Сессия «ИИ в образовании и HR: выживет ли человек в гонке с алгоритмами?»

Конференц-зал «Blue 1», 2 этаж

Партнер сессии: Коммуникационная группа АДВ

Технологии ИИ несутся вперёд с бешеной скоростью: ежедневно рождаются новые модели, которые стирают профессии, навыки и даже смысл работы. Выпускники вузов выходят на рынок с дипломами вчерашнего дня, а HR тонут в потоке резюме, где 80% кандидатов уже устарели по компетенциям. При этом компании обучают 1 млн. сотрудников в реальном времени; а неизменный тренд — zero-day learning: микрокурсы по ИИ генерируются за часы и обучают тысячи человек — ломает традиционные схемы получения востребованных компетенций. Традиционное образование не успевает за тенденциями рынка: программы утверждаются годами, а к выпуску их содержание на 70% неактуально. 

HR вынуждены импровизировать: прогнозировать навыки на лету, переучивать сотрудников под ChatGPT-подобные инструменты. ГенИИ — спасение или ловушка? Он персонализирует обучение и автоматизирует найм, но убивает человеческий фактор: алгоритмы предвзяты, этически слепы и не видят «искры гения».

Ключевые вопросы:

• Почему партнёрства вузов и бизнеса проваливаются, и кто виноват? Как выстроить эффективное партнёрство вузов и бизнеса, чтобы учебные программы успевали за технологическими изменениями? 
• Можно ли доверять ИИ-прогнозам компетенций, когда модели ошибаются на 30% в нестабильных отраслях? Как прогнозировать востребованные компетенции в условиях быстрых технологических изменений, и можно ли доверять алгоритмам в этом вопросе? 
• Где грань этики: ИИ-сканеры эмоций на собеседованиях — прорыв или тотальный контроль?

Марафон «Цифровой Петербург»

Конференц-зал «Blue 5», 2 этаж

Основными целями и задачами Марафона являются:

• Популяризация и привлечение молодежи к национальному проекту «Экономика данных и цифровая трансформация государства»;
• Вовлечение молодежи в цифровую трансформацию региона;
• Популяризация и развитие научно-практической активности среди молодёжи.

В Марафоне на добровольной основе принимают участие лица, обучающиеся в средних профессиональных и высших учебных заведениях

Сессия «Инвестиции в ИИ — ключевой фактор взрывного роста российской экономики»

Конференц-зал «Blue 5», 2 этаж

В современной геополитической ситуация санкции ограничивают доступ к международным технологиям и инвестиционным потокам. Российский рынок ИИ отстаёт от мирового, а ИИ-инфраструктура и внешние лицензии остаются дорогостоящими для одних компаний и недоступными, в силу требований в области информационной безопасности — для других. Кроме того, ограниченный внутренний рынок и зависимость от состояния экономики снижают возможности для масштабной и быстрой монетизации ИИ-решений. В сложившихся условиях инвестиционная поддержка ИИ в России становится не предметом свободного выбора, а обязательным фактором, который обеспечит выживаемость ИИ-отрасли и место России в числе мировых технологических лидеров.

Ключевые вопросы:

• Нужна ли в нашей стране единая национальная стратегия развития инвестиций в технологическое лидерство (включая ИИ-разработки)?
• Какие направления ИИ критически важны для технологической независимости России и требуют приоритетного финансирования?
• Учитывая ограниченность внутреннего рынка, за счет каких вертикалей можно достичь объема спроса, способного окупить инвестиции в ИИ-разработку?
• Какие сегодня есть барьеры у инвесторов в ИИ?
• Что сегодня важнее для развития ИИ — прямые финансовые меры поддержки от государства или меры стимулирования инвесторов? 
• Какие стимулы нужны для привлечения инвесторов в ИИ?
• Готов ли частный инвестор вкладываться в «длинные» ИИ-проекты с горизонтом окупаемости 7-10 лет или единственным гарантом «выживаемости отрасли» должно выступить государство?

