Российская модель использования ИИ в цифровых экосистемах медиакоммуникационной индустрии

Раздел: Искусственный интеллект в исследованиях медиа и коммуникации

В авангарде цифровой трансформации последних лет находятся медиа: изменились не только способы создания, продажи, хранения и потребления медиаконтента и медиасервисов, но и сама структура медиакоммуникационной индустрии (МКИ). Рассматривая ее новую структуру и субъектность, нельзя не обратить внимания на технологии искусственного интеллекта, проявляющие себя в сферах коммуникации, генерации содержания и обработки больших данных, создаваемых пользователями в медиакоммуникационных процессах. ИИ как совокупность технологий стал важной медиакоммуникаций, влияющей на взаимодействие активно существующих в них субъектов. В этом контексте особый интерес вызывают цифровые экосистемы (ЦЭС), ставшие ключевыми структурирующими МКИ и цифровую медиасреду акторами. Именно технологии ИИ сыграли решающую роль в трансформации медиаплатформ в медийные ЦЭС, поэтому актуальным исследовательским вопросом является анализ их вклада в ИИ-трансформацию медиакоммуникационной индустрии в целом. Анализ данных о функционировании и генезисе технологий ИИ в российской МКИ позволил выделить две качественно различные модели использования и развития в ней ИИ-технологий: основанная на лидерстве и экстенсивном захвате рынка экосистемная модель и ориентированная на оптимизацию (посредством ИИ-решений) внутренних процессов медийная модель.

Введение

На рубеже ХХ–ХХI вв. социально-экономические процессы, связанные с таким важным социальным явлением, как медиа, начали приобретать особую динамику, что было вызвано взрывным развитием в сфере информационно-коммуникационных технологий, компьютеризацией, глобальным проникновением телекоммуникационных сетей, прежде всего интернета, в политику, бизнес, повседневную жизнь людей (Masuda, 1981; Кастельс, 2000; 2016; Мелюхин, 1999). В результате цифровой трансформации общества и конвергенции медиа и телекоммуникаций формируется медиакоммуникационная индустрия (МКИ), опирающаяся на традиционные сегменты медиаиндустрии и интегрирующая сегменты производства и распространения новостей, развлечений и смыслов (книгоиздание, кино), а также узкоспециализированные и инструментальные сегменты, обеспечивающие удовлетворение потребностей информационно-коммуникационного характера: связи с общественностью, реклама, корпоративные медиа (Вартанов, 2023).

МКИ в современных условиях обладает сложной сетевой структурой и противоречивыми технологическими характеристиками. В полисубъектной цифровой среде традиционные субъекты (СМИ) уже не занимают привычного места, теряя позиции акторов, структурирующих среду общественной коммуникации (Тышецкая, 2023; 2024; Макеенко, Вырковский, 2021а, б). Происходящие изменения приводят к тран сформации основных бизнесмоделей – деградации рекламной и реинкарнации клиентской (Смирнов, 2020; 2021; Вартанова (ред.), 2017; Киршин, 2022; Евстафьев, Изотов, 2019; Аксеновский, 2022).

Пройдя период цифровой трансформации, сегодня медиа действуют на единой цифровой технико-технологической базе – телекоммуникационных сетях, компьютерных системах, средствах хранения и передачи данных, визуализации и презентации видео- и аудиоматериалов, единых технологий обработки и представления информации, реализованных в виде программных комплексов и приложений. МКИ как отрасль объединяется наиболее передовыми в настоящее время решениями по сквозным технологиям цифровой экономики: сенсорикой, большими данными, беспроводной связью, искусственным интеллектом, робототехникой, виртуальной и дополненной реальностью (Давыдов, Замков, Крашенинникова, Лукина, 2023; Евстафьев, Тюков, 2022), являясь при этом важным участником инновационного процесса (Вартанов, 2024). 

Рассматривая новую субъектность МКИ, нельзя не обратить внимания на технологии искусственного интеллекта, проявляющие себя в сферах коммуникации, генерации содержания и обработки больших данных, создаваемых пользователями в медиакоммуникационных процессах. Они представляют собой высокотехнологический инструментарий обеспечения онлайн-медиакоммуникации в разных ее аспектах. Такой инструментарий являясь автономным, воспроизводит человеческие ментальные способности встраиваясь, в повседневные процессы принятия решений и трансформируя их. Это все больше – порой прорывным образом – влияет на социальное пространство, традиционные взаимодействия людей и социальных институтов. Более того, ИИ как совокупность соответствующих технологий и связанных с ними общественных отношений стал важной характеристикой российских медиакоммуникаций, значительно влияющей на взаимодействия активно существующих в них субъектов, что ставит вопросы теоретической идентификации, методологического осмысления и операционализации его воздействия на отечественную медиакоммуникационную индустрию. 

Искусственный интеллект как «подрывная технология» МКИ 

Понятие «дисруптивных» (от англ. disruptive – подрывной, прорывной) инноваций получило распространение начиная с работы Кристенсена 1997 г., хотя сама концепция появилась еще в работах Шумпетера по теории инноваций. Кристенсен различал две категории технологий, которые оказывают большое влияние на организации: поддерживающие технологии и подрывные технологии. В его концепции поддерживающие технологии – это те, которые дополняют используемые в настоящее время. Напротив, подрывные технологии — это те, которые появились недавно и имеют потенциал оказать неожиданное влияние на существующие технологии.. Основанные на таких технологиях инновации создают новые рынки либо, появляясь на дне существующего рынка, в конечном счете вытесняют устоявшиеся фирмы, продукты и альянсы (Ab Rahman, Abdul Hamid, Chin, 2017). Подрывные технологии обладают потенциалом неожиданного влияния на существующие технологии, хотя изначально они рассматривались как неэффективные и не имеющие сиюминутных практических возможностей. 

