В ходе бизнес-завтраке "Наземное обслуживание в облаке" архитектор инноваций АО "Интегро текнолоджиз" Николай Ситников предложил не путаться в терминах, которыми оперируют вендоры, а выстроить для себя систему координат. Он разделил все ИИ-инструменты на три категории.

Алгоритмы. Ситуация, когда процесс можно описать детерминированно: "если статус такой, переходим в следующий". По его словам, современные low-code и no-code решения позволяют закрыть до 90% таких задач. "Вы можете написать алгоритм на бумаге. Он у вас детерминирован (предопределен), и он замечательно выстраивает ваши процессы", - отметил Николай Ситников.

Оптимизация и ML (Machine Learning занимается созданием и настройкой "думающих" программ без явного программирования). Правила есть, но поведение системы зависит от входящих данных (прогнозирование задержек рейсов, планирование ресурсов). "Пришли одни данные - модель решила так, пришли другие - по-другому", - пояснил эксперт.

Агентный искусственный интеллект (ИИ). Нужен там, где "мы на 100% не знаем, какую проблему хотим решать". Задача появляется в момент, когда она возникает. Это самая сложная и дорогая категория.

Директор по науке и искусственному интеллекту ПАО "Группа Астра" Владимир Нелюб оценил предложенную Николаем Ситниковым классификацию ИИ-решений (алгоритмы, ML, агенты) как полезную, но отметил, что ее недостаточно: "Она отвечает на вопрос "какая технология", но не отвечает на вопрос "готова ли компания ее использовать". Три класса - это хорошая отправная точка для разговора с бизнесом, но решение должно определяться не классом технологии, а типом задачи, ценой ошибки и зрелостью процессов. В "Группе Астра" мы идем дальше: оцениваем готовность команды по пяти параметрам - автономия, контроль, инфраструктура, обратимость и охват, - и только потом рекомендуем уровень: от подсказок в коде до автономных агентов. Это позволяет не переплачивать за сложные модели там, где хватает простого решения, и не проваливаться в пилотную ловушку, когда технология работает на тесте, но не встраивается в производственный контур".

Генеральный директор ООО "Салют для бизнеса" (GigaCowork) Владимир Толмачев обратил внимание на важный нюанс, касающийся low-code: "Пятнадцать лет рынок обещал, что low-code закроет сложные сценарии без разработчиков. Не закрыл: на сложных процессах он упирается в ту же стену, что и классическая разработка - каждый новый случай требует отдельной логики, отдельного конвейера. Генеративная модель решает это иначе: она работает с естественным языком и контекстом, поэтому один и тот же агент закрывает десятки ситуаций, которые в low-code пришлось бы описывать вручную. То есть генеративная модель не проще в смысле "дешевле на старте" - она проще в смысле масштабируемости: не нужно переписывать процесс под каждый новый ввод".

https://www.comnews.ru/content/245192/2026-05-13/2026-w20/1008/otnoshenie-k-low-code-resheniyam-stalo-pragmatichnym

В погоне за модой

Николай Ситников подчеркнул, что выбор технологии должен начинаться не с модности, а с расчета стоимости. "Я всегда начинаю со стоимости. Понятные прозрачные расходы, если мне нужно железо, и неважно, где оно лежит: в облаке или нет", - заявил он. Он также отметил, что многие проекты с ИИ обходятся дороже, чем экономический эффект от них. Например, в авиации автоматическое планирование ресурсов и технологического графика обслуживания (ТГО) может помочь обслуживать одновременно не два борта, а пять. "Но если у вас система показывает, что одновременно больше трех бортов не прилетает, то это очень показательно, но бессмысленно с точки зрения эффекта", - добавил эксперт.

Руководитель направления кибербезопасности ООО "Айтиди" (ITD Group) Игорь Чудин согласился с тем, что не стоит забывать о необходимости считать стоимость выполненной и проверенной задачи, не ограничивая фокус исключительно стоимостью модели, которая работает с широким пулом агентных систем. "Не все из таких процессов попадают в видимое поле, из чего формируется немалый слой теневого ИИ. В составе затрат также должны быть учтены проверка человеком, исправление ошибок, контроль действий системы. Права доступа и журналы нужны любой автоматизации, но у агента есть еще и специфический риск: языковая модель не всегда отличает данные от команд, и у агента есть права и инструменты для действий. Инструкция, спрятанная во входящем письме или документе, может стать для агента с доступом к почте или CRM руководством к действию (промпт-инъекции). Это означает, что требуются ограничения полномочий, подтверждение рискованных операций, отдельный мониторинг. Если эти расходы не учтены, стоимость эксплуатации агента будет занижена. Соответственно, экономика затрат и выгод требует более широкого взгляда и оценки, чтобы принимать решение о финальной окупаемости и целесообразности применения решения на базе ИИ".