Сессия «Интеллектуальные помощники человека: синергия LLM, компьютерного зрения, NLP и RPA в задачах бизнеса и государства»

Конференц-зал «Green 9», 2 этаж

В эпоху мультимодальных прорывов, синергия LLM, компьютерного зрения, NLP и RPA формирует интеллектуальных помощников человека, способных осваивать неструктурированные данные и эволюционировать от простых RPA-роботов к полноценным ИИ-агентам. Российские платформы вроде GigaARPA, Robin, PIX RPA и Атом.РИТА уже обеспечивают мультиагентную оркестрацию, сокращая затраты бизнеса, ускоряя вывод продуктов и внедряя голосовых роботов на базе RAG, которые обрабатывают тысячи обращений в критической инфраструктуре.

Однако несмотря на технологический суверенитет и первые промышленные кейсы, внедрение упирается в барьеры непонимания сути технологий, этики и кадрового дефицита: неожиданные эффекты синергии, границы автономии ИИ против человеческого контроля, сдерживающие факторы массового применения в КИИ и комбинации технологий, обещающие стать прорывом в ближайшие 2–3 года.

Ключевые вопросы:

• Какие неожиданные эффекты синергии технологий наблюдаются в реальных проектах? 
• Что сегодня сдерживает массовое внедрение мультимодальных решений в КИИ?
• Где грань между автономностью ИИ-агента и необходимостью человеческого контроля?
• Какая комбинация технологий станет «киллер-фичей» ближайших 2-3 лет?
• Как готовить кадры, способные работать на стыке разных доменов ИИ?

Сессия «Цифровой управленец в ритейле: большие данные и ИИ аналитика меняют рынок»

Конференц-зал «Green 6+7», 2 этаж

Партнер сессии: АО «Группа Компаний «ВестЛинк»

Более 85% российских ритейлеров уже внедрили искусственный интеллект как минимум в одну функцию — анализ продаж, автоматизацию процессов или ценообразование. Ожидается, что к 2030 году применение генеративного ИИ в e-commerce и розничной торговле может принести до 160 млрд рублей дополнительной операционной прибыли. Однако для того, чтобы ИИ работал, нужны качественные большие данные в реальном времени.

Однако переход к цифровому управлению осложняется рядом факторов: фрагментарностью данных, отсутствием единой экосистемы для их сбора и анализа, а также недостаточной готовностью инфраструктуры к работе в режиме реального времени. Это создаёт разрыв между потенциалом ИИ и его реальной эффективностью: алгоритмы могут давать неточные прогнозы, если опираются на устаревшие или неполные данные. В итоге компании не в полной мере используют возможности больших данных для оптимизации продаж, логистики и клиентского опыта.

Ключевые вопросы:

• Как большие данные и ИИ повышают точность управленческих решений в ритейле и FMCG в режиме реального времени? 
• Каким образом генеративный ИИ трансформирует ключевые процессы в e‑commerce? 
• Какие практические инструменты на базе ИИ и аналитики доступны для оптимизации ресурсов и роста? 
• Как интегрировать транзакционные данные и BI‑аналитику в единую экосистему для принятия решений «здесь и сейчас»? 
• Какие основные барьеры мешают массовому внедрению ИИ в торговле и какие стратегии помогут их преодолеть?

Сессия «ИИ в промышленности: от выбора технологий к доказанной эффективности»

Конференц-зал «Green 6+7», 2 этаж

Партнер сессии: ФГАУ «ЦИТ»

Промышленные компании накопили портфель пилотных проектов по искусственному интеллекту, однако переход к тиражированию сдерживается несколькими факторами: ужесточением инвестиционных бюджетов, неочевидностью реального возврата

на инвестиции (ROI) и многообразием предлагаемых решений, зачастую с недоказанной масштабируемостью. В этих условиях задача смещается от «внедрения ИИ ради инновации» к формированию четких методологий отбора проектов, управлению рисками и стандартизации подходов к оценке эффекта. Промышленным предприятиям, разработчикам и государству необходимо решить задачу, как выстроить системную работу с технологиями ИИ, которая приносит измеримый бизнес-результат даже в условиях ограниченных ресурсов.