Метаанализ (Păvăloaia, Necula, 2023) свидетельствует о том, что в последние годы в теоретической литературе, анализирующей инновации, в качестве наиболее актуального примера группы подрывных (дисруптивных) технологий, трансформировавших практически все отрасли экономики, рассматривается именно стек технологий искусственного интеллекта, выполняющего задачи, которые традиционно требуют человеческого интеллекта, а именно: понимание естественного языка, распознавание не видимых человеку закономерностей в больших массивах данных, принятие решений, обучение на опыте. Это позволяет машинам обрабатывать сложные процессы, анализировать огромные объемы данных и даже в некотором симысле превосходить людей. 

Основные технологии, движущие «подрывной» ролью ИИ, включают машинное обучение, где алгоритмы улучшаются за счет воздействия данных; глубокое обучение, которое имитирует нейронные сети человеческого мозга для обработки информации; обработку естественного языка, которая позволяет машинам понимать человеческий язык и взаимодействовать с его использованием (Păvăloaia, Necula, 2023). Характеристики, позволяющие считать технологии ИИ дисруптивными, включают его масштабируемость, адаптивность и способность извлекать идеи из данных, которые невидимы человеческому глазу. По мере того как технологии ИИ становились все более сложными, их возможности по трансформации отраслей экспоненциально росли, бросая вызов традиционным бизнесмоделям и создавая новые возможности для создания стоимости.

Несмотря на популярность термина «искусственный интеллект» как в современном обществе в целом, так и в дискурсе медиаисследований, существуют разные подходы к его определению. В контексте проводимого исследования выделим из всего разнообразия подходов два. Во-первых, в Национальной стратегии развития искусственного интеллекта до 2030 года, утвержденной Указом Президента в октябре 2019 г., под искусственным интеллектом понимается «комплекс технологических решений, позволяющий имитировать когнитивные функции человека и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека»². Это определение используется во всех отчетных, статистических и стратегических государственных документах (сама стратегия развития, а также отчеты центра ИИ при правительстве). 

Во-вторых, говоря об ИИ как стеке технологий, необходимо конкретизировать эти технологии. Традиционно принято относить к ним технологии машинного обучения, в том числе нейросетевые и основанные на принципах глубокого обучения и обучения с подкреплением, «основанные на использовании искусственного интеллекта, включая компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы искусственного интеллекта»³. Такой инструментарий воспроизводит человеческие ментальные способности, являясь автономным и встраиваясь в повседневные процессы принятия решений (Резаев (ред.), 2020). 

Технологии искусственного интеллекта в МКИ проявляют себя в сферах коммуникации, генерации содержания (Данилова, 2018; Лукина, Замков, Крашенинникова, 2020), анализа и обработки больших данных, представляют собой высокотехнологический инструментарий обеспечения онлайн-медиакоммуникации в разных ее аспектах. Инструменты на основе ИИ могут помочь в написании, редактировании текстов, создании новых форматов контента, автоматическом производстве информации о текущих событиях, интерактивном общении с аудиторией; отслеживании информационных поводов, проверке фактов на достоверность, распознавании изображений (Давыдов, Замков, Крашенинникова, Лукина, 2023; Шарков, Потапчук, Голушко, 2025).

С потребителем медиакоммуникационного продукта ИИ взаимодействует в целях составления его персонального профиля для предложения именно тех информационных материалов, которые с большей вероятностью заинтересуют пользователя и обеспечат переход на сайт разместившего их медиа, гарантируя последнему просмотры и обратную связь. Многие цифровые медиаплатформы стали пионерами в использовании ИИ для предоставления высокоперсонализированных рекомендаций по контенту с использованием сложных алгоритмов и методов машинного обучения для анализа огромных наборов данных, включая историю просмотров, демографические данные и взаимодействие с пользователями (Давыдов, Замков, Крашенинникова, Лукина, 2023; Тихонюк, 2024). 

По утверждению М. Хорна, ИИ как инновация сам по себе не может быть отнесен автоматически ни к подрывному, ни к поддерживающему типу. Ключевую роль играет именно то, как он используется и каково его итоговое влияние на отрасль. Он выделяет ряд критериев для оценки такого влияния. Так, технология (или группа технологий) должна⁴:

–            изначально быть нацеленной на людей, которые не являются потребителями или перегружены существующими продуктами и услугами;

–            быть не такой хорошей, как существующие продукты и услуги, если судить по историческим показателям производительности;

–            быть более простой в использовании, более удобной или бо-лее доступной. Использование технологического инструмента должно позволить новому ценностному предложению продвигаться на рынок без копирования затрат и структур существующих продуктов и услуг;

–            не тревожить действующие бизнес-модели. Действующие дол-жны быть мотивированы игнорировать новые разрушительные применения технологии, поскольку изначально они не чувствуют угрозы – и не видят способа обслуживать эти новые рынки с прибылью.

Если новая бизнес-модель, работающая на основе ИИ, проходит эти тесты относительно определенного набора продуктов и услуг, то имеет смысл говорить о подрывном влиянии. 

Цифровые экосистемы как драйверы внедрения подрывных технологий

Существенным импульсом цифровизации медиа стало появление цифровых платформ. Платформы используются во многих сферах жизни, в частности быстро вошли в медиасреду, обеспечивая динамику развития медиакоммуникационной индустрии. Современная экономика, по мнению ряда авторов, является экономикой платформ (Срничек, 2019), причем многие их этих платформ или сами были построены на медийных активах, или, стремясь получить доступ к большим данным о поведении пользователей, аккумулировали влиятельные медиаресурсы. Инновационные продукты, прежде всего ИИ, с генерируемыми цифровыми платформами, большинство из которых владеет значительными медиаактивами, приобретают статус медиапродуктов и становятся частью индустрии.

Основываясь на обеспечиваемом технологиями ИИ оптимальном использовании сетевых эффектов многосторонних рынков, платформы не просто формируют посредничество во взаимодействии представителей различных групп своих пользователей (например, аудитории, традиционных медиа и рекламодателей), но производят свой собственный медиакоммуникационный продукт, через него оказывая влияние на медийные и даже отдельные немедийные повседневные практики своей аудитории (Дунас (ред.), 2021; Dunas, Vartanov, 2020; Дунас, Вартанов, Кульчицкая, Салихова и др., 2020; Вьюгина, 2017; Назаров, 2023; Казун, 2023; 2024). 

