Цифровые сотрудники отечественного бизнеса. Развитие направления, выбор ИИ-агента, преимущества и подводные камни, роль для компаний, комментарии экспертов

ICT-Online.ru: По вашей оценке, насколько бизнесу интересно прибегать к помощи цифровых сотрудников? Какие плюсы это дает? В чем подводные камни?

Директор по управлению проектами направления генеративного ИИ компании Рексофт Юрий Шевченко: Интерес к цифровым помощникам, иначе говоря, ИИ-агентам сегодня достиг исторически высокого уровня. Практически каждая крупная российская компания либо уже использует цифровых сотрудников в продакшене, либо активно их пилотирует. Главные плюсы очевидны: линейная масштабируемость без линейного роста ФОТ, режим 24/7, стабильное качество работы и сокращение времени отклика на запрос с часов до секунд.

Директор по управлению проектами направления генеративного ИИ компании Рексофт Юрий Шевченко
Фото: Рексофт

А вот подводные камни обычно недооценивают. Например, «последняя миля» интеграции стоит на порядок дороже демо. Плюс к этому – галлюцинации LLM. Без инструментов контроля – guardrails, фильтрующих ненадежный вывод, и RAG, подтягивающего факты из внешних источников, – они могут нанести репутационный ущерб больше, чем сэкономить. По-прежнему остро стоят вопросы безопасности данных, особенно для регулируемых отраслей, поэтому очень важно иметь отдельный комплаенс-трек в любом проекте по ИИ-агентам.

Что касается развития – направление растет очень быстро и делится на три волны. Первая – классическая RPA-автоматизация, вторая – LLM-ассистенты с RAG. И третья – агентные системы agentic AI, которые уже не просто отвечают на вопрос, а самостоятельно выполняют сквозную задачу. Именно третья волна сейчас определяет повестку.

Технический директор BSS Дмитрий Свалов: Интерес высокий, он становится более прагматичным. Если пару лет назад внедряли чат-ботов и ИИ-ассистентов «потому что модно», то сейчас бизнес смотрит на цифровых сотрудников через призму конкретного эффекта: снижение нагрузки на контакт-центр, ускорение обработки обращений, повышение качества консультаций, сокращение времени адаптации сотрудников, помощь в продажах, разработке, документообороте и поддержке внутренних процессов.

Технический директор BSS Дмитрий Свалов
Фото: BSS

Главные плюсы цифровых сотрудников — доступность 24/7, масштабируемость, снижение стоимости типовых операций, единое качество ответа, быстрый доступ к корпоративным знаниям и возможность разгрузить людей от рутины.

Но подводные камни тоже серьезные: качество базы знаний, интеграция с учетными системами, безопасность данных, галлюцинации, отсутствие прозрачности принятия решений, сложность контроля и риск получить не помощника, а «черный ящик», который ломает бизнес-процесс. На мой взгляд, цифровой сотрудник должен быть встроен в архитектуру компании так же серьезно, как обычный сотрудник: с ролью, полномочиями, регламентами, журналированием, контролем качества и ответственным владельцем процесса.

Директор департамента голосовых цифровых технологий компании BSS Александр Крушинский: Да, бизнесу это интересно, особенно крупному. По данным аналитиков, 71 % российских компаний уже используют генеративный ИИ хотя бы для одной функции. А в традиционно технологичных секторах типа телекома – ИИ использует абсолютно каждая компания. Вот только до промышленной эксплуатации сейчас доходит от 5 % до 20 % ИИ-инициатив. И дело тут не в том, что один тип цифрового сотрудника внедряется лучше, чем другой тип, а в том, что понимание возможностей и ограничений ИИ сейчас довольно слабое, а в СМИ регулярно пишут хайповые новости про то, как кто-то сделал стартап без сотрудников и продал Google за миллиард.

Директор департамента голосовых цифровых технологий компании BSS Александр Крушинский
Фото: BSS

Директор департамента бизнес-решений и цифровой трансформации «Софтлайн Решения» (ГК Softline) Егор Ворогушин: Интерес бизнеса к цифровым сотрудникам — или, точнее, к ИИ-агентам и ИИ-ассистентам — сегодня очень высокий. И он продолжает расти. Причем это уже не выглядит как краткосрочная мода на новую технологию: за этим спросом стоят вполне прагматичные причины. Компании видят, что такие решения становятся более зрелыми, быстрее внедряются и позволяют решать задачи, которые еще несколько лет назад требовали отдельной команды людей или дорогостоящего ИT-проекта.

Директор департамента бизнес-решений и цифровой трансформации
«Софтлайн Решения» (ГК Softline) Егор Ворогушин
Фото: Softline

Самый очевидный мотив — экономика. В процессах, где много повторяющихся операций, цифровые сотрудники помогают снижать операционные расходы, уменьшать стоимость ошибки и быстрее масштабировать сервис без пропорционального роста затрат. Это особенно заметно в компаниях с большим объемом ручной обработки обращений, документов, заявок, типовых запросов.

Второй важный эффект связан с качеством процессов. ИИ-агент работает стабильно: он не теряет концентрацию к концу дня, не пропускает шаги инструкции из-за усталости, быстрее обрабатывает большие массивы информации. Для бизнеса это выражается в сокращении времени ответа клиенту, снижении числа ошибок в документах, ускорении внутренних согласований и более предсказуемом уровне сервиса.

Есть и более стратегический пласт. Крупные компании все чаще смотрят на цифровых сотрудников как на возможность пересобрать операционную модель. Речь уже идет не только об оптимизации отдельных функций, но и о том, как в целом должна быть устроена компания, если часть рутинных процессов выполняют агенты, а люди концентрируются на управлении, экспертизе, отношениях с клиентами и нестандартных ситуациях.

Отдельно я бы выделил влияние этой технологии на малый и средний бизнес. Раньше серьезная автоматизация была скорее инструментом крупных корпораций: нужны были бюджеты, интеграторы, длительные внедрения, проектные команды. Сейчас порог входа заметно снизился. Небольшая компания может подключить агента для обработки входящих обращений, квалификации лидов, подготовки коммерческих предложений или контроля задач. Это меняет конкурентную среду: в сегменте МСП преимущество будут получать те, кто раньше научится работать быстрее и дешевле за счет цифровых инструментов.

Для российского рынка это особенно актуально. Дефицит квалифицированных кадров и рост стоимости труда стали устойчивой проблемой для многих отраслей. В такой ситуации ИИ-агент постепенно становится не экспериментом «на будущее», а вполне прикладным инструментом повышения устойчивости бизнеса.

При этом о рисках важно говорить честно. Цифровой сотрудник — это все-таки технология, и ее можно использовать неправильно, если не понимать ее возможностей и ограничений. На практике основные сложности возникают вокруг данных, их качества, интеграции с корпоративными системами, контроля результата и общей надежности работы.

Важно учитывать и саму природу таких решений. ИИ-агент работает вероятностно. Даже если вероятность ошибки очень мала, она все равно не равна нулю. Он может некорректно интерпретировать запрос, сделать неверный вывод, опереться на неполные данные или выполнить действие не так, как ожидал пользователь. Поэтому в серьезных бизнес-сценариях нужны механизмы проверки, логирования, аудита действий и понятные зоны ответственности: где агент действует самостоятельно, а где требуется подтверждение человека.

Еще один большой блок — безопасность данных и информационная безопасность в широком смысле. Если агент получает доступ к корпоративным системам, документам, CRM, клиентской информации, финансовым или персональным данным, необходимо заранее продумывать права доступа, контуры изоляции, сценарии отказа и защиту от внешнего воздействия. В том числе нужно учитывать риск, что злоумышленник может попытаться повлиять на поведение агента, перехватить управление или заставить его выполнить действие, выходящее за рамки допустимого сценария.