Ключевые вопросы:

• Какие критерии должны лежать в основе портфельного управления ИИ-инициативами в условиях жестких бюджетных ограничений?
• Почему доля успешных пилотов не конвертируется в промышленное масштабирование?
• Кто и как должен измерять ROI от внедрения ИИ? Возможно ли создание отраслевых стандартов оценки эффективности?
• Какие инструменты наиболее действенны для стимулирования спроса на ИИ-решения в реальном секторе?
• Как обеспечить качество и доступность данных для ИИ-моделей без неоправданных затрат на инфраструктуру? 
• Как выстроить процедуры выбора между отечественными и иными решениями с учетом требований кибербезопасности, импортозамещения и реальной пригодности для критической инфраструктуры?
• Какие регуляторные изменения и сервисы способны снизить транзакционные издержки при внедрении ИИ на промышленных площадках?

Сессия «ИИ в строительстве: от цифрового чертежа до автономной стройплощадки»

Конференц-зал «Blue 1», 2 этаж

Строительная отрасль традиционно считается одной из самых консервативных, но сегодня она оказалась на острие технологического разлома. BIM-моделирование, дроны, цифровые двойники и генеративный дизайн внедряются точечно, но до массовой цифровой трансформации дистанция огромна. Застройщики инвестируют в пилоты, но годами не могут масштабировать решения: данные разрознены, нормативная база не поспевает за технологиями, а отраслевой ИТ-ландшафт напоминает лоскутное одеяло.

Особую остроту ситуации придают санкционные ограничения, создавшие вакуум, который отечественные разработчики только начинают заполнять. При этом стройка остаётся одной из самых аварийных и затратных отраслей: человеческий фактор, ошибки планирования и непредвиденные риски ежегодно приносят миллиардные убытки. Может ли ИИ стать системным решением, а не очередным модным трендом и предоставить России шанс

не догонять, а задавать стандарты в «умном строительстве»?

Ключевые вопросы:

• Почему архитекторы и инженеры до сих пор не доверяют алгоритмам финальные решения?
• Что мешает сделать видеонаблюдение с компьютерным зрением отраслевым стандартом?
• Как перейти от красивых 3D-моделей к реальной экономии на ремонтах?
• Почему большие данные до сих пор не победили «чутьё застройщика»?
• Когда закончится эра «последней мили» ручного труда на стройке?

Сессия «Новая инфраструктурная база и архитектура ИИ»

Конференц-зал «Green 9», 2 этаж

В современном мире развитие ИИ сталкивается с серьёзным парадоксом: мощные модели требуют колоссальных вычислительных ресурсов, но существующие решения уже не справляются с растущими потребностями. За блестящими успехами ИИ-систем скрывается сложная инфраструктура: GPU-кластеры, дата-центры, каналы связи и системы управления данными. Ключевая техническая проблема заключается в том, что при всех достижениях технологий ИИ-индустрия сталкивается с острым дефицитом оборудования и растущими затратами на энергопотребление. В условиях ограничений по поставкам комплектующих и роста стоимости электроэнергии вопрос построения эффективной инфраструктуры становится критически важным. Еще более острой проблемой, затрагивающей вопросы безопасности и независимости моделей LLM, является практически полное отсутствие отечественных инфраструктурных решений для построения дата-центров, способных обеспечить даже не лидерство, а хотя бы конкурентоспособность по сравнению с инфраструктурными элементами, производимыми в США и КНР.

Ключевые вопросы:

• Как владельцы LLM-моделей справляются с дефицитом вычислительных ресурсов и специализированных чипов для ИИ-задач?
• Какие стратегии импортозамещения наиболее эффективны?
• Какие модели управления данными (data spaces, доверенные контуры, индустриальные платформы) показывают наибольшую эффективность в ИИ-проектах?
• Как обеспечить безопасность и соответствие требованиям регуляторов?
• Как решить проблему растущих затрат на энергопотребление дата-центров?
• Какие существуют подходы к созданию энергоэффективной инфраструктуры?
• Где достаточно классических решений, а где необходимо применять гибридные системы с квантовыми симуляторами?
• Как оценить целесообразность перехода на новые технологии?
• Как сбалансировать растущие потребности ИИ с экологическими ограничениями и требованиями устойчивого развития?