Эти факторы обусловливают особую значимость возвышения цифровых платформ как нового типа предприятий медиакоммуникационной индустрии и их трансформации в медийные цифровые экосистемы (Тышецкая, 2024). 

На фоне сокращения влияния традиционных массмедиа возрастает влияние новых субъектов, действующих на основе бизнес-модели принципиально отличного типа – платформенной (Тышецкая, 2023; 2024). Речь идет о цифровых экосистемах (ЦЭС), в основе функционирования которых лежат алгоритмические технологии, в частности искусственный интеллект, оперирующие большими быстрорастущими массивами разнородных данных (Big Data). 

В медиа примером дисруптивного влияния ИИ  является феномен медийных цифровых экосистем (МЦЭС), возникновение, возвышение и доминирование которых на нынешнем ландшафте индустрии было бы принципиально невозможным без появления соответствующих технологий. Цифровые экосистемы стали важными игроками в экономике и обществе, а их медийные активы – базовой инфраструктурой, опосредующей взаимоотношения между традиционными субъектами МКИ (печать, информационные агентства, радио, телевидение, кинематограф и т. д.) и потребителями медиа. Платформы «подорвали» привычный олигополистический и вертикально интегрированный рынок прежней медиаиндустрии. В ней начали складываться новые производственные цепочки, состоящие из большого количества участников с пересекающимися ролями, новыми принципами взаимоотношений и структурой взаимодействия между звеньями.

Понятие ЦЭС рассматривается многими исследователями не как самостоятельная социально-экономическая и технологическая категория, а как одна из стадий жизненного цикла цифровых платформ. Более того, ЦЭС представляет собой высшую, финальную стадию развития цифровых платформ, одновременно являющихся как технологическими, так и экономическими единицами современной цифровой экономики. Согласно Н. Срничеку, трансформация платформ в цифровые экосистемы является общим правилом их функционирования, воплощающим фундаментальное для платформ стремление к расширению поля деятельности и закреплению «в роли стражника-маршрутизатора» (2019). 

Если обобщить подходы теоретической литературы, платформенные экосистемы можно описать как: 

–            совокупность сервисов и технологических решений одной группы компаний, при которых от вертикальных структур компании переходят к горизонтальным и диагональным неиерархическим взаимосвязям, отражающим их усилия занять доминирующее положение в качестве платформы;

–            комплекс программных решений, позволяющих пользовате-лям получать широкий круг продуктов и услуг в рамках единого бесшовного интегрированного продукта, хотя, с другой стороны, платформы толкают потребителя ко все более закрытым приложениям, в результате чего появляются закрытые экосистемы, новые «цифровые монополии», занимающие рынок и одновременно конкурирующие за него (Срничек, 2019; Моазед, 2022).

Одной из очевидных проблем описания цифровых экосистем как явления социальной реальности остается их нечеткая предметная идентификация. Несмотря на более чем двадцатилетнюю историю существования, этот термин по-прежнему трактуется представителями разных исследовательских школ по-разному. Тем не менее, опираясь на проведенный анализ существующей литературы и предыдущие исследования, мы можем выделить несколько характерных черт современных медийных цифровых экосистем России, которые позволяют нам произвести отбор объектов исследования, а также заложить фундамент для операционализации самого понятия ЦЭС. Общим местом всех подходов является то, что экосистемы представляют собой сложные комплексные объекты, предоставляющие среду для различных типов взаимодействия разнородных объектов, субъектов и сервисов.

В частности, в работе А. Ю. Тышецкой были выделены следующие признаки цифровых экосистем: 

–            совокупность сервисов и платформенных решений одной группы компаний, где слияния представляют собой невертикальную интеграцию компаний вокруг ядерных продуктов или бизнессегментов; 

–            наличие технологического решения, позволяющего пользова-телям получать широкий круг продуктов и услуг в рамках единого бесшовного интегрированного продукта экосистемы (единый ID);

–            присутствие под единым брендом более чем на двух рынках/отраслях (2024).

Экосистема определяется как «комплекс сервисов и продуктов от единого провайдера, который охватывает несколько вертикалей (отраслей), связан единой цифровой платформой и развивается с помощью анализа и использования данных о пользователях»⁵. Понятие вертикали цифровой экосистемы является одним из основополагающих, как и понятие «энейблера», то есть инструмента реализации (от англ. термина enabler – инструмент реализации). 

Вертикаль цифровой экосистемы можно определить как совокупность продуктов, услуг и сервисов, предоставляемых экосистемой в рамках одной отрасли (рынка), а также промышленно-технологической, логистической и правовой инфраструктуры, обеспечивающей их оказание либо производство и доставку конечному пользователю. Инструмент реализации (энейблер) цифровой экосистемы представляет собой сквозной интеграционный сервис, объединяющий различные продукты и вертикали экосистемы. Он выполняет двойную роль: для клиента экосистемы обеспечивает доступ ко всем ее продуктам, для самой экосистемы – агрегирует данные о потребительской активности в рамках ее вертикалей. К инструментам реализации относятся сервисы интеграции вертикалей – как технологические (единые ID), так и маркетинговые (единый бренд, подписки), а также технологии, расширяющие и дополняющие возможности остальных сервисов (AI, виртуальные ассистенты).

Концепция ЦЭС опирается на эти понятия, и именно технологии искусственного интеллекта играют решающую роль в переходе от медиаплатформ к медийным ЦЭС. 

В данной статье представлены результаты анализа открытых данных, касающихся компаний, действующих на рынке ИИрешений, компаний – участников медиакоммуникационной индустрии и компаний – владельцев ЦЭС. Источниками эмпирического материала являются открытые финансовые отчеты за соответствующий период времени, официальные пресс-релизы, подтверждающие и поясняющие информацию из годовых отчетов компании, официальные комментарии первых лиц, тематические отчеты аналитических компаний, официальные сайты компаний, лендинги, аккаунты компаний в соцсетях, пользовательские приложения, профильные публикации в СМИ, источники отраслевой статистики (государственные органы, отраслевые ассоциации, социологические службы).

