Искусственный интеллект (ИИ) перестал ассоциироваться в российских компаниях только с чат‑ботами в роли службы поддержки и осторожными пилотными проектами. В последнее время бизнес все чаще говорит об ИИ‑агентах – системах, которые полноценно встраиваются в производственные и управленческие части процессов.
ИИ-агенты уже работают с агрегатами на металлургических предприятиях, встроены в системы распределения ресурсов в химической промышленности, помогают HR‑службам находить нужных специалистов, ускоряют работу с клиентами и оптимизируют массу других процессов. Если пару лет назад аналитики называли одной из ключевых проблем – неопределенность экономического эффекта от внедрения ИИ, – то сегодня компании, которые уже используют его, отчитываются об экономии вплоть до миллиарда рублей.
Деловые агенты
Последние пару лет бизнес в России преодолел путь от экспериментов с чат‑ботами к развертыванию целых бригад ИИ-агентов – цифровых помощников, интегрированных в реальные производственные и управленческие процессы. Классический чат‑бот устроен как сложная сценарная система с заранее прописанными ветками диалога: он работает по принципу «вопрос-ответ», оставаясь по сути интерактивной справкой. ИИ‑агент, в свою очередь, задуман как автономная цифровая сущность, которая не только выполняет запросы, но и формирует их сама, взаимодействуя с имеющимися ресурсами.
«Обычный чат-бот пассивен. ИИ-агент же способен на самостоятельные действия, то есть агент может взять сложную задачу, разбить ее на подзадачи, привлечь для их решения нужные инструменты (или других агентов) и собрать результат воедино», – объясняет разницу руководитель направления ИИ Cloud.ru Дмитрий Юдин.
С ним согласен CEO MWS AI (входит в МТС Web Services) Денис Филиппов: «Обычный чат-бот – это реактивный интерфейс, по сути, «джун», который ждет вопрос и дает ответ в пределах того, чему его обучили. Агент – это принципиально другой уровень. Он получает цель, самостоятельно строит план, подключается к нужным системам, выполняет действия и возвращает готовый результат. Человек переходит из роли оператора в роль руководителя, который ставит задачу и контролирует результат».
Ресурсами, к которым агентам предоставляется доступ, часто становятся корпоративные базы данных, системы управления ресурсами предприятия (ERP), системы управления взаимоотношениями с клиентами (CRM), тикет‑системы и API‑сервисы. Фактически, обладая такими доступами, агент может выполнять роль цифрового сотрудника.
В 97% компаний с выручкой от 100 млн рублей ИИ либо используется, либо тестируется в пилотах, либо готовится к внедрению, указано в исследовании UserGate 2026 года. Это говорит о том, что ИИ становится серьезным подспорьем в бизнесе. Наиболее частые сценарии связаны с генерацией отчетов, анализом логов и оптимизацией инфраструктуры. В более раннем исследовании, за 2025 год, проведенном компанией «Яков и Партнеры» совместно с «Яндексом», говорится, что более 70% компаний уже интегрировали решения на базе генеративного ИИ хотя бы в один процесс, а значительная доля тестирует или внедряет ИИ‑агентов, способных выполнять цепочки задач без участия человека.
По данным «Яндекса», рынок генеративного ИИ в России в 2025 году вырос в пять раз – до 58 млрд руб., а общий рынок ИИ и Big Data достиг 520 млрд руб. (+20% год к году). Драйверами этого роста стали сервисы на базе крупных языковых моделей (LLM) и уже упомянутые ИИ‑агенты.
Производство
ИИ-агенты уже полноценно используются в промышленности сразу на нескольких уровнях. Например, химический холдинг «ФосАгро» на череповецком комплексе АО «Апатит» в 2025 году ввел в промышленную эксплуатацию отечественную интеллектуальную систему оперативного управления производством (MES), систему управления ресурсами предприятия (ERP) и систему управления взаимоотношениями с клиентами (CRM).
