Почему «прикрутить GPT» больше не работает?

Первые волны внедрения ИИ в бизнесе часто сводились к простым сценариям: чат-боту на базе LLM (large language model; большая языковая модель), который умеет генерировать тексты. Однако без доступа к корпоративным данным, истории взаимодействий с клиентами и логике бизнес-процессов такие решения дают ограниченный эффект. Следующим шагом развития были чат-боты на базе RAG-технологии (Retrieval Augmented Generation — генерация ответа, дополненного результатами поиска), которые позволяли пользователям искать ответы по корпоративной базе знаний. Ключевое отличие современных ИИ-ассистентов — понимание контекста: система не просто отвечает на запрос, а использует данные CRM, историю коммуникаций, статус процессов и правила компании. Запросы «Проанализируй эти заказы», «Найди похожие обращения» или «Подготовь краткий итог переписки с клиентом» становятся частью операционной цепочки.

Четыре цифры, которые следует учитывать бизнесу в начале 2026 года:

• 65% компаний регулярно используют генеративный ИИ — вдвое больше, чем год назад;
• 40% корпоративных приложений будут включать специализированных ИИ-ассистентов к концу 2026 года, тогда как в 2025 году таких было менее 5%;
• 83% сотрудников, использующих генеративный ИИ на работе, считают, что это повышает их продуктивность; более половины из них оценивают эффект как «существенный»;
• по прогнозам Deloitte, к 2027 году 50% предприятий с генеративным ИИ развернут автономных ИИ-агентов, что удвоит показатель 2025 года.

ИИ-агенты как продолжение BPM-логики

По оценке McKinsey, до 75% пользы от генеративного ИИ приходится на четыре области: обслуживание клиентов, маркетинг, продажи и разработку ПО. На практике именно CRM-контуры становятся первой точкой масштабирования ИИ. Важно, что во всех этих сценариях ИИ работает не «поверх» процессов, а внутри них.

• В продажах это выражается в рекомендации продуктов на основе профиля клиента и истории похожих кейсов, автоматическом резюмировании коммуникаций, прогнозировании вероятности сделки и ранжировании лидов.
• В маркетинге — в профилировании клиентов, выявлении неочевидных сегментов и прогнозировании оттока с автоматической постановкой задач для менеджеров.
• В клиентском сервисе — в классификации и маршрутизации обращений, поиске похожих запросов и ускорении обработки за счет автоматических ответов на обращения.

Следующий шаг эволюции — переход от ассистентов к ИИ-агентам. В отличие от чат-ботов, агент способен не только анализировать данные, но и влиять на ход бизнес-процесса.

Конечно, по мере масштабирования ИИ-инструментов управляемость и безопасность становятся критичными. Для бизнеса на первый план выходит вопрос контроля. Компании сталкиваются с требованиями по защите персональных данных и соблюдению нормативных ограничений. Поэтому современные платформы делают акцент на управлении трафиком к LLM-моделям, маскировании персональных данных, механизмах Guardrails и аудите действий ИИ-агентов. Это позволяет использовать ИИ в чувствительных клиентских процессах без потери контроля со стороны ИБ-подразделений.

От экспериментов — к системному внедрению

По мере перехода от пилотов к промышленному использованию ИИ российские компании сталкиваются с практическим вопросом: на каких моделях строить корпоративных ИИ-агентов и ассистентов. Разработка собственной LLM в России остается уделом ограниченного круга игроков — в первую очередь из крупных экосистем и финсектора, имеющих необходимые ресурсы для проведения исследований, разработки и обучения LLM-моделей. С другой стороны, выпуск новых версий LLM-моделей происходит регулярно и их качество постоянно улучшается.

В таких условиях один из распространенных подходов для вендоров корпоративного ПО — развитие открытой архитектуры, когда платформа умеет работать с несколькими языковыми моделями одновременно. В экосистемах такого типа поддерживаются как облачные сервисы, так и модели, развернутые в локальном контуре заказчика. Например, BPMSoft «в коробке» предлагает поддержку облачных LLM-моделей от провайдера Yandex Cloud — YandexGPT Lite, YandexGPT Pro и QWEN3, а также поддержку локальных open-source LLM-моделей через Ollama API или OpenAI API.

При этом пользователи могут самостоятельно добавлять в BPMSoft новые ML- и LLM-модели без переработки ядра системы. Такой подход решает сразу несколько задач.

• Во-первых, он снимает зависимость от одного поставщика технологий, которые в случае с ИИ очень быстро устаревают.
• Во-вторых, позволяет компаниям выбирать модель под конкретный сценарий — от клиентского сервиса до аналитики внутренних данных.
• В-третьих, упрощает старт: интеграция с облачными ИИ-сервисами позволяет бизнесу тестировать ИИ-агентов без существенных первоначальных затрат.

Вывод

ИИ-инструменты постепенно перестают быть надстройкой над корпоративными системами и становятся частью их архитектуры. Для бизнеса это означает простой, но принципиально важный вывод: наибольший эффект дают не отдельные ИИ-сервисы, а экосистемы, в которых ассистенты и агенты встроены в процессы, данные и регламенты компании.

В ближайшие годы развитие ИИ в корпоративном ПО, в частности, в системе BPMSoft, будет идти сразу по нескольким направлениям.

В CRM-контуре это прежде всего ассистенты по личному планированию, ИИ-агенты для работы с базой знаний, автоматизации ответов на обращения и подготовки коммерческих предложений, а также модели прогнозирования спроса и ценообразования.

В ядре low-code-платформ ИИ-агенты будут задействованы в обработке и интеграции данных как внутри самой платформы, так и с внешними системами. ИИ все активнее используется для автоматического заполнения данных и для распознавания документов, анализа пользовательских данных. Отдельное внимание уделяется механизмам контроля и безопасности ИИ-инструментов — без них масштабирование ИИ в корпоративной среде становится невозможным. Это маскирование персональной информации по настраиваемым правилам и инструменты Guardrails для контроля и управления галлюцинациями, этикой и комплаенсом.

В процессных движках формируется еще один важный вектор — интеллектуальный анализ эффективности схем бизнес-процессов и анализ тепловых карт с результатами выполнения бизнес-процессов.

В результате рынок постепенно уходит от ручной настройки процессов к моделям, в которых платформа не только фиксирует, но и интерпретирует происходящее, предлагая и реализуя изменения. Именно в этом направлении сегодня формируется будущее корпоративных ИИ-ассистентов — как инструмента не поддержки, а активного развития бизнеса.