Российский рынок генеративного ИИ прошёл стадию первого любопытства. По оценкам, за 2025 год его объём превысил 58 млрд рублей, а число корпоративных внедрений выросло в разы. Сменился и характер спроса: модель всё реже используют как чат для разовых вопросов и всё чаще встраивают в повторяющиеся рабочие процессы — юридический анализ, автоматическую обработку документов, поддержку клиентов и внутренние базы знаний.

От ответов к агентам

Главным направлением развития стали не отдельные реплики модели, а агенты — системы, которые ведут многошаговую задачу до результата. Весной 2026 года Яндекс обновил Yandex AI Studio так, чтобы бизнес мог собирать рассуждающих агентов под свои сценарии без глубоких ML-компетенций. Идея в том, что нужный сценарий собирается из готовых блоков: модель, инструменты, логика ветвления.

За этим стоит смещение ценности. Важно не качество одной реплики, а способность системы пройти цепочку шагов с предсказуемым исходом. Агент, который самостоятельно читает входящее письмо, определяет тип запроса, достаёт нужный документ из базы знаний и формирует ответ — это уже не чат, а автоматизированный рабочий процесс. Для компании это означает снижение нагрузки на живых операторов и предсказуемое время ответа.

Масштаб виден по цифрам. YandexGPT обрабатывает порядка 2,9 млрд запросов в год, а доля некорректных ответов в версии 5.1 Pro снижена до 16%. В корпоративных задачах цена ошибки принципиально выше, чем в потребительском чате: неверный ответ внутри автоматизированного процесса тянет за собой следующий шаг, и ошибка умножается. Поэтому для B2B-клиентов каждый процент точности имеет прямое финансовое измерение.

Длинный контекст и внешние проверки

Второй фронт конкуренции — объём контекста. GigaChat 2.0 от Сбера держит в одном запросе до 200 страниц текста, что открывает работу с документами реального размера: договорами, регламентами, финансовой отчётностью. Раньше такие документы приходилось дробить на части и собирать ответы вручную — с потерей контекста между кусками.

Маркером зрелости стали и внешние аттестации. GigaChat прошёл экзамены по более чем 20 направлениям, включая электроэнергетику и теплоэнергетику в профильных учебных заведениях. Для B2B-продаж это важнее общих демонстраций: подтверждённое качество в конкретной отрасли переводит разговор из плоскости «кто умнее на бенчмарке» в плоскость «кто справится с нашими документами и нашими стандартами».

Отраслевая проверка — это ещё и аргумент для регулируемых сфер. Банк или энергетическая компания, внедряющая ИИ во внутренние процессы, не может сослаться на академический рейтинг. Ей нужно показать проверяющему, что система прошла оценку по профессиональным стандартам её отрасли. Именно эту нишу закрывают такие аттестации.

Локализация как конкурентное преимущество

У российского рынка есть структурная особенность — требования к данным. Для компаний из регулируемых отраслей возможность развернуть модель в собственном контуре и не передавать чувствительную информацию за его пределы часто перевешивает разрыв в качестве с зарубежными флагманами. Это не временное ограничение, а устойчивый запрос, мало зависящий от глобальной гонки моделей.

Такой спрос удерживает отечественные решения на рынке даже при наличии более сильных зарубежных альтернатив. Медицинский оператор, банк или государственное предприятие не могут отправить персональные данные клиентов в американское облако — 152-ФЗ и отраслевые регуляторы не позволяют. Это не рыночная слабость, а структурное преимущество для YandexGPT, GigaChat и других локальных игроков, у которых есть on-premise-варианты развёртывания.

Как меняется выбор модели

Картина складывается такая: выбор модели в российском B2B всё реже сводится к общим баллам и всё чаще — к проверке на собственных задачах и данных. Сколько шагов агент проходит без сбоя в типичном сценарии заказчика? Как ведёт себя на длинном документе с отраслевой терминологией? Где физически хранятся и обрабатываются данные? Насколько поставщик готов адаптировать систему под требования конкретной компании?

Зрелость рынка выражается именно в этих вопросах — они вытеснили разговоры о том, кто быстрее генерирует текст. 58 млрд рублей за год — это цифра, за которой стоит практический спрос, а не эксперименты. Следующий этап, судя по направлению продуктовых обновлений, — агенты, встроенные в бизнес-системы настолько глубоко, что граница между моделью и рабочим процессом перестаёт быть различимой.