Российский рынок медийных технологий ИИ и ЦЭС

По оценке аналитической компании «Яков и Партнеры», полный экономический потенциал ИИ в России к 2028 г. составит 0,2–0,4 трлн долл. в номинальных ценах, а реализованный эффект к 2028 г. может достичь 46,8–76,8 млрд долларов, что эквивалентно влиянию на ВВП до 4%. Совокупная выручка компаний от продажи ИИ-решений для В2В, которую можно определить как российский рынок решений на базе ИИ, в позитивном сценарии к 2028 г. может вырасти до 3,3– 6,6 млрд рублей, что соответствует примерно 6–7% мирового рынка. Совокупная выручка компаний от продажи ИИ-решений для В2В, которую можно определить как российский рынок решений на базе ИИ, в 2022 г. компанией «Яков и Партнеры» оценивалась в 30– 50 млрд руб. в год⁶. На рынке решений существует два ключевых сегмента игроков, занимающих сравнимые доли рынка. Во-первых, это цифровые экосистемы, исследовательские подразделения которых разрабатывают базовые технологии ИИ и внедряют их в бизнес: «Яндекс», Сбер, VK (ранее Mail Group), МТС и Т-Банк. Эти компании продают как разработанные ими технологии (например, Yandex SpeechKit, Computer Vision API от Сбера), так и готовые продукты на базе ИИ (например, автоматизация клиентской поддержки на базе генеративного ИИ от «Яндекса», СберМедИИ от Сбера). Продажа решений, как правило, происходит через выделенные подразделения (например, Yandex Cloud, VK Cloud, MTS AI). Сейчас эти компании приоритизируют внедрение ИИ в собственные бизнес-процессы, внутренний эффект от внедрения ИИ для них кратно выше выручки от продажи решений бизнесу. Ожидается, что в дальнейшем эти компании станут еще активнее предлагать собственные разработки внешнему рынку, за счет чего станут основными игроками на рынке ИИ-решений для B2B.

Во-вторых, это специализированные компании, бизнес которых полностью (или почти полностью) сфокусирован на продаже ИИ-решений. На текущий момент их насчитывается более 300. Примеры таких компаний – MAIA (ИИ-сотрудник/ассистент для бизнеса), VisionLabs (инструменты компьютерного зрения), SheetsGPT (инструменты бизнес-аналитики), 2N9HT (ИИ-сервис рассылки пресс-релизов и управления репутацией), VocaTech (речевая аналитика и аудиобейджи для бизнеса), Slider-AI (генеративный ИИ для создания презентаций), Give Me Public (ИИ-сервис для ведения соцсетей).

Ориентируясь на ЦЭСы и частично используя их решения, формируют свою ИИ-стратегию и «чисто» медийные компании – «Интерфакс», РБК, ТАСС и т. д. (см. табл. 1). 

Источники: Давыдов, Замков, Крашенинникова, Лукина, 2023; отчет РАЭК «Искусственный интеллект в медиа и коммуникациях. Практики российского медиабизнеса»⁷; материалы научного семинара НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты». 

Так, практики РБК включают в себя генерацию изображений, расшифровку аудио в текст и обратно, автотегирование, дайджестирование, анализ видео, помощник редактора, полуавтоматическое создание текстов новостей⁸. Информационные агентства «Интерфакс» и ТАСС внедрили технологии искусственного интеллекта в процесс написания коротких стандартизированных новостных сообщений (Зеленцов, 2024). «Интерфакс» создал более полутора тысяч ботов, которые пишут четверть новостей, публикуемых агентством, включая сводки с финансовых и товарных рынков, регулярно повторяющиеся события, квазиавтоматические анонсы, модерацию комментариев и др. 

В крупнейшей еженедельной газете «Аргументы и Факты», например, успешно используется роботизированное озвучивание сюжета с главными новостями за день. Многие СМИ используют рекомендательные сервисы на основе искусственного интеллекта, рекламные площадки и поисковые системы: «Аргументы и Факты», например, размещают блоки с персонифицированным контентом под материалом, увеличивая глубину просмотра на сайте, дольше задерживая читателя и завоевывая его доверие и лояльность. Медиахолдинг «Русская медиагруппа» (РМГ) – крупнейший игрок российского рынка радио – активно работает с нейронными сетями. Главным ИИ-активом группы является платформа «НейроФлоу» (NeuroFlow), представляющая собой уникальный для российской МКИ проект «онлайн-радио», основные этапы разработки которого были реализованы именно с помощью различных нейронных сетей. Так, с помощью ChatGPT было сформулировано ТЗ, с помощью Mubert (онлайн-генератор музыки в нейронной сети) были спродюсированы треки, с помощью Midjourney – визуальные составляющие и, наконец, снова с помощью ChatGPT – последовательность плейлиста. Еще одним ИИ-медиаактивом является «Музыкальный директор на ИИ», который позволяет определять релевантность треков радиостанций «Русской медиагруппы»⁹.

В практики работы российского телевидения технологии ИИ также проникают довольно активно. Некоторые телеканалы применяют ИИ в техническом плане: в частности, ВГТРК использует собственные ИИ-решения для решения задач реставрации архивного контента, построения рекомендательных систем, организация умного поиска, внедрения языковых моделей (субтитры и автоматизированный перевод, ассистенты редакторов), создания и оформления контента¹⁰. Телеканал НТВ при помощи ИИ осуществляет реставрацию фильмов и видеоматериалов, достигая HD-стандарта в формате 16:9 с более качественным звуком. Каналы используют инструменты ИИ в маркетинговых целях: для обработки больших объемов данных, сбора основной информации об аудитории и эффективности рекламы¹¹. 

Анализируя приведенные данные, несложно увидеть определенную закономерность: несмотря на большое разнообразие применяемых технологий и практик, просматривается единая целевая функция – автоматизация и совершенствование рабочих процессов для достижения максимальной их оптимизации, в том числе и исключения высокозатратных рутинных процессов. 

