Игорь Бреус («Интерпроком»): «Внедрение ИИ — это не спринтерская дистанция, а марафон»

 — Игорь, как российские компании подходят к выбору ИИ-инструментов и решений?

 — Интерес к ИИ продолжает нарастать, но период хайпа и внедрения ИИ ради ИИ пройден. Подход бизнеса стал заметно более прагматичным. Если еще пару лет назад можно было услышать «хотим внедрить нейросеть», то сейчас компании выбирают технологии ИИ для решения конкретной бизнес-задачи с понятным возвратом инвестиций.

Критерии выбора ИИ-инструментов могут быть разными, но, на мой взгляд, можно выделить три главных. Первый — безопасность данных. Возможность работать в закрытом контуре заказчика или в изолированном облаке. Для объектов КИИ в промышленности, энергетике, госсекторе это не просто пожелание, а обязательное условие. Второй — совместимость с существующей инфраструктурой или интеграционная способность, позволяющая бесшовно встраиваться в существующую ИТ-инфраструктуру. Третий — отсутствие привязки к одному поставщику. Никто не хочет, чтобы критичный процесс зависел от решения одной компании, особенно зарубежной. И здесь важную роль играют доступность инфраструктуры и стоимость владения (TCO), наличие и качество поддержки и экспертизы в России.

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

Что касается предпочтений: рынок однозначно сместился в сторону российских решений и решений дружественных нам стран БРИКС. И это не только про импортозамещение — это про предсказуемость. Например, мы в «Интерпрокоме» изначально строили платформу корпоративного уровня «Аксиома» для управления физическими активами, недвижимостью и ТОиР на полностью отечественном стеке — от операционных систем до СУБД. Она в реестре российского ПО, сертифицирована. Мы добавили в неё интеллектуальный слой ИИ-помощников— всё это работает в закрытом контуре, опираясь исключительно на данные и регламенты заказчика, справочники и нормативы. Доверенный ИИ — это именно то, что нужно рынку сегодня.

 — Для каких задач, процессов, подразделений ИИ-решения уже уверенно используются, а для каких набирают популярность?

 — Мой опыт показывает, что сегодня ИИ-решения достаточно уверенно и результативно используются в различных направлениях. Например, автоматизация рутинных операций: обработка документов, классификация заявок, формирование отчётов. Создание маркетингового контента, составление технической документации и инструкций тоже стали привычными задачами для ИИ. В процессе разработки программных продуктов ИИ оказывает помощь в написании кода и уже стал стандартом, как система контроля версий.

Широкое распространение получили различные ИИ-ассистенты. Задав вопрос ассистенту по внутренней базе знаний, сотрудник за секунды получает точный ответ на вопрос «какой регламент применяется для этого насоса?». Автономные агенты способны не просто генерировать текст и вести диалог, а совершают необходимые действия: сами создают заявки в техподдержку, выгружают отчет из аналитической системы, отправляют письма клиенту.

Набирают популярность агентные системы — это следующая волна. Не один «универсальный ИИ», а набор специализированных агентов, каждый из которых делает свою работу. В нашей «Аксиоме» мы это реализуем через набор цифровых экспертов: ИИ-аналитик отвечает руководителю на вопросы «что происходит и что будет, если?», ИИ-планировщик оптимизирует графики ремонтов с учётом критичности оборудования и рисков, ИИ-эксперт мгновенно находит нужный регламент. Каждый решает свою задачу, но работают они в единой системе.

Фронтиром становится предиктивная аналитика и проактивные решения. Не «оборудование сломалось — чиним», а «система прогнозирует отказ через две недели и предлагает оптимальное окно для ремонта». Именно сюда движется использование ИИ и, в частности, рынок управления физическими активами, именно здесь ИИ может дать максимальный экономический эффект для сокращения простоев и оптимизации затрат на всём жизненном цикле оборудования.

 — Как заказчики оценивают эффективность таких решений, как выбирают между эффективностью и безопасностью?

 — Бизнес говорит на языке цифр и водит конкретные измеримые показатели. Например, экономия ФОТ: сколько ставок сотрудников высвобождено или переведено на более интеллектуальные задачи. Увеличение скорости обработки информации: время на анализ рынка сократилось с 2 дней до 2 часов. Сокращение времени на обработку запросов клиента с 3 часов до 1 минуты, повышение коэффициента удовлетворенности с 5 баллов до 10, увеличение продаж и лояльности в скоринговых и рекомендательных системах.

Какой процент запросов обрабатывается без участия человека, сколько времени экономится на одну задачу, насколько точно система находит нужную информацию. Для планировщика ремонтов: сокращение внеплановых остановок, оптимизация загрузки бригад, снижение затрат на запчасти.

Мы фиксируем метрики ещё на этапе пилота. Простое правило: если нельзя измерить результат до внедрения — не стоит и начинать.

Что касается выбора между эффективностью и безопасностью — это ложная дилемма. На моей практике безопасность всегда выигрывала у абсолютной эффективности в корпоративном секторе — банки, телеком, госсектор, промышленность. Безопасность не «жертвуется» ради скорости, она встроена в архитектуру. Это не компромисс, а здравый смысл.

 — Что является стоп-фактором для внедрения ИИ?

