Корпорации заказали научным командам ИИ-решения под свои задачи: итоги программы «Техлаб Москва»

На Московском стартап-саммите 29 сентября подвели итоги программы «Техлаб Москва». Организаторы узнали у крупных компаний — в их числе «Газпромбанк», «Самолет», Positive Technologies и Rutube и другие, — какие задачи те хотят решить с помощью искусственного интеллекта, и открыли прием заявок на разработку решений под их запросы для ученых и разработчиков. Общий объем финансирования, направленного на дальнейшее внедрение и масштабирование решений победителей, превысил 20 млн рублей.

Оказалось, что больше всего в ИИ-инструментах нуждаются российские девелоперы. Для них участники программы автоматизировали проектирование армирования (усиления строительных конструкций), собрали платформу бизнес-аналитики и разработали систему проверки строительной документации.

Как рассказали «Инку» в пресс-службе Московского инновационного кластера, организаторы вместе с заказчиками отобрали 50 команд, среди них выпускники и сотрудники МГУ, НИУ ВШЭ, ИТМО, МГТУ имени Н. Э. Баумана, МФТИ и Сколтеха. Эксперты оценивали новизну разработки и ее шансы на коммерциализацию. У команд было три месяца, чтобы создать решение под поставленную задачу.

Генеральный директор Московского инновационного кластера Алексей Парабучев говорит, что программа собрала более 1,2 тыс. заявок, свыше 70% из них — из Москвы, более половины участников имели опыт разработки свыше трех лет.

Какие решения оказались актуальны для компаний

Ниже — описания продуктов со слов самих команд-участников и организаторов программы.*

Больше всего решений заказали девелоперы. NormaChecker сделала для «Самолета» систему проверки строительной документации. Она читает чертежи и таблицы вместе с цифровыми моделями зданий и сверяет их с нормативами и внутренними стандартами застройщика. Еще система сопоставляет документы с инженерными расчетами, а в каждом замечании указывает, какое требование в проекте нарушено и где именно.

По запросу девелопера А101 две команды автоматизировали проектирование армирования, то есть выбор, где и какая стальная арматура нужна в бетонных конструкциях. Продукт Contextmachine с помощью компьютерного зрения читает цветные карты нагрузок из расчетных программ и находит на них участки, где требуется усиление. Затем система переносит их в трехмерную модель здания. Решение второй команды, AI Diagnost, готовит раскладку арматуры: подбирает диаметр и длину стержней и одновременно сокращает расход металла и число деталей для монтажа.

Для «Галс-Девелопмент» IZZZIO BI AI собрала платформу бизнес-аналитики. Сотрудник задает вопрос так же, как сделал бы это в чате, а ИИ-агент ищет ответ во внутренних системах и рабочих файлах компании и оформляет его в таблицу или график с коротким выводом.

Два решения достались банкам: петербургская «Эхострессэйай» разработала для «Газпромбанка» платформу, которая, как обещают разработчики, может оценивать состояние человека по голосу. По ста с лишним характеристикам речи она определяет уровень стресса, усталости, тревожности и умственной нагрузки и отмечает нетипичные ситуации в разговоре с клиентом. Точность таких оценок команда не раскрывает. «ЗаконИИ» построила для банка «Точка» платформу: она читает законы и нормативные акты, в том числе отсканированные, и определяет, какие поправки затронут продукты банка и как.

Для Positive Technologies «Трейс» создала цифрового помощника аналитиков, отслеживающих кибератаки. Он тоже работает на серверах заказчика и связывает между собой события из разных систем. Помощник показывает, в какой последовательности развивалась атака, и объясняет, почему считает то или иное событие ее частью. Команда также разработала собственный механизм контроля ошибок нейросети.

Краснодарская команда «Замеси видео с ИИ» написала для Rutube модуль, который собирает «видеопаспорт» каждого ролика: размечает сцены, переводит речь в текст, распознает музыку, выявляет нарушения правил площадки и подбирает места для рекламы. Эти данные помогают авторам продвигать видео и собирать тематические подборки.

HyperAgency из Клина сделала ИИ-ассистента по закупкам химического сырья для «Концентрации», которая продает реактивы и лабораторное оборудование. Закупщик вводит международный регистрационный номер нужного вещества, а ассистент сам находит производителей и проверяет их, затем связывается с поставщиками и сводит их предложения в одну таблицу для сравнения.

Единственное потребительское приложение в списке принадлежит ArtificialLabs: «Сфера» появилась по запросу производителя экспресс-тестов «Рапид Био». Человек фотографирует на смартфон домашний тест, а нейросеть, как обещают производители, распознает результат прямо на телефоне. В приложении есть ИИ-ассистент и персональный план анализов.

Корпорации VS венчур

Модель «корпорация ставит задачу — стартап ее решает» не претендует на новизну, так уже работают разные программы. Например, европейский проект StartUs занимается подбором стартапов, когда корпорации заказывают у платформы поиск инновационных решений под конкретные бизнес-задачи. Свои акселераторы работают у Google и Microsoft.

Причина популярности этой модели заключается в том, что большие языковые модели стали доступны через API. Стартапам больше не нужно обучать модель с нуля, можно быстро собрать вертикальное решение на GigaChat или GPT. Это снизило технический порог решения задачи, сделав модель по запросу корпорации намного реалистичнее. К тому же крупный бизнес бывает неповоротлив — ему проще дать стартапу грант, чтобы тот проверил бизнес-идею, а затем внедрить новое решение у себя.

Специфика рынка российских ИИ-разработок лишь в том, что в США, например, главным источником финансирования таких стартапов все-таки являются венчурные фонды, в России эту роль почти полностью берет на себя крупный бизнес.

И в России сегодня заметен дефицит венчурных инвестиций: по данным исследования Kama Flow, российскому рынку ИИ ежегодно требуются дополнительные 84 млрд руб. венчурного капитала, чтобы сформировать устойчивый слой независимых компаний. Объем венчурных вложений в ИИ в России сейчас в 87 раз уступает мировому уровню.

Финансирование ИИ в России сейчас почти полностью сосредоточено у крупных корпораций. Так, «Сбер» в прошлом году направил на соответствующие проекты 150 млрд руб., «Яндекс» — 55 млрд руб. Совокупный заявленный объем корпоративных инвестиций в технологии составил 220 млрд руб., или $2,64 млрд по среднему курсу за 2025 год. На каждый доллар венчурного капитала, вложенный в российский ИИ-сектор, приходится примерно $52 корпоративных инвестиций. На мировом рынке это соотношение составляет примерно один к двум.

*независимая проверка заявленных возможностей на этом этапе не проводилась.