Каталог АНО «Цифровые платформы» содержит 1352 проекта внедрения ИИ в России. Анализ показывает, что успех в продакшене зависит не от качества самой модели, а от «обвязки»: семантических слоев, детерминированного кода и участия человека на пограничных этапах.
В Первой Грузовой Компании и Яндексе использование семантических слоев и предварительного сбора контекста позволило повысить точность работы систем. В X5 Group система CV-модерации, обрабатывающая 10 млн фотоотчетов в месяц, достигла точности 92 процентов за счет комбинации 26 моделей и контроля порогов уверенности.
Исследования показывают, что надежность ИИ-агентов снижается при цепочках длиннее шести вызовов инструментов. Для решения этой проблемы компании внедряют стандарты вроде MCP и специализированные фреймворки, которые предоставляют агентам набор проверенных инструментов вместо прямого доступа к системам.
Наибольший экономический эффект приносят ИИ-решения в процессах с уже измеренными потерями. Так, система на «Невинномысском Азоте» принесла 270 млн ₽ за 2024 год, а антифрод Сбера сохранил клиентам 360 млрд ₽ за 2025 год. Корпоративные LLM-платформы пока демонстрируют охват, но не всегда раскрывают финансовый результат.
Для оптимизации затрат на GPU компании применяют инженерные дисциплины: семантическое кэширование, PagedAttention и FP8-квантование. Эти методы позволяют сократить расход токенов и повысить пропускную способность систем, что критично для компаний с большими бюджетами на вычислительные мощности.
