Как российские компании перестраивают бизнес-процессы для использования ИИ-агентов

Искусственный интеллект — это уже не отдельная перспективная технология, которая развивается сама по себе и существует для реального бизнеса лишь в виде цифровых помощников и чат-ботов. Крупные предприятия закончили этап тестирования и пилотных проектов и в настоящее время изучают, какие процессы они готовы передать автономным агентам уже сейчас, а какие автоматизировать пока преждевременно. Одни компании рассматривают ИИ как инструмент повышения производительности труда отдельных сотрудников, другие постепенно меняют операционную модель ведения бизнеса в комплексе. По мнению аналитиков, рынок ИИ-агентов формируется как раз вокруг этого выбора, который в ближайшей перспективе будет определять конкурентоспособность целых отраслей российской промышленности.

От умного помощника к цифровому исполнителю

Одна из главных тенденций российского рынка ИИ-агентов в 2025–2026 гг. — переход от умных чат-ботов к автономным агентам и мультиагентным системам. Искусственный интеллект перестал быть только советчиком и стал исполнителем, способным выполнять многошаговые задачи:

• управлять процессами;
• работать с документами;
• совершать необходимые действия в реальных бизнес-ситуациях (отправлять письма, отменять заказы, строить маршруты, писать код и т. д.);
• принимать решения.

И это принципиальная разница: если раньше после второго этапа (совершения простейших действий по заданному алгоритму) управление вновь возвращалось к человеку, то сейчас ИИ-агент, получив задачу, разбивает ее на последовательность действий, определяет, какие данные необходимо получить, обращается к корпоративным системам, анализирует результат, принимает промежуточные решения и доводит процесс до конца. Во многих случаях участие человека требуется только для контроля результата или утверждения критически важных операций. В связи с этим основные вопросы, которые волнуют руководителей предприятий сейчас — как встроить интеллектуальных агентов в существующие бизнес-процессы максимально эффективно и, главное, безопасно, а также можно ли доверить ИИ реальные операции, стоимость ошибки в которых измеряется миллионами рублей.

Почему российский рынок ИИ-агентов начал расти именно сейчас

Рост стал возможен благодаря одновременному действию трех факторов: появление качественных моделей с логическим выводом, стандартизация инструментов через протокол MCP (Model Context Protocol) и накопление опыта в оценке качества работы агентов. Каждый из этих факторов важен сам по себе, однако рынок изменился именно потому, что они проявились в один момент времени:

• большие языковые модели научились работать с длинным контекстом, планировать последовательность действий и исправлять собственные ошибки;
• одновременно индустрия получила единый механизм подключения агентов к корпоративным системам — протокол MCP постепенно становится таким же востребованным инструментом, как когда-то универсальные API для интеграции приложений;
• не менее важным оказался практический опыт. За последние два года большинство крупных компаний успели провести десятки пилотных проектов — какие-то из них удалось масштабировать, а какие-то до промышленной эксплуатации так и не дошли, но именно неудачные внедрения и сформировали понимание того, где ИИ-агенты действительно работают, а где приносят больше проблем, чем пользы.

Рынок агентного AI в России за пять лет прошел путь от зарождающегося до значительного по объему сегмента, который по итогам 2025 года оценивается в 29% всего рынка искусственного интеллекта в стране, причем объем инвестиций в этой отрасли вырос более чем в 4 раза, а доля проектов с использованием ИИ-агентов в бизнес-процессах увеличилась с 10% в 2024 году до 21% в 2025-м.

В каких отраслях внедрение ИИ-агентов уже дает ощутимый эффект

О том, что ИИ-агенты массово используются в масштабах всей экономики России, пока сказать нельзя. Каждая отрасль движется по собственному сценарию, и это сейчас является одной из главных особенностей российского рынка:

• в добывающей промышленности интеллектуальные агенты постепенно становятся частью производственной цепочки и выполняют важные задачи по автоматизации процессов разведки месторождений и собственно добычи полезных ископаемых. Например, компания «Газпром нефть» использует их для интерпретации геофизических данных, прогнозирования аварийных ситуаций, управления насосным оборудованием и планирования бурения на нефтяных месторождениях. Технология уже протестирована на трех нефтепромыслах в Ханты-Мансийском и Ямало-Ненецком автономных округах. Предложенные нейросетью варианты бурения оказались эффективнее и точнее стандартных проектов, разработанных традиционными методами;
• в металлургии акцент все больше смещается к инженерным процессам. Так, компания «Норникель» развернула сеть из 100 ИИ-агентов, интегрированных в более чем 30 бизнес-процессов, включая проектирование, управление запасами, финансово-экономический контроль, управление капитальными проектами. Система выстроена на базе гибридной инфраструктуры, совмещающей собственные вычислительные мощности компании и облачный сервис от «Яндекса». По мнению генерального директора Yandex Cloud Григория Атрепьева, в партнерстве с «Норникелем» фактически формируется новый стандарт использования искусственного интеллекта в отрасли, который тут же проверяется в условиях реального крупномасштабного производства;
• В ретейле ИИ‑агенты берут на себя рутинные задачи по управлению запасами — от прогноза спроса до заказа у поставщика. Это наглядно показывает проект, реализованный федеральной торговой сетью «Лента». Используется мультиагентная система, которая автоматически анализирует рыночные сигналы и принимает необходимые меры для их отработки. Например, при обнаружении роста спроса на определенные товарные позиции один агент пересчитывает прогноз, другой автоматически корректирует параметры заказа для конкретных торговых точек, а третий отправляет его поставщику и отслеживает выполнение до поступления товара на склад. По подсчетам специалистов, скорость реакции на такие сигналы увеличилась в несколько раз, а нагрузка на логистический персонал при этом существенно уменьшилась.

Соответственно, меняются и приоритеты разработчиков интеллектуальных агентов. По мнению отраслевых экспертов, в последние годы произошло смещение фокуса продуктовых линеек с абстрактных решений и универсальных платформ на конкретную отраслевую специфику. Например, известно, что один из лидеров этого рынка — компания Rocket Control — вложил 200 млн руб. в разработку нейросетевых сервисов для горнодобывающей, нефтеперерабатывающей и химической отраслей. Подтверждают этот тренд и отраслевые премии (такие, как «Приоритет: Цифра – 2026» или «Горная индустрия 4.0») — ими награждают как раз те проекты, где удалось наиболее удачно совместить сквозную автоматизацию и глубокую отраслевую экспертизу.

Появление ИИ-агентов — это качественно новый этап автоматизации деятельности компаний из самых разных отраслей промышленности. Оно полностью меняет подход к организации работы: руководителям приходится пересматривать распределение функций между людьми и машинами, требования к данным, корпоративным регламентам и ИТ-архитектуре. Но это дает вполне конкретный и измеримый экономический результат — повышение производительности, эффективности и качества сервиса. Поэтому внедрение новых технологий в производственные и коммерческие процессы уже не сводится к простейшей замене чат-ботов на более совершенные системы, это важная бизнес-задача, решение которой сейчас обеспечит ключевые конкурентные преимущества в будущем.