В этом смысле внедрение цифрового сотрудника — не просто подключение модного инструмента, а полноценный ИТ-проект. Его нужно вести так же дисциплинированно, как любой другой критичный проект автоматизации: с архитектурой, тестированием, управлением рисками, контролем качества, требованиями к данным и безопасностью. Разница в том, что сама технология сейчас очень быстро развивается. Мы работаем с ней всего несколько лет, и новые возможности, ограничения и риски появляются постоянно. Поэтому команды, которые занимаются внедрением ИИ-агентов, должны быть буквально на переднем крае этой повестки — понимать не только текущие возможности технологии, но и то, где у нее пока остаются уязвимые места.

Есть и организационные риски. Сотрудники могут воспринимать цифровых коллег как угрозу, особенно если компания плохо объясняет цели внедрения. Тогда команды начинают сопротивляться, хуже передают данные, не доверяют результатам работы агента. Успешные проекты всегда сопровождаются внутренней коммуникацией: людям нужно показать, что агент забирает рутину и помогает им работать продуктивнее, а не просто «заменяет человека».

Сейчас рынок находится на очень активной стадии. Хайпа вокруг темы много, но он постепенно сменяется более зрелым подходом. Компании уже меньше интересуются экспериментами ради экспериментов и чаще спрашивают про KPI, ROI, интеграцию с ИT-ландшафтом и реальный экономический эффект. Это хороший признак: рынок взрослеет.

Ведущий архитектор решений компании «Интерпроком» Игорь Бреус: Сегодня под «цифровыми сотрудниками» понимают автоматизированные системы на базе искусственного интеллекта. Их ключевое отличие — способность анализировать неструктурированные данные, понимать смысл и контекст, адаптироваться к ситуации, вести диалог и выполнять многошаговые процессы.

Ведущий архитектор решений компании «Интерпроком» Игорь Бреус
Фото: «Интерпроком»

К числу основных плюсов можно отнести ускорение бизнес-процессов, снижение операционных издержек и повышение операционной эффективности. Цифровые сотрудники берут на себя рутину, высвобождая интеллектуальный потенциал людей для более важных и творческих задач. Они не устают, не подвержены стрессам и выгоранию, действуют по правилам и практически не совершают ошибок. Они работают круглосуточно, без доплат за ночные смены и переработки, не уходят в отпуск и на больничный, обеспечивая экономию фонда оплаты труда. Добавляем к этому высокую скорость обработки информации и реагирования на запросы и получаем практически идеального сотрудника.

Однако не всё так радужно в «ИИ-королевстве». За решениями цифровых сотрудников обязательно нужен контроль со стороны человека. Остаются актуальными проблемы информационной безопасности и обработки персональных данных. Для взаимодействия с разными системами требуется унификация интеграций и разработка соответствующих API. Серьёзными ограничениями могут стать потребность в мощных процессорах и энергообеспечение серверов для работы с большими объёмами данных. Не стоит забывать и о человеческом факторе: нехватка цифровых компетенций у персонала, страх потери рабочих мест и необходимость переобучения могут тормозить внедрение.

Чтобы минимизировать риски при внедрении, важен тщательный анализ процессов — где и каких специалистов можно перевести в цифровой формат. Необходимо обеспечить их интеграцию в рабочие процессы, наладить контроль, защиту данных, обучение персонала и проработать юридические аспекты.

Привлекательность цифровых специалистов высока как для бизнеса, так и для государственных структур, и популярность этого направления, безусловно, растёт.

Руководитель команды ИИ-платформы LANDEV AI Центра компетенций больших данных и искусственного интеллекта ЛАНИТ Владислав Балаев: Интерес очевидный: по данным McKinsey (State of AI, 2025), 23 % организаций в мире уже масштабируют агентный ИИ хотя бы в одной функции, ещё 39 % экспериментируют. В России, согласно результатам совместного исследования «Якова и Партнёров» и Яндекса, 71 % крупных компаний используют генеративный ИИ хотя бы в одной функции — год назад таких было 54 %. Только нужно сначала определиться, что мы понимаем под «цифровым сотрудником»: одно дело — делегировать агенту конкретную задачу, совсем другое — пытаться заменить им живого сотрудника на конкретной должности. Второй подход в подавляющем большинстве случаев не работает.

Руководитель команды ИИ-платформы LANDEV AI Центра компетенций
больших данных и искусственного интеллекта ЛАНИТ Владислав Балаев
Фото: ЛАНИТ

Реальная проблема в том, что большинство сотрудников выполняют не одну функцию. Они хранят контекст, который нигде не записан. Они знают, что регламент устарел и как на самом деле принято делать. Они чувствуют, когда ситуация нестандартная и надо позвонить Васе, который уволился год назад, но всё ещё отвечает в мессенджере. Агент с этим не справится, потому что этот контекст просто не существует в форме, пригодной для машинной обработки. Добавьте к этому юридические и комплаенс-ограничения: во многих процессах ответственность и подпись должны быть за конкретным человеком. Да, видится, что постепенно и этот барьер исчезнет, но не так быстро.

Там, где задача хорошо описана, данные структурированы и результат измерим, агенты действительно дают эффект. Klarna в первый месяц работы ассистента обработала 2,3 млн диалогов — две трети всех обращений в поддержку — и сократила среднее время решения с 11 минут до менее чем 2 минут. Morgan Stanley с помощью внутреннего инструмента DevGen.AI проанализировал около 9 млн строк легаси-кода и сэкономил порядка 280 тыс. часов работы разработчиков. JPMorgan оценивает ожидаемую бизнес-ценность от ИИ в $1,5-2 млрд в год. Эффект реальный и измеримый.

Однако та же Klarna в 2025 году стала примером того, чем заканчивается избыточная ставка на автономию: акцент на сокращении издержек в ущерб качеству привёл к падению удовлетворённости клиентов на сложных обращениях и росту повторных контактов — компании пришлось возвращать людей в поддержку. Ещё один поучительный сюжет — судебный прецедент Moffatt v. Air Canada: трибунал признал авиакомпанию ответственной за неверную информацию, которую выдал её чат-бот, и отклонил аргумент о том, что бот является отдельным субъектом. Бизнес отвечает за действия своего агента так же, как за собственный сайт.

Говоря о динамике рынка: Gartner прогнозирует, что более 40 % агентных ИИ-проектов будут закрыты к концу 2027 года — из тысяч вендоров, заявляющих агентные возможности, реальными обладают примерно 130, остальное аналитики называют agent washing (когда существующие продукты выдаются за агентные решения без наличия реальных агентных функций). Тренд настоящий, но зрелость рынка сильно переоценена.

Руководитель Лаборатории инноваций НОРБИТ (входит в группу ЛАНИТ) Дмитрий Демидов: Интерес к цифровым сотрудникам есть и достаточно высокий, однако градус хайпа несколько снизился, компании стали более осознанно и прагматично относиться к внедрению подобных инструментов. Главные плюсы здесь очевидны: цифровой сотрудник работает круглосуточно, допускает не больше ошибок, чем человек, не устает, что позволяет высвободить время людей для более сложных и творческих задач.

Руководитель Лаборатории инноваций НОРБИТ (входит в группу ЛАНИТ) Дмитрий Демидов
Фото: ЛАНИТ

Однако и барьеры тоже существенны. Первый — завышенные ожидания от ИИ: руководители часто думают, что цифровой сотрудник сам «поймет» контекст, хотя на самом деле ему требуется конкретный регламент и серьезные меры контроля. Второй — это грязные или неструктурированные входные данные, когда бизнес пытается автоматизировать процесс, который сам по себе хаотичен. Третий — окупаемость ИИ-проектов, здесь стоит обратить внимание на проведение пилотирования и правильную приоритизацию проектов.