Таким образом, формируется модель использования ИИ в российских редакциях СМИ, суть которой заключается в оптимизации рабочих процессов, которую можно назвать моделью оптимизации, направленной «внутрь» существующего бизнеса медиакомпаний, – как следствие, эти инновации не имеют высокого подрывного потенциала, при этом существенно важным остается вопрос происхождения продуктов ИИ, применяемых медакомпаниями. 

Отечественные ЦЭС: карта практик применения ИИ 

Особый интерес вызывают цифровые экосистемы, ставшие ключевыми акторами, структурирующими МКИ и цифровую медиасреду. В России к ним относятся пять крупных разнородных субъектов экономики: «Яндекс», VK, Сбер, Т-Банк (реализующий экосистемный бизнес на базе МКПАО «Т-Технологии» под одноименным брендом), МТС. Медиаактивы ЦЭС играют ключевую роль в формировании современного ландшафта российской МКИ, являясь инфраструктурой, опосредующей взаимоотношения между традиционными субъектами индустрии. 

Анализ данных о функционировании и генезисе ЦЭС, в том числе экономической и финансовой статистики и пресс-релизов, позволил выделить три ЦЭС (VK, Сбер и «Яндекс»), обладающих наиболее значимыми медиаактивами и наибольшими охватами¹². Они одновременно являются локомотивами ИИ-индустрии России и структурирующими медиасреду акторами. «Большая тройка» обладает широким охватом сфер применения технологий ИИ в медиа, предлагая наиболее диверсифицированную линейку ИИ-продуктов как для бизнеса, так и для потребителя. При этом они не только являются поставщиками решений для сторонних медиакомпаний, но и активно используют ИИ в своих медиаподразделениях, что составляет значительную долю российского опыта применения ИИ в медиа. 

Хотя данные, приведенные выше в таблице 1, свидетельствуют о том, что многие российские медиакомпании обладают собственными подразделениями, производящими ИИ-продукты, несомненным является прямое или опосредованное влияние ЦЭС на весь комплекс ИИ. Обратимся более подробно к ИИ-практикам и продуктам «большой тройки» в качестве субъектов медиакоммуникационной индустрии и к используемым ИИ-решениям, связанным с иными отраслями и сферами деятельности. 

Для ЦЭС «большой тройки» прослеживается наличие продуктов-аналогов, используемых также в медиакомпаниях. В таблицах 2, 3 и 4 приводится соотнесение ИИ-продуктов/практик ЦЭС и ИИ-продуктов/практик медиакомпаний.

Источники: Давыдов, Замков, Крашенинникова, Лукина, 2023; материалы научного семинара НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты»; пресс-релизы и прочие материалы компании «Яндекс» (портал «Яндекс. Инвесторам»¹³).

Например, «Яндекс» активно внедряет генеративные нейросети в интерфейсы пользовательских продуктов: навык «Давай придумаем» доступен в умных устройствах «Алиса», в «Поиске» появились генеративные быстрые ответы, в «Маркете» – суммаризация отзывов по товару, в блоке «Самое важное» – ключевые преимущества и недостатки товара, в браузере – возможность получить краткий пересказ видео на YouTube, статьи от YandexGPT.

В рекламной сети «Яндекс» (РСЯ) генеративные нейросети используются для создания рекламных баннеров. Уже к концу 2023 г. рекламодатели доверили более 70% бюджетов ИИ-алгоритмам «Яндекса», а около 30% всех показов объявлений в РСЯ приходилось на объявления, созданные нейросетями¹⁴. В фотостоке «Яндекс.Бизнеса» размещаются изображения, созданные YandexART для 149 сфер деятельности. Нейросети также помогают настраивать рекламу для малого и среднего бизнеса. Продавцы «Яндекс. Маркета» могут с помощью YandexGPT создавать «продающие» описания для карточек товаров. Нейросеть систематизирует информацию о товаре, добавленную продавцом, а также предлагает заголовок для карточки товара, который позволяет выделить ключевые характеристики и привлечь внимание покупателей. Отдельного упоминания требуют голосовой помощник «Алиса», внедренный в большинство сервисов «Яндекса», в том числе крайне популярные «умные колонки».

Экосистема Сбера активно внедряет передовые технологии искусственного интеллекта в самые разные сферы жизни и бизнеса. В области обработки естественного языка компания разработала ряд языковых моделей (ключевая –  ruGPT), которые лежат в основе целого ряда инновационных сервисов. Например, GigaChat помогает пользователям получать точные ответы на заданные на естественном языке вопросы, а сервисы речевой аналитики и голосовой помощник «Салют» делают взаимодействие с технологиями более удобным и естественным. Значимым примером генеративного ИИ, нацеленного на конечный пользовательский опыт, является сервис Kandinsky, с помощью которого можно легко генерировать уникальные изображения, просто описав желаемую картину текстом. 

Для бизнеса экосистема Сбер предлагает целый спектр ИИрешений. Так, инструменты прогнозирования спроса с помощью машинного обучения позволяют компаниям точнее планировать запасы и избегать перепроизводства и с помощью динамического ценообразования оптимизировать стоимость товаров и услуг в реальном времени, повышая конкурентоспособность. На базе моделей машинного зрения Сбер предлагает продвинутые решения в сфере видеоаналитики, которые обеспечивают безопасность и контроль в торговых залах, на складах и в общественных пространствах, а также в сфере агромониторинга, для которого используются спутниковые данные для повышения урожайности и эффективного управления сельхозугодьями. Распознавание документов ускоряет обработку больших массивов данных, сокращая время на рутинные операции. Оптимизация логистики снижает издержки и улучшает маршрутизацию доставки, а скоринг на основе ИИ делает оценку кредитоспособности клиентов более точной и объективной. Отдельное направление — медицина, где Сбер разрабатывает такие проекты, как SberMedAI, MedBench и симптом-чекер, помогающие врачам ставить диагнозы и подбирать лечение. А инновационное кардиокресло позволяет проводить быструю и точную диагностику сердечно-сосудистых заболеваний.

Источники: Давыдов, Замков, Крашенинникова, Лукина, 2023; материалы научного семинара НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты»; пресс-релизы и прочие материалы компании Сбер (порталы «Сбер», «СберПресс»¹⁵).

