Искусственный интеллект бывает двух разных видов, и путаница между ними стоит компаниям денег. Одни ждут от него предсказаний — а покупают генератор текстов, который предсказывать не умеет. Другие наоборот: ставят задачу «напиши мне письмо» перед системой, обученной считать числа.
Разница простая. Предиктивный ИИ смотрит на прошлое и отвечает на вопрос «что будет дальше» — числом или готовым вариантом. Генеративный ИИ отвечает на вопрос «сделай мне такое же, но новое» — текстом, картинкой, ответом в чате. Ниже разберём, чем они отличаются на деле, что каждый умеет и не умеет, и с чего начинать компании, у которой этого пока нет вообще.
Предиктивный ИИ: предсказывает
Предиктивный ИИ смотрит на то, что уже произошло, и отвечает на вопрос «что будет дальше». Он учится на прошлых данных компании: продажах, обращениях, поломках оборудования, платежах по кредитам. Находит в них закономерности и переносит их на будущее.
Что он умеет на практике:
сказать, сколько товара закупить на следующий месяц по каждому магазину;
определить, какой клиент вот-вот перестанет покупать, пока он ещё не ушёл;
предупредить, что конкретный станок сломается в ближайшие недели;
оценить, вернёт ли заёмщик кредит, по истории похожих заёмщиков.
Ответ у предиктивного ИИ всегда число или выбор из готовых вариантов: «купить 340 упаковок», «вероятность оттока высокая», «риск поломки низкий». Ничего нового он не сочиняет — задача всегда сводится к оценке на основе прошлого.
Пример из смежной темы. Прогноз спроса и предиктивный ИИ — это фундамент для динамического ценообразования: цена меняется по прогнозу продаж и остатков, а не «на глаз». Подробнее — в статье про динамическое ценообразование.
Генеративный ИИ: создаёт
Генеративный ИИ отвечает на другой вопрос: «сделай мне такое же, но новое». Пишет текст, отвечает в чате, пересказывает документ, переводит.
Он тоже учился на данных, но не на ваших продажах, а на огромных объёмах текстов и изображений из открытых источников. Поэтому он хорошо знает, как устроен язык, и совсем не знает, как устроена ваша компания, пока вы ему не расскажете.
Что он умеет на практике:
отвечать клиентам по вашим документам, прайсам и регламентам;
писать описания для тысяч карточек товаров за один проход;
коротко пересказывать длинные документы и договоры;
вести диалог в чате на сайте или в мессенджере вместо менеджера на рутинных вопросах.
Ровно на этом строится ИИ-продавец: помощник читает документы компании и ведёт разговор с клиентом, а не сочиняет ответы из головы. У юридической компании ФПК «Альтернатива» такой помощник в чате на сайте за три месяца поднял долю диалогов, которые доходят до заявки, с 10,3% до 59,6% и сам заводил заявки в CRM — 78 штук, с медианным временем ответа 8,4 секунды (источник: наш проект, 2026).
Предиктивный ИИ работает с цифрами компании и даёт ответ, который можно перепроверить арифметикой: предсказал спрос на месяц — через месяц видно, попал или нет, и на сколько процентов ошибся.
Генеративный ИИ работает с языком и смыслом. Его ответ нельзя проверить вычислением — можно только прочитать и оценить, годится он или нет. Это не недостаток, а другая природа задачи.
Отсюда практическое следствие для бюджета. Предиктивному нужны накопленные данные: без истории продаж или обращений он не предскажет ничего — учиться не на чем. Генеративному история компании не нужна вообще, но нужны документы и чёткие правила, по которым он будет отвечать клиенту.
Признак
Предиктивный ИИ
Генеративный ИИ
Отвечает на вопрос
Что будет дальше
Сделай мне новое
Учится на чём
На ваших прошлых данных
На языке и текстах
Результат
Число или выбор варианта
Текст, ответ, пересказ
Как проверить
Сравнить с тем, что случилось
Прочитать и оценить
Что нужно для запуска
История данных за месяцы-годы
Документы и правила ответа
Типичная задача
Спрос, отток, поломки, риск
Ответ клиенту, текст, пересказ
Что выбирать под задачу
«Сколько закупить, кто уйдёт, что сломается» — это предиктивный ИИ. Генеративный на этих вопросах выдаст правдоподобное число, и оно почти наверняка окажется неверным: он не считал вашу статистику, он сочинил ответ, похожий на правду.
«Ответить клиенту, написать текст, разобрать документ» — это генеративный ИИ. Предиктивный здесь бессилен: ему нечего предсказывать, задача не про число.
Часто нужны оба сразу, просто на разных шагах одного процесса. В интернет-магазине предиктивный ИИ считает, какой товар предложить конкретному клиенту и по какой цене, а генеративный пишет само сообщение этому клиенту и отвечает на его вопросы в чате.