«Мы встроили генеративный ИИ в нашу импортозамещенную ERP‑систему. В том числе благодаря этому ежемесячный расчет себестоимости продукции ускорился в разы. Если раньше на это требовалось около восьми часов, то теперь – менее часа», – рассказывает гендиректор АО «Апатит» (входит в Группу «ФосАгро») Денис Новиков. Для этого компания развернула языковую модель GigaChat MAX от «Сбера» в собственном корпоративном контуре, обучив ее на внутренних данных и разместив на выделенном ИИ‑кластере с графическими ускорителями. Инфраструктура при этом была усилена собственной генерацией электроэнергии, то есть стала по большей части автономной.
«Кроме того, в нашем Кировском филиале на горнообогатительных производствах применяется предиктивная аналитика на основе ИИ. Анализируя тысячи параметров в динамике, система способна заранее предсказывать возможный выход из строя тех или иных узлов огромных шаровых мельниц. Это позволяет заранее заказывать необходимые запасные и расходные материалы, точнее планировать ремонты и сокращать время простоя оборудования», – добавляет Новиков.
Еще одно крупное предприятие, которое уже давно использует ИИ в целом и агентов в частности, – «Северсталь». В компании применение ИИ‑решений перешло из разряда экспериментов в массовую практику еще в 2017 году. По словам руководителя центра искусственного интеллекта и машинного обучения «Северстали» Андрея Голова, в эксплуатации сейчас уже более ста решений на основе машинного обучения и компьютерного зрения. «Экономический эффект в 2025 году составил около 1 млрд рублей. Примерно 80–90% ИИ-решений реализованы именно на производстве, поскольку здесь бизнес рассчитывает на максимальную отдачу», – говорит Голов.
Голов приводит и конкретный пример: ИИ-модель, управляющая скоростью одного из непрерывно-травильных агрегатов (предназначен для удаления окалин и загрязнений с металлических изделий с помощью химического травления), повысила его производительность на 4%, что фактически дает экономический эффект в 273,5 млн рублей. Раньше оператор, полагаясь на опыт, вручную выставлял параметры, что приводило к вариативности и недоиспользованию мощности, объясняет он. ИИ-агент же в режиме реального времени анализирует параметры продукции и состояния агрегата и автоматически задает оптимальную скорость.
Параллельно промышленность вырабатывает собственные ограничения и подходы к уровню автономности. Например, в группе предприятий «Пермская целлюлозно-бумажная компания» (ПЦБК) различные виды ИИ применяются с 2016 года, а именно лингвистические модели – с 2021 года. В ПЦБК проводились различные эксперименты с применением технологии – при анализе кода, помощи в написании и проверке технических заданий, генерации схем. Как итог, в компании решили использовать ИИ скорее как ассистента человека, а не прямого участника производства.
Офисная ценность
Если в цехах ИИ‑агенты внедряются с оглядкой на безопасность, то в офисных и управленческих процессах их распространение идет быстрее. По словам Дмитрия Юдина из Cloud.ru, чаще всего на ИИ перекладываются «автоматизация сбора и обработки данных о работе оборудования, анализ и управление запасами, автоматизация рутинных операций и работа с корпоративными данными – управление документооборотом, задачи юридического и кадрового отдела». Иначе говоря, это зоны, где можно быстро снизить уровень рутинности и добиться экономии времени без прямого вмешательства в критические операции.
В «ФосАгро» ИИ‑агент используется для подбора персонала. Денис Новиков утверждает: «По одному клику сервис может проанализировать огромный массив резюме, находящихся как во внутренней базе компании, так и на внешних ресурсах, оценить возможных кандидатов и ранжировать их по заданным параметрам. При этом он не ошибается и не устает». Это снижает влияние человеческого фактора на первичную оценку кандидатов и освобождает рекрутеров от рутины, оставляя больше времени на персональное интервьюирование соискателей, добавляет он.
У «Северстали» тоже есть «офисные» ИИ‑агенты. Например, агент для автоматической классификации товаров и материалов понимает описание и сам подбирает категорию в системе. «Раньше специалист вручную искал категорию в справочнике. Теперь система берет на себя рутинную работу…Классификация товаров теперь занимает на 40% меньше времени, а мы каждую неделю экономим до 5 часов рабочего времени на специалиста», – объясняет Андрей Голов.