 — Главный стоп-фактор — неготовность данных. ИИ бесполезен, если информация разбросана по десяткам систем, не структурирована, содержит ошибки. Например, компания хочет «внедрить ИИ», но у неё даже единого реестра оборудования нет. Начинаем с наведения порядка в данных — и только потом подключаем интеллектуальный слой.

Еще один стоп-фактор — завышенные ожидания. Бизнес хочет от ИИ все и сразу, минуя промежуточные этапы. Но эволюция не терпит скачков. Сначала ИИ подсказывает, потом выполняет типовые задачи под контролем, потом — для стандартных ситуаций — работает самостоятельно. Революционный подход не работает. Платформа «Аксиома» развивается именно эволюционным путём: сначала цифровизация процессов ТОиР, потом аналитика, и только потом — интеллектуальная надстройка.

Другой барьер — страх перед новым, когда люди десятилетиями работали по одним и тем же схемам. Здесь важно не «внедрить ИИ», а показать конкретную пользу: вот тебе система, которая сама найдёт нужный регламент, вот тебе планировщик, который предложит оптимальное окно для ремонта. Когда человек видит, что ИИ не заменяет его, а снимает рутину — возникает доверие и сопротивление уходит.

Очень важно не забывать, что ИИ нужно «кормить». База знаний деградирует, если её не обслуживать. Нужен регулярный процесс обновления, проверки актуальности, устранения противоречий. Это не разовое внедрение, а постоянная работа, без которой ИИ-инструмент со временем становится бесполезным.

 — Расскажите о практике вашей компании в этом направлении.

 — Наши разработки эволюционируют вместе с развитием ИИ-технологий. Мы активно используем чат-ботов для автоматизации сервисных процессов внутри компании.

Достаточно давно компания «Интерпроком» использует RPA-технологии в проектах. Например, программные роботы отлично зарекомендовали себя в задачах паспортизации — рутинном заведении большого количества объектов. Роботы помогают нам проводить нагрузочное тестирование систем, имитируя действия тысяч реальных пользователей. Это позволяет собирать статистику, строить графики производительности, составлять прогнозы и выдавать заказчикам обоснованные рекомендации по подбору оптимального оборудования и повышению эффективности системы.

Наши аналитики и разработчики создали информационно-аналитическую систему поддержки принятия решений с использованием ИИ, которая подтвердила свою эффективность у заказчиков в действии. Она позволяет автоматизировать типовые задачи поиска информации, анализа данных и составления аналитических материалов с применением инструментов визуализации. При этом возможна гибкая настройка под заданную предметную область.

Наша главная практика — это платформа «Аксиома», которую мы развиваем уже много лет. В последние два года мы сделали качественный скачок — добавили интеллектуальный слой. Новое решение «Аксиома ИскИн» включает в себя набор цифровых экспертов: ИИ-аналитик для руководителя, ИИ-планировщик ремонтов, ИИ-эксперт по базе знаний, ИИ-ассистент службы поддержки. Всё это работает в закрытом контуре, только на данных заказчика. «Аксиома ИскИн» является мультиагентной системой, использующей большие языковые модели с открытыми весами, технологии RAG, обработку естественного языка и создаваемый под заказчика индивидуальный семантический слой для того, чтобы быстро находить необходимую информацию, анализировать большие объемы данных и выявлять неочевидные взаимосвязи, необходимые для принятия более обоснованных решений.

Параллельно мы трансформируем сам процесс разработки программного обеспечения и «Аксиомы» в частности. Переходим от подхода, где ИИ просто подсказывает код, к модели, где знания являются источником правды. Формализуем бизнес-правила, онтологии оборудования, регламенты обслуживания — и агенты работают с этими знаниями, а не «угадывают» из кода. Это даёт кратное ускорение разработки и, что критично, снижает количество ошибок.

Мы не нанимаем «ИИ-экспертов» с рынка — таких специалистов там нет. Эволюционируем текущую команду: аналитики становятся архитекторами знаний, тестировщики — хранителями качества, тимлиды — оркестраторами, которые управляют потоками агентов. ИИ в разработке — это не замена людей, а усиление их компетенций.

 — Поделитесь, пожалуйста, вашим видением развития тренда на использование бизнесом ИИ.

 — Традиционная компания похожа на оркестр, где каждый музыкант играет свою партию. Компания будущего — это дирижёр с ИИ-оркестром, где один человек управляет сотней виртуальных музыкантов. Главная компетенция смещается: не «делать руками», а «формулировать намерения и валидировать результат». Роль человека смещается к принятию стратегических решений и контролю качества.

На мой взгляд, в ближайшие годы сохранятся три основных тренда, которые определят использование бизнесом ИИ. Первый — переход от ассистентов к агентам. Не «подскажи мне», а «сделай за меня и покажи результат». Второй — знания как главный актив компании. Те, кто формализует свою экспертизу в машиночитаемый вид, получат кратное преимущество. Третий — проактивность вместо реактивности. Не «произошел инцидент — устраняем», а «предупредили — предотвратили».

Выигрывать будут не те, кто быстрее всех внедрит ИИ, а те, кто выстроит вокруг него зрелую дисциплину — данные, безопасность, измеримость и постоянное улучшение. Внедрение ИИ — это не спринтерская дистанция, а марафон.

 — Большое спасибо за беседу!