Несмотря на это, популярность направления продолжает расти, а некоторые компании уже переходят от разовых внедрений роботов к системным программам создания целых цифровых отделов.

Генеральный директор Инфомаксимум Александр Бочкин: Интерес к цифровым сотрудникам у бизнеса растет, но меняется — становится более практическим. Компании ищут в ИИ исполнителя, который закроет конкретный участок процесса: разобрать документы, проверить данные, сопоставить информацию в системах, запустить действие, сформировать ответ на обращение и т.д.

Генеральный директор Инфомаксимум Александр Бочкин
Фото: Инфомаксимум

Это подтверждают и исследования. По данным нашего опроса среди топ-менеджеров крупнейших российских компаний, 64 % респондентов планируют в ближайшие 2 года увеличить расходы на ИИ минимум на 20 %. То есть бизнес не просто интересуется технологией, а готов закладывать под нее бюджеты. При этом показательно, что 64 % компаний готовы использовать ИИ именно как ассистента при обязательном контроле человека. Такой сотрудник не просто дает рекомендацию менеджеру, что делать, а сам выполняет все эти цепочки действий: извлечь данные, проверить их по правилам, найти расхождения, сформировать задачу, отправить на согласование или передать человеку только спорный случай.

Для бизнеса это дает минимум 3 больших плюса. Первый — скорость: процессы перестают зависеть от ручной обработки каждого однотипного повторяющегося действия. Второй — управляемость: операции становятся измеримыми, а не растворяются в почте, Excel и переключениях между системами. Третий — экономика: компания масштабирует поток задач без роста штата и, соответственно, ФОТ.

Однако без подводных камней не обойтись. Цифровой сотрудник «не спасет» плохо организованный процесс. Если в компании нет понятных правил, владельцев процесса, метрик и понимания, где именно теряются часы и деньги, ИИ только ускорит хаос. Поэтому главный подводный камень — внедрение «вслепую». Сначала нужно понять, где находится ручная нагрузка, какие операции повторяются, сколько они стоят и где автоматизация действительно окупится. Здесь будет актуально применение анализа бизнес-процессов (Process Mining) и анализа бизнес-операций (Task Mining): первая показывает процесс целиком по данным из логов, акцент второй — на повседневных действиях сотрудников на уровне интерфейсов систем. Именно эта предварительная диагностика позволяет не автоматизировать гипотезы, где ИИ будет полезен, а выбрать для него правильный и наиболее выгодный с экономической точки зрения участок работы.

Главный владелец продукта ContentCapture компании Content AI Антон Хаймовский: Цифровые помощники и цифровые сотрудники — одно из наиболее динамично развивающихся направлений корпоративной автоматизации в России. Мы это видим как на примере рыночной статистики, так и по количеству запросов именно на автоматизацию с помощью генеративного ИИ от наших заказчиков.

Главный владелец продукта ContentCapture компании Content AI Антон Хаймовский
Фото: Content AI

Но нужно помнить, что под понятием «цифровой сотрудник» могут подразумеваться и ИИ-ассистенты, и ИИ-агенты, и ИИ-работники. А это сильно различающиеся сущности, предназначенные для решения разных типов задач и обладающие разной степенью автономности.

Главный плюс внедрения цифровых сотрудников — сокращение FTE (Full‑Time Equivalent, эквивалент человека, работающего полный день). Сюда же можно отнести ускорение выполнения рутинных задач и вывода продуктов на рынок, улучшение клиентского сервиса, ускорение управленческих решений и повышение прозрачности процессов.

ИИ-ассистенты уже активно используются в задачах поиска информации, в работе с документами и дают ощутимый рост личной продуктивности. Все больше применяются агентские автоматизации, например, автоматическая обработка входящих сообщений, счетов, первичных бухгалтерских документов и т.д. А вот кейсов по внедрению автономных цифровых сотрудников — когда агент целиком и полностью работает в процессе без участия человека — мы, во-первых, сейчас на рынке не видим, и, во-вторых, пока не рекомендуем именно так применять эту технологию. Потому что до сих пор не решены вопросы с галлюцинациями и с ответственностью искусственного интеллекта.

На наш взгляд, использовать ассистентов в бизнесе уже можно, ИИ-агентов — тоже, а вот цифровых сотрудников — пока нет.

Что касается подводных камней, в первую очередь, это «галлюцинации» генеративного ИИ, во вторую очередь — дорогостоящая инфраструктура. Также еще предстоит много работы в части законодательства в области применения ИИ и преодолении дефицита специалистов с нужными компетенциями. Не стоит забывать и о рисках утечек конфиденциальных данных при использовании внешних облачных ИИ.

Технический директор компании Bercut (входит в ПАО «Ростелеком») Алексей Чистяков: Интерес очень высокий, но он быстро эволюционирует. Если в 2024 году заказчики спрашивали «можно ли подключить LLM к нашим данным», то в 2026 году вопрос звучит иначе: «как встроить цифрового сотрудника в наши бизнес-процессы так, чтобы он работал рядом с человеком и с уже существующими корпоративными системами».

Технический директор компании Bercut (входит в ПАО «Ростелеком») Алексей Чистяков
Фото: Bercut

Принципиальный сдвиг последнего года в том, что цифровой сотрудник перестал восприниматься как «умный ассистент», а занял роль третьего типа исполнителя в организации — наряду с человеком и классическим алгоритмом (микросервисом, RPA-роботом, BPM-процессом). У каждого из этих трех типов своя экономика, своя скорость и зоны компетенции — и задача архитектора процессов теперь в том, чтобы корректно распределить работу между ними.

Плюсы очевидны: цифровой сотрудник закрывает класс задач, который раньше был экономически невыгоден для автоматизации — слабоструктурированные коммуникации, разбор неструктурированных документов, первичная квалификация запросов, рутинная аналитика. Там, где классическая автоматизация требовала жесткой схемы данных и долгой разработки, агент справляется за счет работы с естественным языком.

О подводных камнях стоит говорить честно. Первый — галлюцинации и качество ответов: без правильной архитектуры (RAG, инструменты, верификация) агент уверенно выдает правдоподобную ерунду. Второй — интеграционный долг: агент полезен ровно настолько, насколько он подключен к корпоративным данным и системам действия, а это требует зрелой интеграционной платформы под ним. Третий — управляемость: агент должен жить в той же ролевой модели, аудите и регламентах, что и человек, иначе компания получает неуправляемого исполнителя с доступом к данным.

Руководитель ИТ-департамента «ОБИТ» Кирилл Тимофеев: Интерес к цифровым помощникам со стороны бизнеса сейчас действительно очень высокий, особенно на уровне ЛПР, которые ищут варианты оптимизации ресурсов, ускорения процессов и повышения эффективности бизнеса, а ИИ-инструменты как раз позиционируются как решение этих задач.

Руководитель ИТ-департамента «ОБИТ» Кирилл Тимофеев
Фото: «ОБИТ»

При этом одно дело — протестировать ИИ в формате пилота, и совсем другое — встроить его в реальные процессы компании, здесь сразу появляются вопросы безопасности, интеграции в чувствительные процессы, обучение и прививание культуры работы с ИИ. Еще один важный момент — вовлеченность самого бизнеса. Часто бывает ситуация, когда руководство в целом позитивно относится к технологии, но конкретного понимания, где именно ИИ принесет эффект, нет. Тогда задача уходит в ИТ-департамент с формулировкой «попробуйте что-нибудь потестировать, а мы в стороне посмотрим». Но без четкой бизнес-задачи эффективность таких проектов обычно остается размытой.