Другой агент автоматизирует обработку клиентских обращений: читает письмо, определяет суть запроса, проставляет категорию и направляет его в нужный отдел. Время обработки писем сократилось на 65%, а клиенты получают ответы быстрее ввиду круглосуточной работы системы.
В «Т-Банке» сообщают, что сегодня ИИ интегрирован во все ключевые процессы компании – от умных камер в мобильном приложении до систем мониторинга мошенничества, анализирующих операции по тысячам параметров за миллисекунды.
«Для сотрудников созданы внутренние инструменты – умный поиск, суммаризатор встреч и специализированные ИИ-ассистенты, улучшающие поддержку, продажи и IT-разработку, что повышает производительность и качество работы. Например, сегодня до 45% обращений клиентов в “Т-Банке” не просто обрабатываются, а успешно решаются без привлечения сотрудников поддержки», – утверждает директор по развитию технологий искусственного интеллекта Т-Технологий Алексей Шпильман.
Там добавляют, что речевые технологии они развивают с 2016 года, а весь спектр ИИ в банкинге – с 2019 года. Тогда одним из первых направлений стали внутренние скоринговые модели.
Границы применимости
С экономической точки зрения потенциал ИИ‑агентов уже подтверждается некоторыми цифрами. Суммарная экономия компаний при внедрении ИИ‑агентов, в зависимости от отрасли, может достигать 15–40% операционных расходов, ссылается Дмитрий Юдин из Cloud.ru на исследование Axenix и МГУ им. М.В. Ломоносова. При этом эксперты подчеркивают, что универсальной оценки нет.
В «Яндексе» видят большой экономический эффект в повышении эффективности бизнес-процессов, а также сокращении времени на выполнение рабочих задач. Внедрение ИИ позволяет автоматизировать рутинные задачи, снизить нагрузку на сотрудников и ускорить принятие решений.
«Эффективность ИИ-решений подтверждают клиенты Yandex Cloud. Например, “Лемана ПРО” внедрила инструменты Yandex AI Studio для составления карточек товаров на сайте и снизила стоимость их написания на 95%. А парфюмерно‑косметический ритейлер “Золотое Яблоко” запустил сервис для создания электронных подарочных карт с персонализацией от Yandex AI Studio. Генерация одного изображения с помощью нейросети занимает в среднем около 20 секунд», – сказал руководитель платформы Yandex AI Studio в Yandex B2B Tech Артур Самигуллин.
Архитектор информационной безопасности UserGate uFactor Дмитрий Овчинников отметил, что финансовая эффективность внедрения ИИ зависит от конкретного производства. На предприятиях, где уровень и зрелость автоматизации выше, эффект будет больше. А если на предприятии нет базы для цифровизации, то эффект, конечно же, будет ниже.
«Кроме того, надо учитывать, что на некоторых предприятиях применять цифровизацию будет невыгодно из-за малого количества сотрудников и простоты производственных и бизнес-процессов», – сказал он.
Самигуллин добавил, что одним из ключевых барьеров внедрения ИИ становится длинный путь от пилотного проекта до масштабного внедрения. Большинство компаний думает, что можно взять языковую модель с открытым исходным кодом, найти под нее оборудование и развернуть.
«Но в реальности этот путь выглядит совсем иначе: нужно написать огромное количество интеграций с внутренними источниками данных, очистить их от “мусора”, обеспечить безопасность и контроль качества работы модели и многое другое. Чтобы решить инженерные сложности, бизнес может использовать облачные ИИ-платформы, которые не только берут на себя вопрос “железа” и безопасности, но и обеспечивают более прогнозируемую экономику использования ИИ», – подчеркнул эксперт.
В масштабах экономики консалтинговые оценки показывают, что вклад ИИ, включая агентные системы, к 2030 году может измеряться триллионами рублей ежегодно.
При этом спикеры уверены, что даже тогда ИИ не вытеснит занятых в производстве и управлении людей. Денис Новиков из «ФосАгро» говорит: «Мы убеждены, что ИИ не заменит людей. Скорее люди, использующие искусственный интеллект в своей работе, заменят тех, кто этого не делает».