В продуктах группы VK основанные на ИИ сервисы также характеризуются широчайшей диверсификацией областей применения. Поисковая система Mail.ru использует ИИ для ранжирования результатов поиска, а в Почте Mail.ru применяются ИИ-системы антиспама. Облачное хранилище фотографий «Облако Mail.ru» использует ИИ-инструменты для анализа фотографий и распознавания объектов. В «VK.Клипах» используется собственная AR-платформа на базе генеративного ИИ, которая, помимо множества масок, фонов с технологией 360° и специальных эффектов, включает в себя управление съемки жестами. В «Одноклассниках» используется сервис для автоматического создания персональных поздравительных видеороликов. «ВКонтакте» запустили функцию распознавания речи для расшифровки голосовых сообщений. Бизнес-процессы: ИИ «Долорес» помогает агентам «Поддержки». В рамках сервиса объявлений «Юла» ИИ распознает фотографии и автоматически заполняет поля с характеристиками, рекомендует оптимальную стоимость и прогнозирует время продажи в зависимости от состояния и цены. 

Источники: Давыдов, Замков, Крашенинникова, Лукина, 2023; материалы научного семинара НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты»; пресс-релизы и другие материалы VK (портал «VK.Инвесторам»¹⁶).

Описанные достижения «большой тройки» российских цифровых экосистем СБЕР, «Яндекс» и VK в сфере применения технологий ИИ в медиа сформировали уникальные подходы по взаимодействию со клиентами и управлению бизнес-процессами с помощью технологий искусственного интеллекта. Ориентируясь на них, очевидные успехи демонстрируют и некоторые медиакомпании – «Интерфакс», РБК, ТАСС и т. д., большой интерес также проявляют другие крупные медиа.

Опираясь на описанные подходы, можно утверждать, что большинство продуктов ИИ в МЦЭС являются их инструментами реализации (энейблерами), осуществляющими сквозной интеграционный сервис и объединяющими различные продукты и вертикали экосистемы. ИИ-технологии для клиентов МЦЭС обеспечивают доступ ко всем ее продуктам и интегрируют вертикали цифровой экосистемы, обеспечивая общие технологии. Опираясь на данные таблиц 1–4, можно перечислить (см. табл. 5) некоторые из них, расширяющие и дополняющие возможности остальных сервисов.

Дискуссия: российские модели развития и внедрения ИИ в медиа

Приведенные выше характеристики развития и использования технологий искусственного интеллекта субъектами российской медиакоммуникационной индустрии разного типа позволяют сделать вывод о существовании как минимум двух принципиально различных моделей. Одну из них можно условно назвать «экосистемной», другую «медийной» – по типу субъектов МКИ, преимущественно использующих ее. Экосистемная модель предполагает ориентацию на разработку связанной совокупности собственных решений, решающей максимально диверсифицированный спектр задач. Одной из целей такой разработки является обеспечение собственных бизнес-процессов, тем не менее характерной чертой этой модели является предложение полученных решений рыночным клиентам в качестве одного из ключевых типов производимого экосистемами медиакоммуникационного продукта. Другим результатом деятельности экосистемной модели является ускорение диффузии инноваций, связанных с внедрением технологий ИИ в практику работы других компаний МКИ посредством копирования либо трансфера их опыта. Эти направления канализируют воздействие экосистемной модели на медиакоммуникационную индустрию, формируя лидерскую роль ЦЭС в сфере разработки и внедрения технологий ИИ. Эта лидерская роль позволяет экосистемам с наибольшей эффективностью использовать подрывной (дисруптивный) потенциал технологий искусственного интеллекта за счет создания новых рынков продуктов и практик, предлагаемых остальным индустриальным субъектам. Можно утверждать, что экосистемная модель развития и использования технологий искусственного интеллекта в медикоммуникационной сфере имеет первичную ориентацию «вовне»: она направлена на экстенсивный рост, захват и создание новых рынков через предложение своих ИИ-продуктов и решений другим субъектам.

В отличие от подрывной стратегии и лидерской роли, характеризующих экосистемную модель, «медийная» модель в большей степени носит «догоняющий» характер, основанный на внедрении существующих решений и технологий в производственные (редакционные) процессы с целью их оптимизации. Эту модель можно назвать в большей степени ориентированной «вовнутрь»: даже если медиакомпании и разрабатывают собственный инструментарий на базе ИИ-технологий, он используется лишь внутри самой компании для решения внутренних задач и не предназначен для реализации на рынке и использования сторонними субъектами.

Заключение

Совокупность технологий искусственного интеллекта сегодня можно рассматривать как высокотехнологический инструментарий обеспечения онлайн-медиакоммуникации в самых разных ее аспектах. Технологическая мощность такого инструментария очень велика, что и обосновывает его подрывной потенциал для медиакоммуникационной индустрии. 

Внедрение искусственного интеллекта в практику МКИ все больше влияет на социальное пространство, на традиционные взаимодействия людей и социальных институтов, ИИ стал важной характеристикой медиакоммуникаций, значительно влияющей на активно существующих в них субъектов, что поставило множество вопросов как перед философами, социологами, экономистами и медиаисследователями, так и перед законодательными и регулирующими органами.   

В настоящей работе были проанализированы несколько исследовательских вопросов, касающихся как генезиса ИИ-технологий в медиакоммуникационной индустрии России, так и их роли и места в становлении феномена медийных цифровых экосистем. В этом контексте особое внимание было уделено решающему вкладу технологий ИИ в процессы трансформации лежащих в основе этих компаний платформ в ЦЭС и их выхода на медиакоммуникационный рынок. В результате были выделены две качественно различных модели использования и развития ИИ-технологий в российской МКИ: основанная на лидерстве и экстенсивном захвате рынка экосистемная модель и ориентированная на оптимизацию посредством ИИ-решений внутренних процессов медийная модель. Уже сейчас можно наблюдать результаты конкуренции этих двух моделей, которые, по сути, являются одним из факторов успеха превратившихся в полноценные цифровые экосистемы медиакоммуникационных платформ, а также формируют новые траектории трансформации индустрии в целом и потенциальные механизмы ее будущего регулирования. Впрочем, вопросы о нормативных, этических и социальных последствиях этих процессов остаются нерешенными и требуют дальнейшего междисциплинарного исследования – в силу комплексного характера самих ЦЭС объектов исследования и полисубъектности современной МКИ. Подобная постановка проблемы открывает дискуссионное поле для понимания того, как искусственный интеллект меняет основы медиакоммуникаций и какие вызовы и возможности это создает — как для исследовательского сообщества, так и для практиков рынка, законодателей и общества в целом.

