержание подаётся уверенно. По данным документа, этот риск заметнее в длинных ответах открытого типа и в вопросах, требующих профильной экспертизы.
Поэтому результат работы генеративного ИИ, особенно в решениях, влекущих за собой последствия, следует рассматривать как черновик и проверять силами человека.
Каков уровень использования в Турции?
Бюллетень «Статистика искусственного интеллекта, 2026», опубликованный TÜİK (Турецкий статистический институт) 2 октября 2026 года, рисует две разные картины:
- Частные лица: доля заявивших об использовании генеративного ИИ выросла с 19,2% в 2025 году до 37,6% в 2026 году. Использование растёт вместе с уровнем образования: среди выпускников высших учебных заведений этот показатель составляет 62,7%, среди выпускников лицеев и профессиональных лицеев — 45,4%.
- Предприятия: доля предприятий с численностью работников 10 и более человек, использующих какую-либо технологию ИИ, в 2026 году составила 14,0%.
- Отрасли: самый высокий уровень использования — 63,7% — в телекоммуникациях, программировании и ИТ-деятельности; за ними следуют издательская деятельность, радио- и телевещание и деятельность в сфере контента — 57,1%.
Отраслевой рейтинг примечателен: сферы с интенсивным созданием контента и программного обеспечения (ПО) входят в число групп, где ИИ используется активнее всего. Поскольку эти два показателя измеряют разные единицы (частное лицо и предприятие), напрямую сравнивать их нельзя; тем не менее столь быстрое распространение индивидуального использования напоминает, что сотрудники могут начать пользоваться инструментами раньше, чем в компании сложатся корпоративные рамки; эта тема отдельно рассмотрена в статье об управлении использованием ИИ сотрудниками.
Какие бывают инструменты генеративного ИИ?
Независимо от названий продуктов, инструменты генеративного ИИ, с которыми сталкиваются компании, можно сгруппировать по типу создаваемого ими контента:
- Инструменты для создания текста: чат-ассистенты; готовят черновики переписки, краткие изложения, переводы и первые версии отчётов.
- Инструменты для создания изображений и видео: формируют черновые варианты дизайна, изображения товаров и рекламные материалы.
- Инструменты для работы со звуком: преобразуют текст в речь или извлекают из записи совещания текст и краткое изложение.
- Ассистенты для написания кода: предлагают командам разработчиков варианты кода, тесты и черновики документации.
- Ассистенты, встроенные в существующее ПО: генеративные функции, добавляемые в офисные программы, программы электронной почты, ERP- или CRM-системы. Как рассказано в статье о встроенном ИИ в существующем ПО, перед покупкой нового инструмента провести инвентаризацию таких функций — чаще всего более быстрый способ начать.
Сферы применения в компаниях и примеры
Приведённые ниже примеры представляют собой условные сценарии: они не относятся к какой-либо конкретной компании и не содержат цифр.
Условный сценарий 1: переписка с клиентами. Служба поддержки каждый день заново пишет ответы на похожие вопросы. Генеративный ИИ готовит черновик ответа, опираясь на утверждённый источник информации; сотрудник проверяет черновик и отправляет его. Показатели оценки — время ответа и доля исправлений.
Условный сценарий 2: маркетинговый контент. Описания товаров, тексты кампаний и версии на разных языках готовятся вручную. Генеративная модель создаёт первый черновик, а проверка на соответствие бренду и точность остаётся за командой. О том, как получить измеримый результат в маркетинге и продажах, рассказано в статье об ИИ в маркетинге и продажах.
Условный сценарий 3: краткое изложение документов и совещаний. Длинные договоры, технические спецификации и записи совещаний прочитывают и кратко излагают. Генеративная модель составляет краткое изложение и список действий; проверяется, остаётся ли оно верным исходному документу.
Условный сценарий 4: доступ к внутренней информации. В организации с большим числом процедур документы разбросаны по разным папкам, и сотрудникам трудно найти нужный. Ассистент, ограниченный внутренними документами организации, отвечает на вопрос со ссылкой на соответствующую процедуру.
У всех четырёх сценариев одна общая черта: генеративный ИИ ускоряет подготовку черновика, а окончательная проверка и ответственность остаются за человеком.
Три проверки перед началом
- Данные: Зафиксируйте письменно, какие данные разрешено вводить в инструменты. Аспект персональных данных подробно разобран в статье о внутренней политике компании по генеративному ИИ, соответствующей требованиям KVKK (турецкий закон о защите персональных данных).
- Точность: Определите, в каких случаях результат должен проходить одобрение человеком и как будет проверяться источник.
- Измерение: Для каждой области применения заранее определите критерий успеха — например, время, долю ошибок или объём повторной работы.
Заключение
Генеративный ИИ — это подмножество искусственного интеллекта, создающее новый контент; и его сила, и его риск вытекают из такого способа создания. Данные TÜİK показывают, что индивидуальное использование стремительно распространяется, тогда как корпоративное отстаёт.
С точки зрения Orient Global, наиболее эффективный старт — выбрать несколько повторяющихся рабочих процессов, где результат носит черновой характер, с самого начала прописать правила работы с данными и контроля и расширять охват, измеряя результат.
Эта статья носит общий информационный характер и не заменяет юридическую оценку.
#interimmanagement #forwarddeployedengineering