Корпоративный ИИ в России перестает быть экспериментом в «песочнице» и превращается в часть зрелой инфраструктуры. На ELMA Day 2025 компании показали, что переход от точечных пилотов к системной работе с данными и агентами усиливают человека и делают работу предсказуемой.
О том, как бизнес учится внедрять нейросети без завышенных ожиданий, что помогает сокращать цикл экспериментов и почему будущее корпоративных ИИ-агентов строится вокруг процессов, — в материале «Компьютерры».
ИИ улучшающий человека и продажи
На конференции ELMA Day 2025 исполнительный директор ELMA, специалист по созданию и развитию продукта ELMA365 BPM Platform Наталья Долженкова объявила о запуске ELMA Cortex — конструктора корпоративных ИИ-агентов, встроенного в BPM-платформу (BPM — ПО для управления бизнес-процессами) ELMA365. По ее словам, это не «еще одна коробочка с ИИ», а инфраструктура для масштабируемых экспериментов и быстрого внедрения агентов, которые работают в контексте данных и процессов компании.
Долженкова подчеркнула, что ELMA365 — это AI-ready BPM: платформа позволяет на этапе проектирования процессов видеть неэффективности и сразу встраивать ИИ-инструменты, превращая «хаос и бесполезную трату ресурсов» в управляемую эволюцию. Такой подход учитывает зрелости разных функций бизнеса: где-то нейросеть уже готова к тиражированию, где-то нужен второй пилот с низкой ценой для экспериментов, а где-то — наблюдение без вмешательства.
Ключевое отличие ELMA Cortex — работа агентов на BPM-основе и внутри единой экосистемы данных, ролей и прав доступа. Это дает возможность безопасно запускать и масштабировать успешные кейсы без сложной интеграции, а ИИ получает доступ к уникальному контексту компании: процессам, документам, пользовательским действиям.
«Нам не нужен еще один чат, бизнесу нужен агент, способный к самостоятельным действиям в уникальной среде компании».
Наталия Долженкова, исполнительный директор ELMA, Product Owner ELMA365 BPM Platform
В качестве примера ELMA показала усиление собственного пресейл-процесса (предпродажная подготовка):
- второго пилота для сбора информации о клиенте;
- агента для автоматического создания и распределения заявок;
- чат-бота в форме задач с доступом к истории похожих кейсов;
- автоматическую генерацию коммерческих предложений.
По итогам анонса ELMA позиционирует связку ELMA365 и Cortex как основу для гиперавтоматизации: данные, процессы и искусственный интеллект объединяются в общую экосистему, эксперименты становятся дешевыми и обратимыми, а масштабирование — быстрым и управляемым. «Мы не ломаем старое — мы добавляем ИИ поверх проверенных процессов», — резюмировала Долженкова.
Как можно автоматизировать «хаос»
Искусственный интеллект из модного тренда превратился в повседневный инструмент, но, по словам Алексея Трефилова, специалиста по созданию и развитию продукта ELMA Cortex, компании массово сталкиваются с «автоматизацией хаоса» — бессистемным применением мощных технологий без четких процессов, что приводит к колоссальным рискам безопасности, неэффективности и раздуванию бюджетов.
Ответом на эти вызовы, как заявил Трефилов, стала платформа ELMA Cortex, позиционируемая как «фабрика виртуальных сотрудников». В отличие от точечных решений, новый продукт предлагает комплексный подход, основанный на двух ключевых сценариях:
- Первый — это интеллектуальные ИИ-агенты, способные выступать как в роли ассистентов для живых сотрудников, так и в качестве полностью автономных «невидимых» специалистов, самостоятельно ведущих сделки или обрабатывающих запросы в службе поддержки.
- Второй — «структурное» использование интеллекта, когда агенты встраиваются напрямую в бизнес-процессы и приложения для выполнения конкретных операций, например, анализа документов или резюмирования текстов.
Ключевыми преимуществами платформы спикер назвал безопасность, обеспечиваемую возможностью работы в закрытом ИТ-контуре компании, и бесшовную интеграцию с экосистемой ELMA365.
