Наука на заказ: как ученые за три месяца делают продукты для крупного бизнеса

Весной 2026 года в Москве запустили программу, в рамках которой крупные компании ставят наукоемкие задачи, а научные команды разрабатывают ИИ-продукты для их решения. Разбираемся, как ученые и бизнес нашли друг друга, как теория превращается в практику и какими результатами удивил первый сезон.

Не секрет, что у многих крупных компаний есть задачи, для которых на рынке еще нет готового решения. А параллельно университетская лаборатория или небольшая команда из Подмосковья несколько лет занимается именно этой темой, но друг о друге они ничего не знают. При этом у бизнеса есть деньги на решение, а у ученых — компетенции, не хватает только точки контакта.

Программа «Техлаб Москва» Московского инновационного кластера, кажется, такую точку создала. В первом сезоне — десять технологических задач от бизнеса, более 1200 заявок из 53 регионов, 50 отобранных команд в работе и больше 20 млн рублей на внедрение решений-победителей. Как это все устроено, рассказывает Власов, заместитель генерального директора Фонда «Московский инновационный кластер».

Часть 1. Разные скорости

Ученые и предприниматели живут в разном темпе. Научная команда может годами развивать свою разработку, а компании нужно решение конкретной задачи — и к понятному сроку. Интересы совпадают, но главная проблема в том, как заказчику найти исполнителя, а исполнителю — заказчика.

«Научной команде бывает трудно понять, какой компании нужна ее разработка. Корпорации, в свою очередь, сложно найти среди тысяч исследователей тех, кто глубоко разбирается именно в ее узкой тематике. Программа устроена так, чтобы убрать этот барьер», — говорит Максим Власов, заместитель генерального директора Фонда «Московский инновационный кластер».

Поэтому логика здесь такая: сначала разбирают запрос бизнеса — какую задачу компания хочет решить и какая экспертиза для этого нужна. Только потом под него ищут команды по всей стране. Со стороны формат легко спутать с хакатоном или акселератором, но разница принципиальная.

«Главное отличие — «Техлаб Москва» начинается не с идеи, а с конкретной задачи бизнеса. Заказчику нужен не просто интересный технологический продукт, а решение, которое позволит сократить затраты, ускорить процессы или повысить эффективность работы», — поясняет эксперт.

Измеримый эффект — это, например, сокращение сроков проектирования, экономия материалов или ускорение работы с документами и данными.

«Бизнесу часто недостаточно готовых ИИ-инструментов с рынка. Компаниям нужны решения, которые учитывают особенности их данных, внутренних процессов и требований к безопасности. Сочетание научной экспертизы и искусственного интеллекта позволяет быстро создать продукт под задачу заказчика», — отмечает «ВЕДам» Власов.

Часть 2. От задачи бизнеса до техзадания

Прием заявок стартовал 15 мая 2026 года, финальный этап отбора прошел 26 июня. Но работа программы началась раньше, с заказчиков. Их выбирали по характеру задач: для решения нужна серьезная научная экспертиза, а у технологии должно быть понятное практическое применение.

Еще одно условие — готовность компании самой участвовать в разработке и тестировать результат. В итоге задачи поставили А101, «Самолет» и «Галс-Девелопмент», Газпромбанк и Точка Банк, Positive Technologies, RUTUBE, «Рапид Био» и «Концентрация».

«Компании пришли к нам с конкретной потребностью: сократить время на выполнение определенной работы, автоматизировать сложный процесс или найти технологию, которой пока нет на рынке. Но между пониманием проблемы и постановкой задачи для разработчиков — большая разница», — рассказывает эксперт.

Поэтому каждый запрос разбирают вместе с заказчиком: какие данные доступны, какой нужен результат, какие есть технические ограничения и по каким критериям будут оценивать эффективность. Так бизнес-запрос превращается в техническое задание.

«Это важный этап: чем точнее сформулирована задача, тем выше вероятность получить не просто интересную разработку, а продукт, который действительно нужен компании», — отмечает Власов.

Когда задача понятна, начинается отбор команд, готовых бросить ей вызов. Их оценивали по трем критериям: уровень компетенций, новизна подхода и потенциал коммерциализации, то есть шанс со временем выйти за пределы одного клиента.

«Для нас было важно не просто наличие сильной научной базы. Мы искали команды, которые уже имеют опыт создания технологий и понимают, как применить свои исследования для решения реальной задачи бизнеса. Особое внимание уделяли предыдущим разработкам, исследовательским результатам и опыту участников», — делится с «ВЕДами» Власов.

Дальше — три месяца работы. С первых недель команды встречались с представителями компаний, уточняли требования и показывали промежуточные результаты. С научной частью командам помогали консультанты из исследовательской среды. Технические вопросы разбирали вместе с практикующими ИТ-специалистами: они помогали подготовить данные и встроить продукт в инфраструктуру заказчика.

Часть 3. Кто пришел и что получилось

На десять задач пришло более 1200 заявок из 53 регионов, при этом у 121 участника программы есть ученая степень, многие учились или работают в МГУ, ВШЭ, ИТМО, МФТИ, МГТУ имени Баумана и Сколтехе. Больше всего заявок собрали RUTUBE и Positive Technologies — примерно по 50 на каждую компанию, а на запрос Газпромбанка откликнулись 46 команд.

