Егор Ворогушин («Софтлайн Решения»): «Внедрение цифрового сотрудника — не просто подключение модного инструмента, а полноценный ИТ-проект»

— Егор, по вашей оценке, насколько бизнесу интересно прибегать к помощи цифровых сотрудников? Какие плюсы это дает? В чем подводные камни? Как развивается это направление, растет ли его популярность?

— 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.

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.

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

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.

— Какие типы цифровых сотрудников сейчас востребованы? В чем их особенности? Как бизнесу понять, какой именно вариант цифрового помощника ему нужен и для каких задач?

— 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.

— Как вы считаете, сыграют ли цифровые помощники важную роль в развитии автоматизации бизнес-процессов российских компаний?

— 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.

— Расскажите об успешных и неудачных (если такие есть) кейсах на российском рынке.

— Один из показательных успешных кейсов, который мы реализовали, — ИИ-ассистент для руководителя отдела продаж. Это роль, в которой обычно очень высокая операционная нагрузка: руководитель одновременно контролирует pipeline, разбирает звонки менеджеров, готовит прогнозы, участвует в найме, обучении и оценке команды.

Мы создали агента, подключенного к CRM и системам записи звонков. Он самостоятельно анализирует сделки в воронке, выявляет риски по конкретным клиентам, обращает внимание на проблемные зоны и формирует еженедельный дайджест с рекомендациями. В результате руководитель перестает тратить значительную часть времени на механический сбор информации и может сосредоточиться на управленческих решениях.

Эффект в таком сценарии хорошо понятен бизнесу: сокращается время на операционную отчетность, быстрее выявляются проблемные сделки, повышается качество управления продажами. При этом агент не заменяет руководителя, он усиливает его работу и помогает быстрее видеть картину по воронке.

Но как раз на таких кейсах хорошо видно, что к внедрению ИИ-сотрудников не всегда применимы стандартные способы контроля качества. Эти решения основаны на больших языковых моделях, а значит, работают не линейно, а вероятностно. С одной стороны, они способны качественно выполнять сложные интеллектуальные задачи. С другой — они достаточно буквально следуют тому, как сформулирована задача, какие инструкции заложены в сценарий и какие ограничения заданы на входе.

Отсюда возникает отдельный риск: задача может быть поставлена неточно, промпты — сформулированы не оптимально, а способ контроля результата — выстроен недостаточно надежно. На самом практическом уровне это может означать, что в ИИ-сотрудника загружена неидеальная «батарея» промптов, например, для аналитического упражнения, оценки сделки или подготовки рекомендации руководителю. В обычной работе человек часто компенсирует такие неточности контекстом, опытом и здравым смыслом. Цифровой сотрудник действует строже: он выполняет то, что ему задано, и именно в той логике, которая была заложена в систему.

Отдельный вопрос — кто и как проверяет результат. Можно подключить другого ИИ-агента для контроля, можно оставить финальную проверку человеку. Но тогда узким местом становится уже не только технология, но и поведение человека: насколько он готов внимательно проверять результат, брать на себя ответственность за финальное решение и не воспринимать рекомендацию агента как автоматически верную.

Условно говоря, ИИ-советник руководителя отдела продаж может десять тысяч раз правильно подсказать, как построить разговор со сложным клиентом, а на десять тысяч первый раз дать рекомендацию, которая окажется критически неверной. Поэтому важно не просто внедрить цифрового сотрудника, а встроить его в зрелую систему процессов, контролей и человеческой ответственности. Качество людей, которые работают с такими инструментами, их установки и готовность критически оценивать результат становятся не менее важными, чем качество самой технологии.

Если говорить о неудачных кейсах на рынке, чаще всего они связаны с одной и той же ошибкой: компании пытаются запустить агента поверх неструктурированных данных и непрозрачных процессов. Есть ожидание, что ИИ сам разберется, наведет порядок и начнет выдавать качественный результат. Но цифровой сотрудник работает как усилитель существующей системы. Если внутри процесса хаос, агент начнет масштабировать этот хаос.

Поэтому главный вывод простой: перед внедрением нужно честно оценить состояние данных, регламентов, интеграций и ответственности за результат. Без этой подготовки даже хорошая технология может не дать ожидаемого эффекта.

— Расскажите подробнее об опыте вашей компании в разработке и использовании таких решений, результатах и дальнейших планах.

— Для нас это одно из ключевых направлений. Мы прошли путь от точечных решений к более платформенному подходу.

На первом этапе мы автоматизировали отдельные процессы. Каждый такой проект решал конкретную задачу и имел измеримый результат. При этом результат не всегда был напрямую финансово-экономическим. На раннем этапе для нас было важно оценить, как меняются конкретные параметры процесса, в который встраивается цифровой сотрудник: скорость выполнения задачи, количество ошибок, удобство работы для сотрудников, качество взаимодействия с агентом.

Иногда ключевым эффектом было ускорение процесса, иногда — снижение числа ошибок, иногда — то, что людям становилось проще выполнять рутинные операции и принимать решения на основе более структурированной информации. Поэтому на первом этапе нельзя таргетировать только экономику. Важно сначала понять, где ИИ-агент работает устойчиво, предсказуемо и действительно улучшает процесс. Уже после этого можно масштабировать решение и считать более широкий экономический эффект.

Среди ключевых результатов — сокращение time-to-deploy (время развертывания) для новых сценариев, более тесная интеграция агентов с корпоративными системами и накопление экспертизы в проектировании таких решений. Дальнейшие планы связаны с расширением числа подключенных систем и переходом к многоагентным сценариям, где несколько специализированных агентов работают в связке и закрывают более сложные бизнес-процессы.

— Большое спасибо за беседу!