Руководитель направления технической поддержки CESCA Фёдор Фрольцов: Концепция цифровых сотрудников, ещё недавно казавшаяся футуристикой, стала одним из центральных векторов развития российского бизнеса. Рынок прошёл путь от точечных экспериментов к полноценной индустриализации, столкнувшись как с впечатляющими успехами, так и с отрезвляющими неудачами.

Руководитель направления технической поддержки CESCA Фёдор Фрольцов
Фото: CESCA

Ключевой показатель зрелости технологии — ее проникновение в бизнес-среду. Согласно исследованию «СберАналитики» (ноябрь 2025 г.), 39 % российских компаний уже используют ИИ-агентов и ИИ-ассистентов. Наибольшее распространение они получили в документообороте (70 %), финансах (55 %), HR (34 %) и клиентской поддержке (30 %).

Интерес бизнеса подогревается не только хайпом, но и измеримыми результатами. Внедрение цифровых помощников даёт компаниям следующие преимущества:

• Экономия. Внедрение ИИ-ассистентов на первой линии поддержки позволяет сократить расходы на фонд оплаты труда на 30-40 %. Промышленная платформа Ростеха ShokinGPT экономит в среднем от 3-5 рабочих часов в день на одного специалиста.
• Скорость и качество. 45 % компаний отчитались об ускорении типовых задач, 36 % — о снижении числа ошибок в документах и отчётах. ВТБ с помощью ИИ-платформы повышает точность ответов и ускоряет решение вопросов клиентов.
• Масштабирование. В отличие от прежних чат-ботов, ИИ-агенты способны автономно выстраивать сложные цепочки операций, обучаться на ошибках и координировать работу других систем.

Однако за стремительным ростом скрываются и серьезные вызовы:

• Проблемы с внедрением. Около 90 % пилотных проектов по внедрению генеративного ИИ в 2025 году были отложены, свёрнуты или трансформированы, и лишь 7-10 % дошли до полноценного внедрения. Главная причина — слабая интеграция в реальные бизнес-процессы компаний.
• Критическая нехватка кадров. Российский рынок остро ощущает дефицит ИИ-специалистов, способных разрабатывать и поддерживать агентные системы.
• Сопротивление и ошибки. Сотрудники часто сопротивляются внедрению новых технологий, а сами ИИ-агенты могут допускать дорогостоящие ошибки, например, в ценообразовании.

ICT-Online.ru: Какие типы цифровых сотрудников сейчас востребованы? Как бизнесу понять, какой нужен ему?

Юрий Шевченко (Рексофт): Условно я бы выделил пять классов. Первый – сценарные RPA-роботы, они хороши для четких, повторяющихся операций. Еще один – LLM-ассистенты с RAG, которые работают с корпоративной базой знаний. Третий тип – голосовые агенты для контакт-центров. Затем – code- и dev-ассистенты для инженерных команд. И пятый тип – агентные системы, которые сами ведут сквозные многошаговые процессы.

Чтобы понять, что требуется бизнесу – нужно посмотреть на процесс. При выборе агента многие совершают одну и ту же ошибку – начинают с технологии, то есть с утверждения «хотим внедрить LLM», тогда как правильный путь – ровно наоборот. Сначала нужно найти процесс, который одновременно попадает под три определения: высокочастотный, хорошо описанный и приносящий реальную боль. Затем оценить, насколько входные данные структурированы и есть ли по ним источник истины. Следом подобрать минимально достаточный класс решения – например, если задачу закрывает RPA, не нужна никакая LLM – и обязательно зафиксировать метрики успеха еще до старта пилота.

Приведу простое правило: если процесс нельзя понятно описать словами, его не сможет выполнять и цифровой сотрудник.

Дмитрий Свалов (BSS): Сейчас востребованы несколько типов цифровых сотрудников.

Первый тип — клиентские ассистенты: голосовые боты, чат-боты, помощники в мобильных приложениях и мессенджерах. Их задача — закрывать типовые обращения, маршрутизировать клиента, отвечать на вопросы, помогать с продуктами и сервисами.

Второй тип — ассистенты сотрудников: суфлеры операторов, помощники для контакт-центра, HR-ассистенты, помощники для онбординга, внутренние поисковые ассистенты по базе знаний, регламентам и документам.

Третий тип — процессные и агентные решения: ИИ-агенты, которые не только отвечают на вопрос, но и выполняют цепочку действий: ищут информацию, проверяют данные, формируют документ, создают заявку, передают задачу в нужную систему. Это уже не «бот», а участник бизнес-процесса.

Четвертый тип — специализированные цифровые сотрудники: ассистенты разработчика, аналитика, юриста, специалиста поддержки, продаж, комплаенса, информационной безопасности. Их ценность в том, что они работают не вообще «с текстом», а с конкретным доменным контекстом компании.

Как понять, какой нужен? Начинать надо не с выбора модели и не с красивого интерфейса, а с бизнес-задачи. Нужно ответить на четыре вопроса: какой процесс болит, сколько стоит эта боль, какие данные и системы нужны помощнику, и где должна оставаться зона ответственности человека. Если процесс типовой, часто повторяется и имеет понятные правила — его можно автоматизировать глубже. Если процесс рискованный, регулируемый или требует экспертного решения — ИИ должен быть ассистентом, а не автономным исполнителем.

Александр Крушинский (BSS): Не надо формировать завышенные ожидания от ИИ. Даже сам термин «Цифровой сотрудник» говорит о излишнем оптимизме. Термин предполагает, что ИИ может заменить любого сотрудника «целиком». А вообще-то – автоматизировать надо процессы и функции, а не сотрудника. Хотя бы потому что одни работы отлично автоматизируются ИИ, другие лучше делать традиционными средствами, а третьи вообще не стоит автоматизировать.

Не надо рассчитывать, что ИИ будет умнее специалиста. Быстрее в 10 раз – да, но не умнее. Если человек не может решить проблему – ИИ тоже ее скорее всего не решит. Есть некоторые области, где ИИ дает невероятный результат - раз в 1000 быстрее и дешевле, чем когда это делают люди. Это, например, массовый креативный контент типа маркетинговых описаний или прототипирование ПО.

Однако не надо ориентироваться на качество ChatGPT, если вы не можете себе ее позволить. Если безопасники разрешают только модели внутри закрытого контура – вы будете вынуждены использовать средние модели на 9-30 параметров. И они будут ощутимо слабее ChatGPT на триллион параметров. В общем, тестировать надо на тех моделях, которые вы потом сможете использовать в промышленной эксплуатации.

Если ИИ нужен в закрытом контуре – посчитайте заранее стоимость серверов, и может оказаться, что дешевле нанять людей. Плановые расходы на облачные сервисы тоже могут выходить в приличные суммы, особенно если планируется внедрение мультиагентных систем, когда одна задача обрабатывается в несколько подходов.

В целом ИИ дороже традиционной автоматизации, и если вам нужно автоматизировать процесс, ИИ-агент должен иметь доступ к информации. Если нет API к информационным системам, если информация распространяется «из уст в уста», а та, что задокументирована, устарела еще пару лет назад – ИИ-агент работать не сможет, какой бы умный он не был.

Универсальная «ИИ-платформа» – часто худший выбор: узкая специализация и встраивание ИИ в прикладные системы дают заметно лучший результат.

Егор Ворогушин («Софтлайн Решения»): Если смотреть на зрелость решений и понятный экономический эффект, сейчас наиболее востребованы несколько типов цифровых сотрудников.

