Тендеры и лиды
Информация
76% крупных российских компаний использовали генеративный ИИ хотя бы в одной функции бизнеса. Автономные решения, которые выполняют цепочки задач без участия человека, внедрили или тестируют 46% компаний (по данным исследования консалтинговой компании «Яков и Партнеры» и «Яндекса», 2025).
Среди заметных направлений внедрения ИИ в бизнесе сегодня — ИИ-агенты и ИИ-платформы для автоматизации. Разберем эти тренды подробнее в статье.
Один из самых заметных сдвигов в корпоративном ИИ — переход от автоматизации отдельных функций к системам, которые могут выполнять задачу целиком. Поэтому агентный подход стал одним из главных трендов и в 2025, и в 2026 году.
Это хорошо видно на практике. Пользователи устанавливают инструменты вроде OpenClaw, подключают ИИ-агентов к файлам и фактически собирают для себя помощников, которые доступны 24/7. В компаниях подход развивается в ту же сторону: ИИ все чаще поручают не отдельную операцию, а целый фрагмент процесса.
Например, менеджеру по продажам нужно подготовить для клиента смету или презентацию. В таком сценарии агент принимает задачу, готовит материалы и передает менеджеру готовый результат на финальную проверку. То есть человек не собирает документ с нуля, а подключается на последнем этапе.
Другой пример: менеджеру нужно понять, подойдет ли оборудование для техники клиента. Для этого нужно ориентироваться в спецификациях, инструкциях, технических описаниях. ИИ-агент находит данные, сопоставляет параметры и возвращает готовый ответ или черновик предложения.
Кроме работы с документами в бизнесе ИИ-агентов часто применяют для общения с клиентами и помощи внутренним командам.
В клиентских процессах типичный сценарий — автоматизация первой линии поддержки. Если клиент сообщает о проблеме, агент может создать заявку, назначить выезд специалиста и отследить статус обращения.
Во внутренних процессах агенты помогают разгружать технические команды. Например, SQL-агент помогает бизнес-аналитику получать данные из продуктовой базы без знания SQL. Он преобразует запрос в нужную форму и выдает ответ по метрикам, не подключая к задаче разработчиков.
Важно понимать, что для внедрения ИИ-агентов в бизнес нет универсального сценария. Мы рекомендуем начинать с аудита процессов. Подробнее о том, как создать ИИ-агента и какие у него есть ограничения, рассказал Вадим Кондаратцев, руководитель отдела ИИ-разработки Friflex.
Обычно у крупных компаний есть система, вокруг которой выстроены основные процессы, например учетная платформа вроде 1С и SAP. Сейчас рядом с ней появляется еще один слой — ИИ-платформа. Платформы для внедрения ИИ могут выглядеть по-разному. По нашему опыту, у таких решений есть несколько ключевых компонентов.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13470 тендеров
проведено за восемь лет работы нашего сайта.
Во-первых, инструменты для загрузки и структурирования знаний компании. Фраза о том, что данные — новая нефть, звучит слишком часто, но сейчас она получила новый смысл. Большие языковые модели помогают извлекать ценность из тех файлов, которые раньше просто хранились в папках без практического применения.
Второй компонент — инструменты для создания цифровых помощников и подключения больших языковых моделей. Обычно модели интегрируются по схожему принципу.
Третий компонент — среда для создания агентов, цепочек агентов и мультиагентных систем. Это позволяет передавать задачу от одного агента к другому, чтобы они последовательно обрабатывали ее и выдавали итоговый результат.
Например, так устроена ИИ-платформа Flexar. Первый слой в ней — система поиска по базе знаний с генерацией ответов, или RAG. Она подбирает для модели именно те фрагменты внутренних документов, которые нужны для ответа или выполнения задачи в текущий момент. Второй слой — инструменты для создания помощников и подключения больших языковых моделей. Платформа позволяет использовать разные модели и комбинировать их под конкретные сценарии. Третий слой — сценарии, или агенты, которые используют данные и модели для решения прикладных задач.
По мере внедрения ИИ пользователи все чаще дают агентам доступ не только к почте, но и к другим системам, данным и рабочим инструментам. Вместе с этим возникают и новые риски.
Например, появились промпт-инъекции, когда злоумышленник добавляет в письмо или другой контент скрытую инструкцию. Человек ее не видит, а алгоритм считывает как команду. Если у агента достаточно прав, промпт-инъекция может заставить его переслать письма, удалить сообщения или выполнить другое нежелательное действие.
Для компаний этот риск тоже актуален, особенно если ИИ-агенты подключены к внутренним данным и корпоративным сервисам. Поэтому вместе с внедрением ИИ обычно появляются дополнительные слои контроля.
Один из таких механизмов — промежуточные модели безопасности, или guardrails. Они помогают фильтровать запросы и ответы, ограничивать передачу персональных данных и снижать риск появления запрещенного или токсичного контента.
Как внедрить ИИ в бизнес шаг за шагом — читайте в нашей статье.