Перепутали
Просят генеративный ИИ предсказать спрос — получают красивое, но случайное число
Просят предиктивный ИИ написать письмо клиенту — он умеет только считать
Запускают дорогой предиктивный проект без истории данных — учиться не на чем
Разделили правильно
Предиктивный считает, кому что предложить и когда
Генеративный пишет и объясняет — по документам компании
Оба встроены в один процесс и работают на разных его шагах
Про выдумывание: у каждого своя болезнь
Главный риск генеративного ИИ — он почти никогда не отвечает «не знаю». Если данных не хватает, он придумает связный и уверенный ответ, который окажется неправдой. Это не редкий сбой, а нормальное поведение системы, которая обучена продолжать текст правдоподобно, а не признаваться в незнании.
Осторожно. Лечится это не выбором «более умной» модели, а устройством решения. Помощник должен отвечать строго по вашим документам и не иметь возможности сочинить факт, которого там нет. Тогда придумывать ему буквально негде — а не только «не хочется».
У предиктивного ИИ своя болезнь, менее заметная. Он уверенно продолжает прошлое в будущее. Если условия резко изменились — вышел новый конкурент, поменялся сезон, случился скачок цен — модель этого не поймёт и будет предсказывать по-старому, с прежней уверенностью в голосе цифр. Поэтому её результаты пересматривают регулярно, а не настраивают один раз и забывают.
Что происходит на рынке сейчас
Оба направления растут, но с разной скоростью. Российский рынок генеративного ИИ вырос с 13 млрд ₽ в 2024 году до 58 млрд ₽ в 2025 — почти в 4,5 раза за год, и на бизнес приходится большая часть этого объёма.
316,1 млрд ₽объём всего рынка ИИ в России в 2025 году, рост на 29,7% за год Источник: AIANA, «Коммерсантъ», 2026
×4,5во столько раз вырос рынок генеративного ИИ в России за 2025 год — с 13 до 58 млрд ₽ Источник: Onside, Just AI; CNews, 2025
Практический вывод для компании: интерес рынка сместился на генеративный ИИ, потому что он быстрее запускается и не требует истории данных. Но предиктивный никуда не делся — просто про него меньше пишут, хотя именно он даёт самый понятный эффект в деньгах там, где данные уже накоплены: в закупках, в оттоке клиентов, в обслуживании оборудования.
С чего начинать компании
Не с выбора вида ИИ, а с вопроса — что у вас уже есть.
Проверьте, что накоплено.
Данные за пару лет по продажам, обращениям или поломкам — это материал для предиктивного ИИ, и он даст самый понятный эффект в деньгах, потому что решает конкретную числовую задачу.
Если нет ни того ни другого — начните с порядка в данных.
Прежде чем считать что-либо в компании, данные нужно собрать в одном месте и привести к единому виду — иначе даже генеративному помощнику будет нечем отвечать. Разбирали, зачем это нужно, в статье про репозиторий данных простыми словами.
Не пытайтесь внедрить оба вида сразу, если компания делает первый шаг.
Начните с той задачи, которая болит сильнее всего сегодня, и с того вида ИИ, для которого у вас уже есть материал — данные или документы.
Что появилось раньше — предиктивный или генеративный ИИ?
Предиктивный. Предсказание чисел по истории данных бизнес использует десятилетиями, ещё до того, как про искусственный интеллект стали говорить массово. Генеративный ИИ, который умеет писать связные тексты и вести диалог, стал массово доступен позже и вызвал куда больше шума в новостях.
Можно ли одной системой закрыть обе задачи?
Технически можно связать оба вида в одном процессе — например, чтобы предиктивная часть считала, кому что предложить, а генеративная писала само сообщение. Но это две разные системы под капотом, у каждой свои данные и своя логика проверки результата, а не одна универсальная модель на всё.
Что дешевле внедрить — предиктивный или генеративный ИИ?
Дешевле и быстрее обычно генеративный, потому что не нужно копить историю данных за годы — достаточно документов и регламентов. Но итоговая цена сильно зависит от задачи и объёма данных с обеих сторон, точнее скажем после разбора вашего случая.
Почему генеративный ИИ иногда отвечает уверенно, но неправильно?
Потому что он обучен продолжать текст правдоподобно, а не признаваться в незнании. Если ему не хватает фактов, он сочинит связный ответ вместо того, чтобы сказать «не знаю». Решается это не выбором другой модели, а тем, что помощник отвечает строго по документам компании и не может выйти за их пределы.
Нужна ли компании история данных за несколько лет, чтобы начать с предиктивного ИИ?
Желательно данные хотя бы за год, а лучше за два-три — так видно сезонность и повторяющиеся закономерности. Если истории меньше, предиктивная модель будет ошибаться заметно чаще, и разумнее сначала накопить данные, а начать с генеративного ИИ на документах.
Мы используем файлы cookie, чтобы сайт работал корректно и чтобы понимать, как им пользуются.
Если не хотите, чтобы мы считали посещения, нажмите «Отказаться». Подробнее — в
Политике обработки персональных данных.
+7 383 380-81-89
22 июля 2023
Назад к блогу