Первый — агенты клиентской поддержки. Это один из самых очевидных сценариев, потому что там много повторяющихся запросов и понятная экономика. Такой агент может работать круглосуточно, быстро отвечать клиентам, снижать нагрузку на контакт-центр и закрывать значительную часть типовых обращений без подключения оператора. При качественной интеграции с CRM и базой знаний такие решения способны брать на себя до 90 % стандартных запросов.

Второй востребованный тип — аналитические ассистенты и помощники для продаж. Они помогают менеджерам быстрее готовиться к встречам, анализировать сделки, собирать информацию о клиенте, формировать коммерческие предложения и отрабатывать возражения. Особенно хорошо это работает в B2B-сегменте, где длинный цикл сделки, много участников и высокая цена ошибки.

Третье направление — ассистенты для разработки программного обеспечения. Они помогают писать код, готовить тесты, формировать документацию, находить ошибки и ускорять рутинные задачи разработки. Здесь эффект часто измеряется быстрее, чем в других направлениях: команды видят прирост производительности, сокращение времени на типовые операции и более быстрое прохождение отдельных этапов разработки.

Чтобы понять, нужен ли компании цифровой сотрудник, я бы предложил смотреть на процесс через три признака. Во-первых, задача должна выполняться внутри ИT-систем или опираться на данные, к которым можно дать доступ агенту. Во-вторых, процесс должен быть достаточно воспроизводимым: если каждый раз требуется творческое решение, тонкое суждение или глубокая человеческая экспертиза, автоматизировать его сложнее. В-третьих, у процесса должен быть масштаб. Если задачу выполняет много людей или она занимает существенное количество времени, даже частичная автоматизация может дать заметный эффект.

Хороший практический тест звучит так: мог бы новый сотрудник выполнять эту задачу строго по инструкции, если бы у него был доступ ко всем нужным данным? Если ответ положительный, процесс можно рассматривать как кандидата на автоматизацию.

При этом важно различать уровни самостоятельности цифровых помощников. На базовом уровне находится простой чат-бот, который работает по заранее заданному сценарию. Следующий уровень — LLM-ассистент, который понимает контекст и может формулировать более гибкие ответы, но сам не выполняет действия в корпоративных системах. Более продвинутый вариант — агент, способный обращаться к ИТ-системам, создавать задачи, отправлять уведомления, запрашивать данные из внешних систем. Самый сложный уровень — автономный агент, который сам планирует последовательность действий, принимает промежуточные решения и доводит задачу до результата.

Чем выше автономность, тем больше потенциальный эффект. Но вместе с этим растут требования к архитектуре, качеству данных, безопасности и контролю. Поэтому большинству компаний разумнее начинать с более простых сценариев и постепенно двигаться к сложным агентным моделям.

Игорь Бреус («Интерпроком»): Интерес бизнеса к ИИ сейчас на пике, но важно отличать реальный потенциал от хайпа. Внедрение ИИ — это не «волшебная таблетка», а способ повысить эффективность хорошо выстроенных процессов. Привлечение к работе цифровых сотрудников требует взвешенного разумного подхода. Не стоит внедрять сложный ИИ там, где достаточно простого правила или формы.

На сегодняшний день есть ряд технологий, которые, на мой взгляд, уже работают и достойно себя проявили, являются зрелыми и эффективными: RPA-роботы для рутинных операций с детерминированным алгоритмом и предсказуемым результатом, работающие строго по сценарию; чат-боты на базе LLM, используемые на первой линии поддержки, умеющие работать с корпоративной базой знаний и не «галлюцинировать»; аналитические агенты для мониторинга метрик, генерации дашбордов, выявления устойчивых трендов и аномалий.

А полностью автономные и принимающие решения агенты, как и универсальные ИИ-сотрудники, — это пока скорее область рекламы. На практике даже самые продвинутые системы требуют обязательного контроля со стороны человека.

Как понять, какой именно цифровой помощник нужен и для каких задач? Сложный вопрос, и у меня на него нет однозначного ответа.  С моей точки зрения имеет смысл внимательно прислушиваться к сотрудникам. Нужно найти точки, где происходит наибольшее выгорание из-за монотонности труда и отсутствия интеллектуальной составляющей или где совершается много ошибок из-за человеческого фактора. Именно туда стоит направить свои усилия по внедрению цифровых сотрудников.

Выбор подхода и технологии зависит от конкретной задачи. Рутина с данными и формами – поможет RPA, коммуникации – подойдет чат/голосовой бот, аналитика – подключаем ИИ-агента и LLM. При выборе также критически важно учитывать вопросы интеграции с существующими системами и соблюдение регуляторных требований, например, 152-ФЗ о защите персональных данных и их локализации. Лучше всего начать с пилотного проекта, чтобы оценить реальный эффект.

Безусловно, творческие задачи, решение сложных, нестандартных проблем и принятие стратегических решений остаются за людьми.

Важно помнить: качество работы ИИ напрямую зависит от качества данных. Принцип «мусор на входе — мусор на выходе» работает безотказно. Кроме того, процесс обучения и обновления моделей должен не просто быть, но и быть под контролем.

Владислав Балаев (ЛАНИТ): Классифицировать агентов удобнее не по отделам, а по архитектуре и степени автономии — именно это определяет сложность внедрения и риски.

Самая массовая категория сегодня — узкоспециализированные агенты под одну задачу. По оценке Precedence Research, на них приходится около 62 % рынка: они реактивны, выполняют одну понятную функцию и проще всего во внедрении. Следующий уровень — многоагентные системы, где оркестратор распределяет работу между несколькими узкими агентами. Gartner ожидает, что к 2028 году такую архитектуру будут использовать до 70 % ИИ-приложений. Отдельно выделяется класс контролирующих агентов (guardian agents), которые следят за действиями других агентов — по прогнозу Gartner, к 2030 году они займут 10-15 % рынка агентных ИИ.

С точки зрения зрелости функций картина такая. Наиболее отработанная категория — клиентская поддержка: короткий срок до результата, понятные метрики, но работает, если отсутствует высокий риск репутационных проблем. Финансовый бэк-офис (обработка первички, сверка, закрытие периода) хорошо автоматизируется за счёт структурированных данных. Сервис-деск — зрелая зона с измеримым эффектом. В общем-то, она давно автоматизируется с так называемым ИИ, но развитие генеративных технологий добавляет больше возможностей. HR, продажи, юридический ресёрч — функции, где агенты уже работают, но требуют более аккуратной интеграции. Уже сейчас автоматизация разработки с помощью ИИ дает очень хороший эффект, хотя индустрии предстоит решить еще много задач, как этим разработчикам с ИИ научиться работать совместно.

Важно понимать, что архитектурно существуют два разных паттерна внедрения: в одних сценариях агент работает как ассистент конкретного человека, в других — встроен в автоматический процесс без участия человека на каждом шаге. Требования к надёжности у них разные, и их нельзя смешивать при оценке результата.

Перед запуском пилота стоит ответить на три вопроса. Первый: есть ли чистые данные для этой задачи? McKinsey отмечает, что 80 % компаний называют качество данных главным барьером масштабирования — если процесс существует в виде переписки в мессенджерах и устных договорённостей, начинать нужно не с агента. Второй: можно ли измерить результат? Без внятной метрики невозможно понять, работает ли система. Третий: что произойдёт, если агент ошибётся? Если последствия управляемы — двигайтесь вперёд; если ошибка может незаметно накапливаться месяцами — это риск, который нужно заложить в архитектуру с самого начала. Практически все известные провалы — McDonald's, Klarna, Air Canada — лежат в зоне «высокая цена ошибки плюс нестандартные ситуации».