Сессия «ИИ в агропромышленном комплексе»

Конференц-зал «Green 6+7», 2 этаж

ИИ трансформирует агропромышленный комплекс, меняя всю цепочку от поля до полки: компьютерное зрение, спутниковые данные, ИИ-прогнозы и IoT позволяют оптимизировать посевы, ресурсы, снижать потери и повышать устойчивость. Однако разрыв между пилотами и массовым внедрением сохраняется из-за дефицита инфраструктуры, связи, цифровых навыков фермеров и недоверия к «навязанным» решениям.

Ключевые вопросы:

• Как преодолеть барьеры внедрения в агросекторе: инфраструктура, доступ к данным, цифровые навыки фермеров и агрокомпаний?
• Как использовать ИИ для снижения потерь, повышения устойчивости к климатическим рискам и обеспечения продовольственной безопасности на уровне страны и регионов?
• Какие ИИ‑решения уже доказали свою эффективность в сельском хозяйстве и управлении продовольственными цепочками?

Сессия «ИИ в госуправлении: от экспериментов к системной трансформации». Часть 2

Конференц-зал «Blue 5», 2 этаж

Партнер сессии: «Группа Астра»

Цифровые технологии и развитие искусственного интеллекта рассматриваются сегодня

в качестве ключевого фактора силы и безопасности государств. Язык, знания, история и культура в каждом регионе свои, нациям нужно разрабатывать собственные AI и самостоятельно ими управлять — это вопрос технологической независимости и суверенитета. Россия выстраивает целостную экосистему применения ИИ в публичном секторе — от нормативной базы и цифровых платформ до практических кейсов внедрения в регионах.

Ключевые вопросы:

• Какие вызовы или возможности создают новые регуляторные требования для региональных органов власти?

• Какие типичные ошибки и барьеры мешают формированию доверия к ИИ системам со стороны граждан, бизнеса и госорганов?

• Как учесть опыт регионов при измерении результатов и оценки эффективности ИИ-решений?

• Необходима ли регионам разработка отдельных правил, методических рекомендаций применения отдельных классов ИИ в систему государственного управления?

• Какие барьеры по-прежнему мешают регионам масштабировать внедрение ИИ-решений?

Сессия «ИИ в транспортной логистике: “казнить нельзя помиловать”?»

Конференц-зал «Blue 1», 2 этаж

Ожидаемые эффекты применения технологий искусственного интеллекта позволяют рассматривать его не просто фактором, а главным драйвером «тектонических сдвигов» в транспортно-логистической отрасли. Внедрение искусственного интеллекта трансформирует подходы к прогнозированию спроса и управлению запасами, оптимизации маршрутных сетей и мониторингу транспорта, автоматизации складских комплексов и обслуживанию парка оборудования, обеспечивая качественный скачок эффективности и устойчивости цепей поставок. Однако искусственный интеллект испытывает реальные проблемы сдерживания.

Чтобы понять, будет ли искусственный интеллект «казнен» на фоне его активной борьбы с устаревшими бизнес-моделями и рутинными процессами или будет «помилован», превратившись в управляемого помощника, предлагается проанализировать практические кейсы освоения ИИ-решений, определить критические барьеры внедрения и выработать стратегии бесшовной интеграции интеллектуальных систем в существующую инфраструктуру транспорта и логистики.

Ключевые вопросы:

• Стратегии цифровой трансформации транспортной логистики: как перейти от пилотных проектов к масштабированию ИИ на уровне холдингов и корпораций?
• Как внедрение ИИ помогает оптимизировать грузоперевозки и управлять пассажирским транспортом?
• Какую роль играет искусственный интеллект в прогнозировании загрузки транспортно-логистических мощностей и предотвращении сбоев в цепях поставок?
• Как осуществляется интеграция ИИ-решений с существующими ERP-системами и платформами управления перевозками (TMS)?
• Как применяются технологии компьютерного зрения и машинного обучения для контроля безопасности движения и состояния обеспечивающей инфраструктуры?