Исследования Ассоциации

Внедрение ИИ-агентов - новый маркер цифровой зрелости бизнеса

2026-05-20 10:00

Внедрение ИИ-агентов упирается в разрозненные данные, дефицит ML‑инженеров и страх утечки.

Об этом заявили топ-менеджеры крупнейших российских компаний в исследовании Ассоциации КП ПОО и аналитического центра НАФИ, представленного на конференции ЦИПР.
Полная версия исследования доступна по ссылке

Ключевые выводы:

1.Инвестиции в ИИ-агентов перестали быть «экспериментальными». Это уже самостоятельный инвестиционный сегмент.
2. Отраслевая специфика: агенты идут в «тяжелый» сектор, но с задержкой
В промышленности, энергетике и транспорте внедрение идет медленнее.
В торговле и сфере услуг - быстрее.
Кирилл Меньшов, старший вице-президент, руководитель блока «Технологии» ПАО «Сбербанк»: «Основной объём внедрений сосредоточен в трёх зонах: клиентский сервис, разработка ПО и внутренняя аналитика.

Технологии активнее внедряются в торговле и сфере услуг, где автоматизация рутинных процессов способствует значительному повышению эффективности работы.»
3. Ускоренное распространение агентов в функциях с высокой повторяемостью, понятной метрикой и приемлемой ценой ошибки:

  • клиентский сервис: быстрое внедрение, измеримый эффект;
  • внутренняя ИТ-поддержка
  • документооборот: автоматизация обработки и проверки рутинных задач;
  • разработка ПО
  • внутренняя аналитика.
4. Основные ограничения для внедрения ИИ-агентов:

  • Инфраструктура безопасности — №1.
ИИ-агенты часто работают с конфиденциальными данными, внутренними документами компании. Утечка или некорректное использование — киберриски для крупного бизнес очень значимые. Последствия могут быть серьезными, не только финансовыми и репутационными, что уже немало, но и регуляторными.
Антон Думин, ИТ-директор «Газпром нефти»: «Возникает вопрос — где именно происходит дообучение ИИ-агента, как обрабатываются данные и кто имеет к ним доступ. Для нас критично, чтобы информация не покидала защищённый контур».
  • Данные — это второй фундаментальный барьер.
Нужны структурированные и актуальные корпоративные данные. В компаниях данные часто разрознены, хранятся в разных форматах и системах, не стандартизированы и не очищены.
Павел Комаровский, коммерческий директор «MTC AI»: «Без данных внедрение буксует на старте. Принцип garbage in — garbage out остаётся фундаментальным: какими бы мощными ни были модели, их польза определяется тем, какие данные, правила и контекст мы в них закладываем».
  • Кадровый дефицит — не хватает как разработчиков, так и ИТ-архитекторов и управленцев, способных одновременно понимать бизнес-процессы и особенности внедрения ИИ-технологий.
Евгений Абакумов, директор по информационным и цифровым технологиям Госкорпорации «Росатом»: «Серьёзным ограничением выступает и кадровый дефицит. Спрос на специалистов по ИИ значительно превышает предложение: не хватает не только дата‑сайентистов и ML‑инженеров, но и продуктовых менеджеров, способных связать ИИ‑решения с бизнес‑задачами.»
Остальные 3 ограничения читайте в полной версии исследования по ссылке
5. Условия успешного внедрения — гибридная модель: готовые решения + собственная адаптация.
Эдуард Шантаев, директор ФГАУ «Цифровые индустриальные технологии»: «Внешние подрядчики — ускоряют, но не заменяют. Они приносят экспертизу и готовые компоненты, но стратегия и ключевые решения должны оставаться внутри компании. Иначе вы получите решение, которое не сможете развивать самостоятельно.»
6. ЧЕЛОВЕК + ИИ-АГЕНТ
Человек остается в контуре принятия решений: агент выполняет рутину, человек — контроль и сложные решения.
Появляется новая роль — «управляющий агентами» (промпт-инженеры, архитекторы агентных систем).
7. HR-стратегия компаний должна меняться уже сейчас.
Через 3-5 лет потребуется персонал с новыми компетенциями, причем не только технические, но и связанные с постановкой задач по настройке и доработке ИИ-агентов (агентное проектирование, LLM-операции, data-инжиниринг).
8. Измерение эффекта: от метрик эффективности к бизнес-результату
Эксперты подчеркивает: нет единой метрики эффективности для всех агентов. Каждый кейс требует собственной оценки.
Уровни эффекта:
  • Прямой: рост производительности, снижение ошибок, автоматизация рутины;
  • Косвенный: повышение качества решений, скорость реакции, снижение нагрузки на персонал;
  • Стратегический: новые бизнес-модели, изменение конкурентного преимущества.
Дарий Халитов, заместитель Президента — Председателя Правления ПАО «Ростелеком»: «ИИ-агенты нужно оценивать через конкретный проект и бизнес-процесс: где-то ключевой метрикой будет качество ответов и сокращение времени обработки запроса, где-то — рост продаж, ускорение обучения или снижение нагрузки на линии поддержки. Универсального показателя здесь нет; есть KPI, жёстко привязанный к месту агента в цепочке создания ценности.»
Иван Шальков, вице-президент ПАО «Транснефть»: «Производственные метрики: экономия FTE (в человеко-часах) на рутинных операциях, снижение операционных ошибок, скорость подготовки отчётности (агент-аналитик). Важный принцип: не гнаться за ROI на старте. Сначала — стабильность и точность агента.»
9. Рекомендации по внедрению: дорожная карта
Евгений Чаркин, заместитель генерального директора ОАО «РЖД»: «Начинать нужно с ответов на два вопроса — какие производственные задачи мы хотим решить с помощью данной технологии и какие экономические эффекты даст бизнесу внедрение того или иного ИИ-агента.»
Дорожная карта:
  1. Бизнес-задача: нужен четкий кейс, измеримая цель, допустимый уровень ошибки.
  2. Данные и архитектура: подготовка данных, внимание к информационной безопасности.
  3. Пилот: для старта лучше взять небольшой проект с быстрым эффектом.
  4. Оценка результата: определить ROI и метрики.
  5. Масштабирование
  6. Закрепление в процессах.
Михаил Макеев, управляющий директор «Пиклема»: «Первый кейс надо искать в получении пусть небольшого, но быстрого эффекта. Например, в нашей компании мы начали с ускорения разработки ПО, так как видели безусловный эффект в деньгах и ускорении процесса.»
Компания должна ответить себе на главный вопрос: является ли ИИ частью долгосрочной стратегии или это разовый эксперимент? Если второе — эксперты советуют внедрение ИИ-агентов не начинать.
Перспектива на ближайшие 3–5 лет: общий консенсус экспертов — осторожный, но уверенный оптимизм.
Сергей Безбогов, заместитель руководителя блока — старший вице-президент Банка ВТБ (ПАО): «Перспективы внедрения ИИ-агентов крупными компаниями оптимистичные. Технология ИИ-агентов имеет колоссальный потенциал. В России очень сильная технологическая базы, в том числе, сформированные необходимостью импортозамещения в условиях санкций».
Полная версия исследования доступна по ссылке