OpenAI обучает ИИ на опыте консультантов и банкиров
OpenAI привлекает бывших консультантов и банкиров для обучения ИИ решать задачи в профессиональных областях, реализуя проекты Argentum и Mercury. Аналитики отмечают растущий спрос на глубокие ИИ-решения, но подчеркивают, что их эффективность зависит от интеграции в бизнес-процессы и адаптации к рабочим практикам.
По данным Computerworld, OpenAI приступила к обучению своих моделей на основе повседневной работы консультантов и банкиров. Это указывает на стремление компании выйти за рамки универсальных инструментов и создать ИИ, способный решать задачи в конкретных профессиональных областях. Проекты, связанные с этой инициативой, получили кодовые названия Argentum и Mercury.
В рамках Argentum более 150 бывших сотрудников McKinsey & Co., Bain & Co. и Boston Consulting привлечены к обучению моделей выполнению базовых задач консалтинговой индустрии. В Mercury задействованы свыше 100 бывших инвестиционных банкиров из таких компаний, как JP Morgan Chase, Morgan Stanley и Goldman Sachs, которые обучают ИИ построению финансовых моделей.
Аналитик Sanchit Vir Gogia, глава Greyhound Research, отмечает, что бизнес-сообщество больше не удовлетворяется поверхностными возможностями ИИ. Вместо этого, компании ищут глубокие, структурированные решения, которые можно внедрить в ключевые процессы. По данным опроса CIO Pulse 2025, 68% глобальных руководителей рассматривают ИИ как партнера, а не инструмент для сокращения издержек.
Craig Le Clair, вице-президент Forrester, подчеркивает, что внедрение ИИ-агентов часто сталкивается с проблемой возврата инвестиций. По оценке Forrester, 60% компаний застревают на этапе PoC (Proof of Concept), а лишь 15% получают заметный эффект. Причина — недостаточная интеграция моделей в бизнес-процессы. «Проблема не в алгоритмах, а в том, как компании используют выводы ИИ», — отмечает он.
В качестве примера приводится ситуация, когда компания запускает 30 пилотных проектов, но не получает никакой отдачи, поскольку агенты лишь формируют отчеты, которые остаются без внимания. Forrester называет это «пробелом в действиях» — разрывом между анализом ИИ и реальными бизнес-результатами.
Le Clair также отмечает, что переход к смешанной рабочей силе, где ИИ и люди работают вместе, требует значительных затрат. На каждую единицу, потраченную на лицензирование ИИ, компании тратят в пять раз больше на адаптацию и изменение структуры навыков сотрудников.
Greyhound Research в свою очередь демонстрирует, что даже успешные проекты могут столкнуться с проблемами на этапе внедрения. Например, банк внедрил генеративный ИИ для автоматизации составления кредитных меморандумов. Производительность выросла, но при проверке документов команда по соблюдению норм выявила недостатки: утверждения, не подкрепленные источниками. В результате банк ввел новую систему проверки и объединил юридические, риск- и технические подразделения для контроля выводов ИИ.
В консалтинговой компании аналогичная ситуация возникла при внедрении ИИ в анализ рынка. Рост продуктивности был очевиден, но молодые сотрудники не понимали, где заканчивается их роль и начинается работа ИИ. В ответ компания скорректировала программу обучения, сосредоточившись не на использовании ИИ, а на его надзоре.
Интересно: Как изменится структура управления и распределение ответственности в компаниях, если ИИ начнет не только поддерживать, но и формировать ключевые решения?
Как ИИ перестаёт быть инструментом и становится участником бизнеса
OpenAI вовлекает профессионалов из консалтинга и инвестиционного банкинга в обучение своих моделей. Это не случайный шаг, а стратегическое движение, которое может изменить не только характер работы с ИИ, но и саму структуру бизнес-процессов. Суть в том, что искусственный интеллект начинает выходить из категории «облегчающего инструмента» и входит в число «внутренних сотрудников» — участников, способных нести ответственность за решения.
Когда ИИ становится частью команды
Argentum и Mercury — это попытка создать ИИ, который не только автоматизирует рутину, но участвует в принятии решений. В консалтинге и инвестиционном банкинге ИИ уже не только формирует отчеты: он анализирует рынки, моделирует сценарии, оценивает риски. Но именно здесь возникает первый ключевой момент: если ИИ начинает формировать решения, то кто за них отвечает?