Дмитрий Демидов (НОРБИТ): Такие решения можно разделить на три основных типа. Первые — RPA-роботы, которые отлично справляются с рутинными действиями по четким правилам: перенос данных из Excel в 1С, формирование документов, рассылка отчетов. Вторые — чат-боты на базе больших языковых моделей для обслуживания клиентов и сотрудников, они отвечают на типовые вопросы в диалоговом формате. Третьи — цифровые двойники, которые анализируют данные и помогают принимать решения, например, прогнозируют остатки товаров или отток клиентов.

Чтобы определиться, лучше начать не с выбора технологии, а с аудита конкретного бизнес-процесса. Если имеем дело с четким и объемным, но очень простым по логике — нужен RPA. Если задача связана с живым общением и большим количеством нестандартных фраз-запросов — нужен LLM-бот. Если нужно моделировать и предсказывать — цифровой двойник или прогнозная модель. Без этого аудита высок риск не получить финансовый эффект.

Александр Бочкин (Инфомаксимум): Самые полезные цифровые сотрудники появляются там, где много монотонной и постоянно повторяемой однообразной работы. Например, в закупках цифровой сотрудник может проверять заявки, счета, спецификации, договоры, коммерческие предложения, сверять условия с учетной системой, находить расхождения и готовить данные для согласования или оплаты. Это особенно ценно и важно, потому что закупки часто выглядят как формализованный процесс, но на практике состоят из множества ручных микродействий.

В финансах и бухгалтерии он может проверять первичные документы, реквизиты, суммы, даты, комплектность пакета, соответствие договору и внутренним правилам. Здесь цена ошибки высока и порой выражается не только в потере денег, но и возможных проблемах с регуляторами, при этом объем однотипных операций большой.

В HR цифровой сотрудник полезен на этапах первичного отбора резюме, обработки кадровых документов, ответов на типовые запросы сотрудников, контроля статусов по найму или адаптации.

В клиентском сервисе он может классифицировать обращения, извлекать суть запроса, искать данные в CRM, биллинге или других системах, готовить ответ оператору или выполнять стандартное действие самостоятельно.

В страховании и банках — анализировать анкеты, заявления, клиентские документы, признаки отклонений, статусы проверок, комплектность данных. В таких процессах цифровой сотрудник особенно полезен как «первый контур обработки»: он снимает массовую рутину, а человеку передает нестандартные или рискованные случаи.

Чтобы понять, какой цифровой помощник нужен, бизнесу стоит идти от процесса. Если бы можно было сформировать алгоритм, я бы представил его так: сначала увидеть фактический маршрут процесса через Process Mining, затем разобрать ручные операции через Task Mining, потом выбрать участки с высоким объемом повторений, понятными правилами и заметной стоимостью ручного труда. Только после этого становится ясно, нужен ли компании цифровой сотрудник для документов, коммуникаций, сверок, контроля, аналитики или поддержки принятия решений.

Антон Хаймовский (Content AI): Как я уже говорил, сейчас наиболее востребованы ИИ-ассистенты и ИИ-агенты. Ассистенты работают в диалоговом режиме и помогают сотруднику ускорить выполнение рутинных задач, например, подсказывают, как оформить отпуск или что предложить клиенту из ассортимента. В наших проектах такие сценарии реализуются на базе платформы Content AI Intelligent Search: цифровые ассистенты помогают находить информацию во внутренних источниках организации, быстро извлекать смысл из объемных документов, проверять их на соответствие регламентам.

ИИ-агенты предназначены для автоматизации четко структурированных процессов, которые идут в потоке. При этом агент самостоятельно анализирует контекст, выбирает нужные инструменты и выполняет действия без участия человека, а значит, и ответственность за результат у него выше. Поэтому внедрение агентов фактически проверяет операционную зрелость компании. Значительная часть пилотов сворачивается не из-за технологии, а из-за того, что не удается подтвердить экономический эффект или вскрываются внутренние организационные препятствия.

Разница между ними в том, что ассистенты работают в диалоговом режиме и помогают ускорить выполнение структурированных и неструктурированных рутинных задач, а ИИ-агенты предназначены для автоматизации четко структурированных задач и процессов.

Чтобы понять, какой вариант цифрового помощника нужен бизнесу и для каких задач, мы рекомендуем провести внутренний аудит готовности по пяти направлениям:

• качество описаний процессов, которые планируется передать агенту;
• в каком состоянии находятся данные и базы знаний;
• готова ли ИТ-инфраструктура к агентной логике;
• кто внутри компании отвечает за действия агента;
• как обеспечивается прозрачность процессов и безопасность работы агентов.

Целевые метрики эффективности — сокращение FTE или улучшение клиентского опыта — лучше определить заранее, на этапе аудита.

Чаще всего в российских компаниях таким образом автоматизируют документооборот и обработку заявок, бухгалтерию и финансовый учет, HR-процессы, поддержку клиентов, продажи и маркетинг. Оптимальная стратегия — начать с ограниченного пилота на два-три месяца в сценарии с низкими рисками, фиксировать метрики и масштабировать только то, что даст реальную экономическую эффективность.

Алексей Чистяков (Bercut): На практике мы выделяем несколько устойчивых классов цифровых сотрудников, и они существенно отличаются по архитектуре и зрелости.

Так, например, информационные агенты — работают с корпоративной базой знаний, отвечают на вопросы сотрудников и клиентов, разбирают документы. Это самый зрелый сегмент, типовая архитектура — RAG над корпоративным контентом. Вход в проект относительно низкий, окупаемость предсказуема.

Агенты-операторы, в свою очередь, выполняют действия в корпоративных системах: создают заявки, обновляют CRM, формируют документы, отвечают на письма. Здесь критична интеграционная обвязка: агент бесполезен без надежного доступа к API корпоративных систем, и именно поэтому такие проекты часто упираются не в LLM, а в зрелость ESB и API-менеджмента.

Агенты-аналитики и квалификаторы — обрабатывают входящий поток (лиды, обращения, резюме, документы), извлекают структурированные данные и маршрутизируют дальше. Очень практичный класс с быстрым возвратом инвестиций (ROI).

Есть еще многоагентные системы — это несколько специализированных агентов под управлением оркестратора, закрывающие сквозной процесс. Это уже зона зрелых заказчиков — здесь начинается настоящая замена части человеческой работы, но и архитектурные требования принципиально выше.

Мы рекомендуем компаниям начинать не с выбора технологии, а с инвентаризации работ. Суть этого этапа заключается в работе с конкретным процессом: в нем выделяются задачи и оценивается, какой исполнитель — человек, алгоритм или агент — экономически и качественно эффективнее на каждом шаге. Это снимает главную ошибку рынка: попытку «прикрутить агента» туда, где уместнее простая автоматизация или, наоборот, человек.

Кирилл Тимофеев («ОБИТ»): Сейчас рынок уходит от универсальных коробочных решений в сторону специализированных ИИ-агентов, которые создаются под конкретные задачи отдела или сотрудника. Очень востребованы решения для корпоративных баз знаний — когда сотрудник может за секунды получить нужную информацию из внутренних документов, регламентов, инструкций компании. В финансовом блоке ИИ-помощники используют для подготовки отчетности, анализа рисков, бюджетирования и визуализации данных. В маркетинге и PR — для генерации контента и аналитики. В HR активно внедряются инструменты для автоматизации массового найма, онбординга и обучения сотрудников. Отдельно стоит отметить клиентский сервис и контакт-центры — это сейчас одно из самых зрелых и эффективных направлений. Например, речевая аналитика на базе ИИ уже показывает вполне прикладные результаты. Анализ звонков и чатов помогает выявлять проблемные точки в коммуникации, определять эмоции клиентов, контролировать качество сервиса и находить точки роста продаж. В некоторых кейсах компании действительно получают рост допродаж на 15-20 %.

