Искусственный интеллект от Сбера: GigaChat, экосистема и практическое применение

Почему Сберу понадобился собственный ИИ

После появления ChatGPT в конце 2022 года стало очевидно, что языковые модели превратились в массовый инструмент. Однако для России возник стратегический вопрос: как сохранить цифровой суверенитет, не отставая в технологиях. Зарубежные модели, такие как ChatGPT и Claude, обучались преимущественно на англоязычных данных, что снижает качество обработки русского языка. Они часто не учитывают морфологические особенности, культурные нюансы и специфику российских деловых и юридических текстов.

Сбер решил эту проблему, создав собственную большую языковую модель GigaChat. Это не просто копия западных аналогов, а часть масштабной экосистемы, где ИИ становится ключевым элементом цифровой инфраструктуры страны. Наличие национальной модели позволяет контролировать данные, обеспечивать безопасность и создавать решения, соответствующие российским стандартам. Кроме того, собственный ИИ открывает возможности для развития цифровых сервисов внутри страны — от образования до бизнес-аналитики.

История развития ИИ в Сбере: от первых экспериментов до GigaChat

Сбер начал активно инвестировать в искусственный интеллект задолго до появления GigaChat. Уже в 2016 году глава банка Герман Греф заявлял, что через пять лет банк сможет принимать 80% решений с помощью ИИ. В 2017 году появились планы по замене части сотрудников колл-центра роботами, а в 2018 году роботы уже заменили людей в десятках процессов. К 2019 году ИИ добавил около $700 млн к годовой выручке банка, а в 2020 году был открыт первый в России институт искусственного интеллекта.

В апреле 2023 года Сбер официально запустил GigaChat в тестовом режиме. Разработка велась силами подразделений Sber AI и SberDevices, с использованием наработок предыдущих моделей, таких как RuGPT-3. Уже в ноябре 2023 года вышла обновлённая версия, которая, по заявлениям компании, показала рост качества на 23–25% по сравнению с предыдущей. К 2025 году GigaChat стал основой для множества продуктов, а число его ежемесячных пользователей превысило 20 миллионов человек.

Архитектура GigaChat: как устроена модель

GigaChat — это большая языковая модель (LLM), основанная на архитектуре трансформеров, аналогичной GPT. Обучение проходит в несколько этапов: предварительное обучение на больших корпусах текстов, дообучение с учителем (SFT) и оптимизация с учётом обратной связи от пользователей (RLHF). Такой подход позволяет модели не только генерировать текст, но и лучше понимать контекст и следовать инструкциям.

Ключевая особенность GigaChat — ориентация на русский язык. Модель обучалась на обширных русскоязычных датасетах, включая публичные и корпоративные данные Сбера. Это обеспечивает более точное понимание морфологии, жаргона и профессиональной лексики. По данным компании, на тесте MMLU модель достигает около 50% правильных ответов по 57 категориям, что сопоставимо с западными аналогами среднего уровня. Архитектура частично закрыта, но известно, что используются вычислительные кластеры банка, включая суперкомпьютер Christofari Neo.

Экосистема ИИ-продуктов Сбера: GigaChat, Kandinsky, Aurora, Salute Speech

Искусственный интеллект от Сбера — это не один продукт, а целая платформа. Основные инструменты:

• GigaChat — языковая модель для работы с текстом: написание, анализ, диалог. Доступна через API, веб-интерфейс и приложение.
• Kandinsky — нейросеть для генерации и редактирования изображений. Используется для создания иллюстраций, баннеров и дизайн-концептов.
• Aurora — аналитическая модель для работы с таблицами и прогнозирования. Интегрируется в BI-системы, помогает автоматизировать отчёты и находить аномалии.
• Salute Speech — речевые технологии: синтез и распознавание речи. Применяется в голосовых помощниках, кол-центрах, для озвучки видео и расшифровки совещаний.

Эти продукты интегрированы в экосистему Сбера: SberDevices (умные колонки, ассистенты), SberCloud (облачные вычисления), а также в корпоративные сервисы банка. Например, в СберБанк Онлайн ИИ анализирует расходы клиентов, а в СберМаркете помогает подбирать товары.

GigaChat против ChatGPT: объективное сравнение

Сравнение GigaChat и ChatGPT важно для понимания, какой инструмент выбрать. Обе модели основаны на трансформерах, но имеют разные приоритеты.

• Языки: ChatGPT поддерживает более 100 языков с приоритетом английского, GigaChat фокусируется на русском и английском.
• Обучение: ChatGPT обучался на глобальных датасетах, GigaChat — на русскоязычных и корпоративных данных Сбера.
• Модерация: ChatGPT использует глобальные этические фильтры OpenAI, GigaChat — российские стандарты обработки данных.
• Интеграция: ChatGPT легко подключается к международным сервисам через API, GigaChat глубоко интегрирован в экосистему Сбера.