Компании, внедряющие ИИ-агентов, сталкиваются с проблемой, которая называется «пробелом в действиях». Модели могут давать точные и полезные рекомендации, но если эти рекомендации не интегрируются в реальные бизнес-процессы, то эффекта от них не будет. Это не вопрос технологии, а вопрос организации: кто принимает выводы ИИ как часть процесса? Ответ на этот вопрос определит, станет ли ИИ просто мощным инструментом или полноценным участником бизнеса.
Стоимость интеграции: больше, чем лицензия
Для бизнеса внедрение ИИ — это не только инвестиции в лицензии и инфраструктуру. По данным Forrester, на каждую единицу, потраченную на лицензирование, компании тратят пять на сопровождение, адаптацию и переподготовку персонала. Это связано с тем, что ИИ не только меняет процессы, но и меняет роль сотрудников.
В банке, внедрившем ИИ для составления кредитных меморандумов, выросла производительность, но упали стандарты документирования. В консалтинге молодые сотрудники не понимали, где заканчивается их ответственность. Это привело к тому, что компании начали обучать не «как использовать ИИ», а «как управлять ИИ».
Важно: Если ИИ формирует решения, то необходимо пересмотреть не только процессы, но и структуру управления. Это означает, что ИИ-агенты могут стать не просто помощниками, а полноценными участниками команды, требующими нового подхода к организации труда и распределению ответственности.
ИИ и профессиональные стандарты
Внедрение ИИ в профессиональные сферы не только меняет процессы, но и вызывает вопросы, связанные с профессиональной этикой и стандартами. Например, в юриспруденции и консалтинге выводы ИИ должны быть не только логичными, но и обоснованными. Если ИИ не может дать ссылку на источник, то его выводы становятся сомнительными.
Это приводит к необходимости создания систем контроля качества выводов ИИ, в которых участвуют юридические, технические и риск-подразделения. Это не только увеличивает стоимость внедрения, но и требует переосмысления стандартов работы. Если раньше консультант мог отвечать за рекомендацию, то теперь за рекомендацию отвечает команда, в которую входит и ИИ.
Важный нюанс: ИИ может стать участником бизнеса, но это не автоматически делает его надежным. Успешное внедрение требует не только технологической готовности, но и перестройки всей системы контроля, ответственности и обучения персонала.
Новые источники вычислительных мощностей и инфраструктура
Важно учитывать, что масштабирование ИИ требует не только алгоритмических улучшений, но и значительного роста вычислительных мощностей. OpenAI заключила соглашения с Broadcom, NVIDIA и AMD на поставку кастомных AI-ускорителей и чипов, общая стоимость которых может превысить $500 млрд [!]. Эти сделки направлены на оптимизацию энергопотребления, сокращение времени вычислений и усиление возможностей для разработки новых моделей. Компания также планирует использовать центры биткойн-майнинга в качестве экономически эффективной инфраструктуры для ИИ-вычислений, что делает её ключевым участником рынка [!].
Рост потребности в специалистах с навыками работы с ИИ
Рынок труда уже реагирует на эти изменения. Консалтинговая компания McKinsey прогнозирует, что спрос на специалистов с навыками работы с искусственным интеллектом может превысить предложение в четыре раза, и этот разрыв сохранится как минимум до 2027 года [!]. Это связано с растущим влиянием генеративного AI на рынок труда, который меняет структуру профессий и повышает требования к квалификации.
Что дальше: новые правила игры
Если ИИ начнет формировать решения, то правила игры в бизнесе изменятся. Это не только вопрос эффективности, но и вопрос ответственности. В будущем компании могут столкнуться с необходимостью введения специальных ролей — не только разработчиков и аналитиков, но и «арбитров ИИ», которые будут отвечать за корректность и обоснованность выводов ИИ.
Для российского бизнеса это особенно важно. В условиях, когда внедрение ИИ требует не только технологической, но и организационной адаптации, компании должны начать формировать внутренние экспертизы по управлению ИИ. Это не значит, что нужно бояться технологий, но означает, что подготовка к их внедрению должна быть комплексной.
Ключевой вывод: ИИ перестаёт быть только инструментом — он становится участником бизнеса. Это открывает новые возможности, но требует пересмотра всей системы управления, ответственности и обучения персонала.