Кроме того, все более популярными становятся ИИ-помощники для оптимизации рутинной работы: обработка больших документов, подготовка резюме встреч, написание писем, ответы на типовые вопросы, планирование задач.

При поиске решения важно честно ответить себе на вопрос: где сейчас теряется время, деньги или качество сервиса, и уже под это подбирать инструмент.

Фёдор Фрольцов (CESCA): Рынок предлагает широкий спектр решений, различающихся по своей сложности и функционалу. Эксперты выделяют несколько основных типов:

• Ассистенты. Самая простая форма, реагирующая на запросы пользователя (наиболее распространены в 2025 году).
• Агенты-исполнители. Выполняют конкретные действия: генерируют код, составляют документы.
• Мультиагентные системы. Комплексные решения, где несколько агентов вместе работают над сложной задачей, подобно команде людей.
• Специализированные агенты. Создаются под специфические задачи конкретных отраслей: от кибербезопасности до нефтепереработки.

Понимание этих различий и чёткое определение целей — ключ к успешному выбору. Эксперты советуют фокусироваться на проектах с измеримым эффектом и использовать итеративный подход с быстрыми циклами обратной связи в 2-3 месяца от идеи до MVP (минимально жизнеспособного продукта).

Скорость изменений настолько высока, что, по некоторым оценкам, до половины пользовательского трафика в ближайший год может сместиться из классических поисковиков в интерфейсы на базе ИИ. Российский рынок HR-Tech с ИИ-агентами, по прогнозам MWS AI, достигнет 1,3 млрд рублей уже в 2026 году.

ICT-Online.ru: Сыграют ли цифровые помощники важную роль в развитии автоматизации? Какие из них окажут наибольшее влияние?

Юрий Шевченко (Рексофт): Однозначно да. И эта роль будет одной из определяющих в ближайшие три-пять лет. Этому способствуют сразу несколько факторов: структурный дефицит квалифицированных кадров, зрелость отечественного ИИ-стека и доступных open-source моделей для on-prem развертывания, накопленный data-фундамент в крупных компаниях и качественный сдвиг: мы переходим от простых ассистентов к полноценным агентам.

Теперь что касается влияния. По нашей оценке, наибольший эффект дадут четыре направления. Первое – агенты в операционных back-office процессах: финансы, закупки, документооборот, поскольку там самая прозрачная экономика. Второе – ИИ-ассистенты разработчиков и инженеров. Они мультиплицируют производительность тех, кто строит все остальное. Третье – цифровые сотрудники клиентского сервиса – самый массовый пользовательский опыт. И четвертое – внутренние knowledge-ассистенты, которые «расшивают» зависимость компании от конкретных носителей экспертизы.

Резюмируя все вышесказанное: выигрывать будут не те, кто быстрее всех «внедрит ИИ», а те, кто выстроит вокруг него зрелую инженерную и операционную дисциплину – данные, безопасность, измеримость и постоянное улучшение.

Дмитрий Свалов (BSS): Да, сыграют. Но я бы не называл это просто очередным этапом автоматизации. Классическая автоматизация хорошо работает там, где процесс заранее описан: кнопка, маршрут, статус, регламент. Цифровые помощники и ИИ-агенты добавляют возможность работать с неструктурированным контекстом: текстами, звонками, письмами, документами, знаниями, историей клиента, внутренними регламентами.

Наибольшее влияние окажут три класса решений:

• Первый — цифровые сотрудники для клиентского сервиса и контакт-центров. Там много повторяемых обращений, высокая стоимость ожидания и хорошо измеримый эффект.
• Второй — внутренние ассистенты знаний: помощники для сотрудников, операторов, менеджеров, HR, юристов, специалистов поддержки. Они не обязательно заменяют человека, но резко сокращают время поиска информации и снижают зависимость от «носителей сакрального знания».
• Третий — агентные помощники, встроенные в бизнес-процессы и корпоративные системы. Это следующий уровень: не просто ответить, а выполнить действие, подготовить документ, проверить данные, создать заявку, собрать контекст и передать человеку уже готовый вариант решения.

При этом я не верю в сценарий, где бизнес просто «нанимает цифровых сотрудников» и увольняет людей. Реальный эффект будет у компаний, которые перестроят процессы под совместную работу человека и ИИ.

Мой прогноз: в ближайшие годы цифровые сотрудники станут нормальным элементом корпоративной ИТ-архитектуры. Но победят не самые «разговорчивые» ассистенты, а самые управляемые, безопасные и глубоко встроенные в реальные бизнес-процессы.

Егор Ворогушин («Софтлайн Решения»): Да, и эта роль будет очень значимой, цифровые помощники могут стать одним из ключевых факторов следующего этапа автоматизации бизнеса.

На первом уровне эффект будет экономическим. Компании смогут снижать стоимость операций, ускорять обработку задач, повышать производительность и маржинальность. По логике это продолжение предыдущих волн автоматизации — ERP, RPA, систем электронного документооборота, BI-системм (Business Intelligence). Но у ИИ-агентов гораздо шире поле применения: они позволяют автоматизировать не только структурированные операции, но и процессы, где есть язык, контекст, документы, переписка, интерпретация информации.

На втором уровне изменения будут организационными. Постепенно начнут появляться компании, которые изначально строят процессы с расчетом на совместную работу людей и агентов. В таких моделях цифровые сотрудники берут на себя значительную часть операционных функций, а люди фокусируются на стратегии, развитии бизнеса, отношениях с клиентами и сложных управленческих решениях. Это меняет саму логику операционной модели бизнеса.

Отдельный вопрос — влияние на рынок труда. Распространенная формула про то, что «роботы заберут работу», слишком упрощает реальность. Скорее мы увидим перераспределение ролей. Часть профессий, связанных с воспроизведением типовых сценариев, действительно будет сокращаться или сильно меняться. Но параллельно появится спрос на новые компетенции: постановка задач агентам, контроль качества их работы, проектирование агентных процессов, аудит решений, управление цифровыми сотрудниками.

По сути, формируется новая управленческая и профессиональная компетенция. Компании, которые начнут развивать ее внутри уже сейчас, получат преимущество. Они быстрее адаптируют процессы, спокойнее пройдут через сопротивление команд и смогут извлечь из технологии не разовый эффект, а системную пользу.

Для России это особенно важно из-за кадрового дефицита в ряде отраслей. Там, где бизнесу сложно быстро найти и удержать специалистов, автоматизация становится не просто способом сэкономить, а условием развития. Компании, которые раньше научатся грамотно использовать цифровых сотрудников, будут сильнее с точки зрения скорости, эффективности и устойчивости.

Игорь Бреус («Интерпроком»): Цифровые помощники, на мой взгляд, будут играть если не ключевую, то очень важную роль в развитии автоматизации бизнес-процессов российских компаний. Этому способствуют три основные причины: экономическая целесообразность, демографический вызов и активная государственная поддержка развития ИИ.

Внедрение ИИ-помощников при правильном подходе уже сегодня даёт быстрый и ощутимый эффект, обеспечивает компаниям конкурентные преимущества и позволяет значительно сокращать издержки. Искусственный интеллект способен оперативно анализировать многомерные данные, что напрямую влияет на скорость и качество принятия управленческих решений.

Кроме того, ИИ-технологии помогают наращивать производительность в условиях кадрового дефицита, который является бесспорным трендом на годы вперёд. Государственное стимулирование развития этой сферы помогает предприятиям активнее и увереннее двигаться в данном направлении.

Люди и цифровые сотрудники уже сегодня работают вместе в одной команде. Это не далёкое будущее, а объективная реальность.