«Удивил масштаб регионального отклика. Больше всего заявок пришло из Москвы, но активно себя проявили Санкт-Петербург, Подмосковье, Краснодарский край, а также Томская и Иркутская области», — рассказывает Власов, заместитель генерального директора Фонда «Московский инновационный кластер».

Отобранные команды отличала конкретика: вместо рассказа о своих регалиях они сразу предлагали решение.

«Отобранные команды точно понимали задачу заказчика. В заявке они не ограничивались описанием своих компетенций: разбирали запрос компании по шагам, объясняли, какие методы применят, какие данные для этого нужны и какой результат заказчик получит через три месяца».

Важен был и состав. В приоритете оказались команды, где исследователь отвечал за научную основу, а инженеры понимали, как встроить решение в процессы компании. В итоге определили десять победителей. Самым неожиданным бизнес-решением руководитель программы называет кейс девелопера А101.

«На первый взгляд кажется, что проектирование армирования железобетонных конструкций (прим. «ВЕДов»: не пугайтесь, это расчет, где и сколько стержней нужно поставить в каркас дома) — сугубо инженерная работа, в которой искусственному интеллекту сложно найти применение. Но именно здесь ИИ может помочь автоматизировать сложные расчеты и оптимизировать расход материалов».

Задачу А101 решили сразу две команды. Contextmachine с помощью компьютерного зрения распознает расчетные карты нагрузок, переносит их в трехмерную модель здания и находит участки, где нужно дополнительное армирование. AI Diagnost рассчитывает, где расположить арматурные стержни и какого диаметра и длины они должны быть, чтобы не тратить лишний металл.

Другие кейсы получились не менее изобретательными. Петербургская команда «Эхострессэйай» сделала для Газпромбанка систему, которая анализирует более ста характеристик речи и помогает банку распознавать возможные мошеннические звонки. Команда из Краснодара «Замеси видео с ИИ» создала для RUTUBE модуль на основе искусственного интеллекта, который автоматически составляет подробное описание ролика. Система определяет, из каких сцен состоит видео, переводит речь в текст и распознает музыку. По этим данным платформе проще рекомендовать ролики зрителям и подбирать для рекламы подходящие моменты в видео. Команда HyperAgency из Клина создала для «Концентрации», поставщика химического сырья и лабораторного оборудования, ИИ-ассистента по закупкам.

Интересно, что сразу половина победителей — московские команды. Например, «Трейс» разработала для Positive Technologies ИИ-помощника, который восстанавливает цепочку кибератаки и поясняет, на основании каких данных сделал выводы. NormaChecker проверяет проектную документацию «Самолета» на соответствие строительным нормам, «ЗаконИИ» отслеживает для Точка Банка, как изменения законов повлияют на его продукты, а приложение «Сфера» от ArtificialLabs для «Рапид Био» с помощью искусственного интеллекта распознает результат домашнего медицинского теста по фотографии и помогает пользователю его интерпретировать. Ближе всего к внедрению разработка команды IZZZIO BI AI для «Галс-Девелопмента». Сотрудники компании формулируют вопрос в чате обычными словами, а система на основе искусственного интеллекта сама находит нужные данные во внутренних системах и собирает отчет.

Часть 4. Жизнь после финала

У каждой хорошей истории, как и у хорошей программы, есть финал. Победителей первого сезона «Техлаб Москва» объявили 29 сентября на Московском стартап-саммите. Общий объем финансирования на дальнейшее тестирование и внедрение решений превысил 20 млн рублей. Основную часть выделили заказчики, причем А101 разделила свою часть между двумя командами, потому что их решения дополняют друг друга. Также четыре команды получили гранты по 1 млн рублей от Московского венчурного фонда, а Yandex Cloud выделил 2 млн рублей на развитие облачной инфраструктуры.

«Для нас было важно, чтобы победа в программе “Техлаб Москва” не ограничивалась дипломом и денежным призом. Поэтому финансирование напрямую связано с дальнейшим развитием разработок», — рассказывает Власов.

Но решение, прошедшее все тестирования, еще должно выдержать встречу с реальностью.

«Решение нужно проверить в реальных условиях: на данных заказчика, в его информационных системах, в повседневной работе специалистов. Именно на этом этапе становится понятно, как разработка покажет себя в масштабе компании и что нужно сделать для ее полноценного внедрения», — говорит эксперт.

А пока победители будут внедрять свои разработки, остальные команды-участницы из системы не выпадают. Кластер подбирает им заказчиков с похожими задачами через сервис «Витрина заказчиков», где крупные компании и госкорпорации публикуют технологические запросы.

А для тех, кто захочет попробовать свои силы в следующем сезоне (он уже запланирован на 2027 год) — правила простые: ученая степень и готовый продукт не обязательны, но наработки нужны. Исследования, прототипы, работающие решения — все это повышает шансы. В команде может быть до десяти человек, подаваться можно и в одиночку.

«Команды без готового продукта иногда считают, что шансов у них нет. На деле заявки рассматривали на всех этапах: от идеи до действующего решения. Важна готовность взяться за задачу заказчика и предложить, как ее решить, адаптировав имеющуюся разработку или создав новую», — делится эксперт.

Сам руководитель программы измеряет успех не числом заявок, а тем, что будет дальше: приживутся ли разработки у заказчиков и начнут ли экономить им время и ресурсы. А в перспективе — выйдут ли они за пределы бизнеса.

«Решения, проверенные крупными компаниями, могут сделать городскую среду удобнее для жителей и помочь городским службам работать быстрее и точнее», — заключает Власов.