Примечания

 ¹ Публикация подготовлена в ходе проведения исследования № 25-00-004 «Исследование цифровых экосистем как новых субъектов медиакоммуникационной индустрии и элементов национальной медиасистемы (на основе разработки кейсов Яндекс и VK)» в рамках Программы «Научный фонд Национального исследовательского университета “Высшая школа экономики” (НИУ ВШЭ)».

² Национальная стратегия развития искусственного интеллекта на период до 2030 года (В редакции Указа Президента Российской Федерации от 15.02.2024 № 124). Режим доступа: http://www.kremlin.ru/acts/bank/44731 (дата обращения: 26.06.2025).

³ Там же.

⁴ Horn M. B. (2024) What does Disruptive Innovation Theory have to say about AI? Christensen Institute. Available at: https://www.christenseninstitute.org/blog/what-doesdisruptive-innovation-say-about-ai/ (accessed: 25.06.2025).

⁵ Исследование: крупнейшие российские цифровые экосистемы 2024–2025. Аналитическая группа Spektr. Режим доступа: https://spektr.team/tpost/g8cbrog5l1issledovanie-krupneishie-rossiiskie-tsif (дата обращения: 25.06.2025).

⁶ Болотских М. А., Громов В. Ю., Дорохова М. Е. Искусственный интеллект в России – 2023: тренды и перспективы // Яков и Партнеры. 2023. Режим доступа: https://yakovpartners.ru/publications/ai-future/ (дата обращения: 26.06.2025).

⁷ РАЭК. Искусственный интеллект в медиа и коммуникациях. Практики рос-сийского медиабизнеса // ICT. Moscow. 2023. 19 июля. Режим доступа: https://ict. moscow/projects/ai/research/iskusstvennyi-intellekt-v-media-i-kommunikatsiiakhpraktiki-rossiiskogo-mediabiznesa/ (дата обращения: 25.06.2025). 

⁸ Источник: выступление И. Звягина на научном семинаре НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты» (руководители: Тышецкая А. Ю., Вартанов С. А.) 25.01.2025.

⁹ «Русская Медиагруппа» запустила интернет-радиостанцию, полностью со-зданную нейросетью. Режим доступа: https://rmg.ru/news/russkaya-mediagruppazapustila-internet-radiostanciyu-polnostyu-sozdannuyu-nejros... (дата обращения: 25.06.2025). 

¹⁰ Источник: выступление А. Филипповского на научном семинаре НИУ ВШЭ (Санкт-Петербург) «Современные медиа: структуры и эффекты» (руководители: Тышецкая А. Ю., Вартанов С. А.) 25.01.2025.

¹¹ «Конкурент телевидения — телевидение». Генпродюсер НТВ о премьерах, ИИ и переезде канала // ТАСС. Режим доступа: https://tass.ru/interviews/21716891 (дата обращения: 25.06.2025).

¹² MAU: 83.7, 81 и 61.5 млн человек соответственно, 2023; источник: офици-альные пресс-релизы компаний.

¹³ Яндекс.Инвесторам. Режим доступа: https://ir.yandex.ru/ (дата обращения: 25.06.2025).

¹⁴ 70% бюджетов рекламодателей управляются нейросетями // Sostav.ru. Режим доступа: https://www.sostav.ru/publication/yandeks-konferentsiya-64670.html (дата обращения: 26.06.2025).

¹⁵ Сбер. Пресс-релизы. Режим доступа: https://www.sberbank.com/ru/news-and-media/press-releases (дата доступа: 25.06.2025); СберПресс — официальные новости Сбера. Режим доступа: https://www.sberbank.ru/ru/sberpress (дата обращения: 25.06.2025).

¹⁶ VK инвесторам. Режим доступа: https://vk.company/ru/investors/ (дата обращения: 25.06.2025).

Библиография

Аксеновский Д. И. Кризис рекламной бизнес-модели медиа и инновационные формы медиапрактики // Вопросы медиабизнеса. 2022. Т. 1. №. 1. С. 5–17.

Вартанов С. А., Вьюгина Д. М., Гуреева А. Н., Дунас Д. В., Кульчицкая Д. Ю., Салихова Е. А., Толоконнникова А. В., Филаткина Г. С. Медиапотребление «цифровой молодежи» в России / под ред. Д. В. Дунаса. М.: Изд-во Моск. ун-та; Фак. журн. МГУ, 2021.

Вартанов С. А. Медиакоммуникационная индустрия в процессах генерации поведенческих и социальных инноваций // Вестник Академии медиаиндустрии. 2024. № 1(37). С. 21–42. 

Вартанов С. А. Медиакоммуникационная индустрия: к теоретическому обоснованию категории // Вестник Московского университета. Серия 10. Журналистика. 2023. Т. 48. № 6. С. 3–36.

Вартанова Е. Л., Вырковский А. В., Макеенко М. И., Смирнов С. С. Индустрия российских медиа: цифровое будущее / под ред. Е. Л. Вартановой. Москва: «МедиаМир», 2017.

Вьюгина Д. М. Особенности медиапотребления цифрового поколения России // Медиаскоп. 2017. Вып. 4. Режим доступа: http://www.mediascope.ru/2386 (дата обращения: 26.06.2025).

Давыдов С. Г., Замков А. В., Крашенинникова М. А., Лукина М. М. Использование технологий искусственного интеллекта в российских медиа и журналистике // Вестник Московского университета. Серия 10. Журналистика. 2023. № 5. С. 3–21. 