Владислав Балаев (ЛАНИТ): Да, они сыграют, на наш взгляд, важную роль во всей нашей жизни в целом. Но пока горизонт реального масштабного влияния — не завтрашний день, и к нему нужно готовиться заблаговременно, иначе компания рискует проиграть в скорости тем, кто начал раньше.

Попытка революционно перейти от состояния «почти нет ИИ» к «AI-first компании» через один большой проект — дорогостоящая ошибка. Gartner прогнозирует закрытие более 40 % агентных проектов к концу 2027 года именно потому, что компании берутся за автономию, не выстроив под неё инфраструктуру. Рабочая альтернатива выглядит иначе: сначала привести в порядок данные и регламенты, затем автоматизировать отдельные функции с измеримым результатом, и только потом постепенно расширять зону ответственности агента, опираясь на накопленную историю его работы.

Параллельно нельзя игнорировать риски, которые растут вместе с возможностями. По данным Gartner (сентябрь 2025 г.), 74 % ИТ-руководителей рассматривают ИИ-агентов как новый вектор атаки на организацию, и только 13 % уверены в достаточности своих политик управления ИИ и данными. Промпт-инъекции, утечка данных через агента, юридически значимые решения без аудит-трейла — реальные операционные риски, а не теоретические.

Компании, которые уже сейчас выстраивают порядок в данных и учатся строить агентные системы с нормальным мониторингом и контролем, окажутся в выигрышной позиции, потому что смогут масштабировать его быстро, когда технология дозреет до их задач. По оценке MWS, к 2027 году половина российских компаний начнёт использовать GenAI и ИИ-агентов. Стартовать с нуля в тот момент, когда рынок уже в движении, будет существенно сложнее.

Дмитрий Демидов (НОРБИТ): Цифровые помощники сыграют не просто важную, а критическую роль в автоматизации бизнес-процессов российских компаний. Без них малый и средний бизнес в условиях кадрового голода и необходимости повышать производительность просто не вытянет конкурентную гонку. Будущее за гибридными цифровыми сотрудниками, которые находятся на стыке классического RPA и больших языковых моделей. ИИ-агенты, которые и понимают сложный контекст как человек, и умеют выполнять конкретные действия в учетных системах. Мы регулярно получаем запросы от бизнеса примерно с одной и той же формулировкой: бизнес растет, и хочется сдержать рост штата кадров за счет применения ИИ.

Александр Бочкин (Инфомаксимум): Они уже играют важную роль, потому что закрывают тот слой работы, который часто остается ручным даже после внедрения ERP, CRM, ЭДО, RPA и других систем. Процесс вроде бы цифровой, но сотрудник все равно переносит данные, сверяет документы, ищет информацию, контролирует статусы и готовит типовые ответы.

Уверен, что наибольшее влияние окажут не универсальные ИИ-помощники, а цифровые сотрудники, встроенные в конкретные процессы. Их задача — брать на себя первый контур обработки: классифицировать запрос, извлечь данные, проверить их по правилам, найти расхождения и передать человеку на верификацию только спорный или рискованный случай.

Антон Хаймовский (Content AI): Цифровые помощники сыграют огромную роль в автоматизации российского бизнеса. Мы уже видим это в реальности. В агентной автоматизации измерим бизнес-результат. Крупная компания приблизительно понимает, во сколько оценивается та и иная бизнес-операция. Когда этих операций большое количество, и есть понимание, сколько стоит решение от вендора, можно достаточно легко посчитать ROI.

Наибольший экономический эффект в настоящий момент достигается с помощью ИИ-агентов, которые автоматизируют сотни тысяч операций. Потому что компании сейчас переходят от истории с выполнением KPI по внедрению ИИ к запросам экономии ресурсов бизнеса или получению дополнительной выручки.

Можно ожидать, что цифровые помощники станут одним из главных факторов повышения операционной эффективности российских компаний в течение следующих 3-5 лет.

Наибольший эффект агентная автоматизация может дать в отраслях с высокой ИИ-готовностью, где процессы детально описаны, данные структурированы, есть необходимая ИТ-инфраструктура, обновлены подходы к безопасности. В России это, в первую очередь, финансовый сектор, страхование и ритейл: именно здесь измеримый бизнес-эффект достигается быстрее всего. Для таких компаний мы развиваем Content AI Capella — платформу агентной автоматизации массовых рутинных операций в бизнес‑процессах крупных организаций, где корпоративные системы и базы знаний становятся средой для работы ИИ‑агентов.

Алексей Чистяков (Bercut): Появление цифровых сотрудников — это не очередной виток автоматизации, а смена самой парадигмы организационного дизайна. Впервые за долгое время у компаний появился новый тип исполнителя, который не сводится ни к роли человека, ни к алгоритму. Это меняет то, как должны проектироваться процессы, ИТ-ландшафт и сама структура подразделений.

Наибольшее влияние, на наш взгляд, окажут не «самые умные» агенты, а агенты, наиболее глубоко встроенные в корпоративный контур: имеющие доступ к актуальным данным через интеграционную шину, работающие в общей ролевой модели, аудируемые и управляемые на уровне процесса. Иными словами, выиграют не те, кто подключит более мощную модель, а те, кто построит под агентов правильную инфраструктуру — единую среду, в которой человек, алгоритм и AI-агент являются равноправными исполнителями работы.

Именно поэтому мы видим, что ключевая инвестиция следующих двух-трех лет для крупного российского бизнеса — это не закупка очередного «AI-решения», а перестройка собственной интеграционно-процессной платформы под мир, в котором значительная часть работы выполняется не людьми.

Кирилл Тимофеев («ОБИТ»): Безусловно, цифровые помощники рано или поздно станут конкурентным преимуществом бизнеса. Очень перспективным направлением выглядит развитие ИИ-агентов, которые смогут не просто отвечать на вопросы, а выполнять полноценные цепочки действий и предлагать сотруднику готовые решения. При этом важно понимать, что ИИ не заменит людей полностью. Скорее, компании будут переходить к модели, где цифровой помощник берет на себя рутинные и повторяющиеся задачи, а человек концентрируется на принятии решений, коммуникации и нестандартных ситуациях. Для российского рынка это особенно актуально на фоне дефицита кадров и высокой нагрузки на сотрудников в ряде отраслей.

Фёдор Фрольцов (CESCA): Цифровые сотрудники, безусловно, сыграют ключевую роль в развитии автоматизации российских компаний. Главный тренд 2026 года — переход от автоматизации отдельных операций к пересборке целых процессов вокруг ИИ как активного участника бизнеса. Наибольшее влияние окажут мультиагентные системы, способные заменить собой целые команды людей для выполнения сложных, многошаговых бизнес-процессов.

По мнению экспертов, рынок стоит на пороге перемен:

• Индустриализация. Аналитики фиксируют переход от экспериментов к масштабному внедрению ИИ как полноценного производственного инструмента.
• Экономика агентов. В 2026 году в России ожидается появление первых промышленно работающих мультиагентных систем, которые будут координировать задачи и выстраивать сквозные цепочки операций внутри корпоративных контуров.
• Оптимистичные прогнозы. При сохранении текущего среднегодового темпа роста в 32-35 %, к 2029 году рынок ИИ-агентов может вырасти до 45-50 млрд рублей.

Эксперты сходятся во мнении, что в ближайшие 5 лет в России не останется ни одной компании из категории крупного бизнеса, не задействовавшей ИИ-агентов в своих процессах. При этом ключевым фактором успеха станет не просто внедрение технологии, а глубокая перестройка бизнес-процессов, развитие ИИ-культуры и способность компаний управлять гибридными командами из людей и их цифровых коллег.

ICT-Online.ru: Большое спасибо всем за беседу!