На практике GigaChat лучше справляется с русскоязычными задачами: юридическими документами, банковскими терминами, культурными контекстами. ChatGPT остаётся лидером в многоязычных сценариях и международных проектах. Выбор зависит от задач: для локального бизнеса и работы с русским языком GigaChat предпочтительнее, для глобальных проектов — ChatGPT.

Практические кейсы использования ИИ Сбера в бизнесе

ИИ Сбера уже применяется в различных отраслях. Вот несколько примеров из практики:

• Банковские консультации: GigaChat интегрирован в онлайн-сервисы Сбера, помогает клиентам решать сложные запросы в диалоговом режиме.
• Образование: университеты и IT-школы используют модель для анализа текстов и генерации учебных заданий.
• Маркетинг и контент: компании применяют GigaChat для создания коммерческих предложений, отчётов и маркетинговых материалов. Например, подготовка еженедельного отчёта сократилась с 6 часов до 1 часа.
• Автоматизация кол-центров: Salute Speech позволяет обрабатывать звонки, сокращая время разговора и повышая долю автозакрытия обращений.

По данным Сбера, в 2025 году финансовый эффект от применения ИИ составил 475 млрд рублей, включая более 50 млрд от генеративного ИИ. При этом 85% процессов банка уже автоматизированы с помощью ИИ.

Как внедрить ИИ Сбера в свой бизнес: пошаговый подход

Внедрение ИИ требует системного подхода. Вот чек-лист, основанный на практическом опыте:

1. Определите конкретную задачу. Не «внедрить ИИ», а «сократить время на подготовку ТЗ на 40%».
2. Выберите подходящий инструмент. Для текста — GigaChat, для изображений — Kandinsky, для таблиц — Aurora, для речи — Salute Speech.
3. Протестируйте в песочнице. Sber AI предоставляет бесплатный тестовый контур для пилотных проектов.
4. Рассчитайте ROI. Оцените, сколько времени и денег сэкономите при успешном внедрении.
5. Назначьте ответственного. ИИ — рабочий инструмент, а не игрушка.
6. Подготовьте данные. Соберите примеры, шаблоны, инструкции для обучения модели.
7. Интегрируйте в процесс. ИИ должен стать частью рабочего потока, а не отдельной задачей.
8. Настройте метрики. Решите, как будете измерять успех: время, конверсия, качество.
9. Обучите команду. Покажите, как писать эффективные промпты.
10. Проводите аудит. Раз в квартал проверяйте, решает ли инструмент поставленную задачу.

На адаптацию обычно уходит 2–3 месяца, а экономия времени на задаче достигает 60–80%.

Типичные ошибки при работе с ИИ и как их избежать

Многие компании разочаровываются в ИИ из-за типичных ошибок. Вот основные из них:

• Нечёткий промпт. Запрос «Напиши текст о компании» даст общие фразы. Лучше: «Напиши раздел "О компании" для сайта производителя насосов. Цель — доверие технических директоров. Факты: 25 лет на рынке, своё КБ, срок службы от 15 лет. Тон — сдержанный, 3 абзаца».
• Внедрение ради внедрения. Чат-бот, который на 90% запросов отвечает «Уточните вопрос», вредит репутации. Сначала создайте карту сценариев, потом запускайте бота.
• Отсутствие человека в цикле. Доверять нейросети итоговое коммерческое предложение рискованно. ИИ создаёт черновик, но финальное решение и проверка остаются за человеком.
• Использование не того инструмента. Например, попытка заставить GigaChat считать сложные финансовые отчёты приводит к ошибкам. Для чисел предназначен Aurora, точность которого выше в разы.

Избегая этих ошибок, вы сможете получить реальную пользу от ИИ, а не разочарование.

Будущее ИИ в Сбере: планы и перспективы

Сбер продолжает активно развивать ИИ. В 2025 году компания представила крупнейшую в Европе open source модель генеративного ИИ, выпустив GigaChat 3.0 и Kandinsky 5.0 в открытый доступ. Также был создан департамент автономных решений и открыт Центр робототехники для развития физического ИИ.

В 2026 году Сбер планирует подвести итоги предыдущей стратегии и сформулировать новую. Ожидается, что генеративный ИИ станет ещё более массовым, а его финансовый эффект вырастет в разы. Уже сейчас 90% российских регионов используют ИИ-решения Сбера в здравоохранении, образовании и госуправлении. Сбер также инвестирует около $1 млрд в год в ИИ-разработки и активно сотрудничает с университетами, такими как Сколтех и МГУ.

Таким образом, ИИ от Сбера — это не просто технология, а стратегический инструмент, который будет определять развитие цифровой экономики России в ближайшие годы.

Вопросы и ответы