Данилова М. Н. Влияние технологий на развитие отечественных спортивных медиакоммуникаций // Вестник Московского университета. Серия 10. Журналистика. 2018. № 2. С. 92–111.

Дунас Д. В., Вартанов С. А., Кульчицкая Д. Ю., Салихова Е. А., Толоконникова А. В. Мотивационные факторы медиапотребления российской «цифровой молодежи»: результаты пилотного исследования // Вестник Московского университета. Серия 10. Журналистика. 2020. № 2. С. 3–27. DOI: 10.30547/vestnik.journ.2.2020.327.

Евстафьев В. А., Изотов И. В. Объем рынка рекламы в медиа и маркетинговых услуг России в 2018 году // Служба PR. 2019. № 5. С. 42–51.

Евстафьев В. А., Тюков М. А. Генеративные нейронные сети в рекламе // Стратегические коммуникации: теория и практика. Сборник материалов ХХVII Всероссийской научно-методической конференции заведующих кафедрами маркетинга, рекламы, связей с общественностью и смежных направлений. Москва, 2023. С. 18–25.

Зеленцов М. В. Бизнес-процессы в СМИ: обзор теоретических концепций и актуализация понятия // Информационное общество. 2024. № 4. С. 121–129. 

Зеленцов М. В. Бизнес-процессы выпускающих редакций информационного агентства (на примере ТАСС) // Вестник Новосибирского государственного университета. Серия: История, филология. 2024. Т. 23, № 6. С. 54–62.

Казун А. Д. «Они все равно меня находят»: медиапотребление людей, избегающих новостей // Вестник Московского университета. Серия 10. Журналистика. 2023. № 3. С. 3–25.

Казун А. Д. Перспективные направления исследований потребления новостей в контексте медиасреды с большим выбором // Вестник Московского университета. Серия 10. Журналистика. 2024. № 2. С. 3–47. 

Кастельс М. Власть коммуникации / пер. с англ. Н. М. Тылевич; науч. ред. А. И. Черных. М.: ИД ВШЭ, 2016.

Кастельс М. Информационная эпоха: экономика, общество и культура / под науч. ред. О. И. Шкаратана. М.: ИД ВШЭ, 2000.

Киршин Б. Н. Трансформация бизнес-модели печатной прессы в ситуации обесценивания информации // Знак: проблемное поле медиаобразования. 2022. № 1. С. 127–132. 

Лукина М. М., Замков А. В., Крашенинникова М. А. Трудовая деятельность журналиста: люди или роботы // Вопросы теории и практики журналистики. 2020. Т. 9. № 1 (30). С. 46–64. 

Мажоров Д. К. Использование технологий искусственного интеллекта в современном медиабизнесе: отечественный и зарубежный опыт: магистерская выпускная квалификационная работа. 2023. 

Макеенко М. И., Вырковский А. В. Возможности влияния неинституционализированных производителей развлекательного и познавательного контента на аудиторию // Вестник Московского университета. Серия 10. Журналистика. 2021. № 5. С. 74–99.

Макеенко М. И., Вырковский А. В. Онлайн-производители развлекательного контента как участники социально-политических процессов // Меди@льманах. 2021. № 6. С. 24–31. 

Мелюхин И. С. Информационное общество: истоки, проблемы, тенденции развития. М.: Изд-во Моск. ун-та, 1999.

Моазед А. Платформа. Практическое применение революционной бизнес-модели / пер. с англ. А. Соломиной. М.: Альпина Паблишер, 2022.

Назаров М. М. Медиа. Аудиторные тренды. Человек в современной российской медиасреде. М.: Ленанд, 2023. 256 с.

От искусственного интеллекта к искусственной социальности / под ред. А. В. Резаева. М.: ВЦИОМ, 2020 

Смирнов С. С. Банковские структуры на российском рынке СМИ: экономические отношения с медиахолдингами // Меди@льманах. 2021. № 5(106). С. 46–51. 

Смирнов С. С. Феномены "медиахолдинг" и "медиагруппа" в России: проблема неопределенности правового статуса // Вестник Московского университета. Серия 10. Журналистика. 2020. № 6. С. 23–40.

Срничек Н. Капитализм платформ / пер. с англ. и науч. ред. М. Добряковой. М.: ИД ВШЭ, 2019. 

Тихонюк А. А. Искусственный интеллект и масс-медиа: негативные аспекты алгоритмов персонализации контента. Коммуникология. 2024. № 12. С. 43–60. 

Тышецкая А. Ю. Трансформация медиаплатформы в цифровую медиаэкосистему: траектория преобразования (на примере группы «ВК») // Меди@льманах. 2024. № 6 (125). С. 42–56. 

Тышецкая А. Ю. Цифровые платформы и современные медиакоммуникации: актуальные исследовательские подходы // Медиаскоп. 2023 Вып. 4. Режим доступа: http://www.mediascope.ru/2839 (дата обращения: 25.06.2025)

Шарков Ф. И., Потапчук В. А., Голушко И. И. Инновации медиаиндустрии: новые медиа и искусственный интеллект. Коммуникология. 2025. № 13. С. 13–24. 

Ab Rahman A., Abdul Hamid U. Z., Chin Th. (2017) Emerging Technologies with Disruptive Effects: A Review. PERINTIS eJournal 7: 111–128.

Dunas D. V., Vartanov S. A. (2020) Emerging Digital Media Culture in Russia: Modeling the Media Consumption of Generation Z. Journal of Multicultural Discourses 15 (2): 186–203. 

Masuda Y. (1981) The Information Society as Post-Industrial Society. Washington DC: World Future Society. 178 p.

Păvăloaia V-D., Necula S-C. (2023) Artificial Intelligence as a Disruptive Technology – A Systematic Literature Review. Electronics 12 (5): 1102.

Как цитировать: Вартанов С. А., Тышецкая А. Ю. Российская модель использования ИИ в цифровых экосистемах медиакоммуникационной индустрии // Вестник Московского университета. Серия 10. Журналистика. 2025. № 5. С. 23–53. DOI: 10.55959/msu.vestnik.journ.5.2025.2353

Поступила в редакцию 28.06.2025