Руководитель ИИ-направления ООО "Вебинар Технологии" (бренд "МТС Линк") Дмитрий Крюков отметил, что выбор решения всегда должен определяться ожидаемым технологическим эффектом, а не модой: "Веерное внедрение не работает: прежде чем тратить бюджет, необходимо провести аудит процессов - как и при приобретении любого другого дорогостоящего цифрового решения. Внедрение агентного ИИ может оказаться более сложным проектом, чем предполагается изначально. Американская исследовательская и консалтинговая компания Gartner называет неправильное применение и погоню за трендами основной причиной провала пилотных проектов с ИИ".

Штаны по размеру

В качестве примера Николай Ситников привел разбор документации крупной авиакомпании: "Объем наземных инструкций и регламентов составляет от 2,5 тыс. до 3,5 тыс. страниц. При этом разные авиакомпании используют одни и те же термины, но вкладывают в них разный смысл. В результате ИИ нашел около 20 логических несоответствий между документами, которые исполнители привыкли обходить вручную. Придет аудитор, заметит это несоответствие, и хорошо, если просто сделает замечание. В целом это означает, что вы не контролируете процесс".

Николай Ситников рассказал, что ручной разбор 2,5 тыс. страниц занял бы у опытного планировщика месяц. С использованием облачной большой языковой модели (LLM) команда справилась за день. "Это не влияет на ваш основной процесс, это экономит время и позволяет быстрее реагировать", - резюмировал эксперт. При этом он отметил, что для таких задач не обязательно разворачивать инфраструктуру: можно разово использовать защищенное облако.

Руководитель продуктов Nova AI и StarGuard AI в Orion Soft (ООО "Орион") Никита Векессер оценивал бы окупаемость через стоимость одной успешно выполненной задачи до и после внедрения: "Сколько стоила обработка заявки человеком и сколько она стоит теперь с учетом модели, интеграции, поддержки и проверки результата. Отдельно нужно смотреть скорость и долю ошибок: автоматизация теряет смысл, если за ней приходится постоянно переделывать. И сэкономленные часы сами по себе еще не прибыль. Экономический эффект появляется, когда команда за то же время обрабатывает больше заявок, быстрее обслуживает клиентов или сокращает расходы".

Управляющий директор ООО "Экспанта" (входит в ГК "Ультиматек") Илья Измайлов отметил, что бизнес нередко переоценивает возможности ИИ, ожидая от него универсального решения производственных задач: "Наша отраслевая экспертиза позволяет выявлять конкретные узкие места и подбирать наиболее эффективный инструмент. Большие языковые модели могут быть дорогостоящими и допускать ошибки, тогда как классические математические алгоритмы во многих задачах обеспечивают более быстрый, предсказуемый и экономичный результат".

Заместитель руководителя направления "Искусственный интеллект" ИТ-холдинга "Т1" Сергей Карпович отметил, что компания не пытается убедить заказчика в том, что "нейросеть - это плохо" или "ИИ не нужен": "Вместо этого мы сравниваем несколько вариантов по одинаковым критериям: качество результата, стоимость внедрения и владения, сроки, требования к данным, информационная безопасность и трудоемкость поддержки. Простое решение используется как обязательная точка отсчета: если более сложная модель не дает соразмерного улучшения бизнес-показателей, переплачивать за нее не имеет смысла. При этом важно проектировать решение с возможностью развития. Например, заявки можно распределять по правилам, а завтра, когда появится больше обращений в свободной форме, подключить языковую модель. Платформенный подход позволяет добавить такую возможность без перестройки всего процесса и одновременно обеспечить контроль качества, полномочий и использования моделей".

По прогнозу Gartner, более 40% проектов с агентным ИИ могут быть отменены к концу 2027 г., а по данным международной консалтинговой компании BCG, на агентный ИИ приходится около 17% совокупной ценности от искусственного интеллекта. Директор по коммуникациям и связям бизнеса с государством ООО "Элма" (Elma) Полина Самуйлова отметила, что чаще всего компании выбирают проект по технологии и не считают стоимость отдельной операции: "Алгоритм нередко выгоднее: в наших расчетах по согласованию технических спецификаций ручная проверка стоит около 1,5 тыс. руб. за операцию, а обычная процессная автоматизация без ИИ снижает ее до 750 руб. ИИ окупается там, где условия постоянно меняются: обновляются регламенты и версии документов, контекст хранится в переписке. В этом случае себестоимость операции опускается до 77-124 руб. в зависимости от архитектуры решения".

https://www.comnews.ru/content/246977/2026-08-20/2026-w34/1007/kupit-vt…