По словам Трефилова, создание такого виртуального сотрудника, будь то юрист, продавец или разработчик, стало задачей, не требующей программирования, и сводится к настройке в визуальном конструкторе. Это, как он надеется, позволит компаниям наконец перейти от экспериментов в «тепличных условиях» к реальному и управляемому использованию искусственного интеллекта, превратив его из дорогой игрушки в ракетное топливо для бизнес-процессов.
«Мы не автоматизируем хаос, мы добавляем ракетное топливо в процессы, чтобы они работали быстрее и качественнее».
Алексея Трефилова, специалиста по созданию и развитию продукта ELMA Cortex
ИИ-практика без иллюзий: где он уже работает и как масштабировать успех
На панели «Картирование сценариев. Где применять корпоративных AI-агентов?» участники сессии сошлись в главном: генеративные модели — не панацея, а инструмент, который требует процессов, данных и четкого контроля. Руководитель клиентского сервиса «Честного знака» Илья Грознов подчеркнул, что для регуляторного сервиса критична точность, поэтому ставка сделана на извлечение ответов из базы знаний с помощью LLM (Large Language Model) и семантического поиска. При использовании такого подхода в чат-ботах это дало до 75% достоверных ответов.
Для длинных писем генеративную модель используют не ради готовых ответов, а для разборки множественных намерений и их поштучной обработки; дополнительно речевая аналитика и тренажеры с «токсичным» ботом ускоряют ввод операторов в строй и повышают эффективность на десятки процентов. Самая трудная часть — сбор и структурирование данных, а проверка гипотез занимает две-три недели.
Дмитрий Гурков, специалист по созданию и развитию продукта «Электронный архив» и СЭД в «СберСтрахование», отметил другую проблему — документооборот. Компания выбрала ECM (система управления корпоративным контентом) как «единый источник знаний» для агентов и начала с потока судебной корреспонденции: OCR (оптическое распознавание символов) и LLM извлекают реквизиты, классифицируют и маршрутизируют письма до 600 страниц, а агент работает как «цифровой сотрудник» с учетной записью и полным логированием.
Ограничения очевидны: крупные документы требуют разбивки информации на небольшие, логически связанные блоки (чанки), а сами тесты — обезличивания данных.
Экономический эффект уже на регистрации измеряется эквивалентом двух ставок, с потенциалом до семи по мере роста, при этом людей не сокращают, их переводят на более сложные задачи. Масштабирование идет через публикацию обогащенных метаданных из ECM в другие системы и конструктор для быстрого сборки агентов.
Валерий Разгуляев, управляющий экспертизой Beyond Taylor, экс-член совета управляющих «ВкусВилла», призвал к прагматизму: ИИ ошибается по-человечески, поэтому его стоит применять там, где цена ошибки невысока, где есть человеческий контроль или где машины уже статистически надежнее людей. Удачные кейсы — алерты и поиск аномалий в рознице: от детекции воровства до соблюдения формы.
С другой стороны, чат-бот хоть и полезен, но требует доработки из‑за риска недостоверных ответов. К вопросу о полной автономии он добавил нерешенную юридическую ответственность, которую рано или поздно придется решать.
Исполнительный директор ELMA Наталья Долженкова очертила вендорский срез: устойчиво «летят» ассистенты по базе знаний с жестким разграничением прав, сервис-деск и поддержка продаж; на подходе — бэк‑офис и документооборот с проверкой рисков по корпоративным правилам, DevCopilot для low‑code и процессные алерты для безопасности.
Рецепт внедрения — этапность и строгая экономика: сначала пилот, метрики точности и польза, затем масштаб; в среднем на выход на сопоставимые с затратами результаты уходит около десяти месяцев. Ключ к успеху неизменен — качество данных и корректная модель доступа.
Долженкова подчеркнула, что корпоративный ИИ работает тогда, когда встроен в процессы, соблюдает права доступа и внедряется поэтапно. Российские компании уже получают отдачу в прикладных сценариях — ассистенты по базе знаний, сервис-деск, сопровождение сделок, проверка документов, аналитика нарушений.
Но успех возможен только при строгом разграничении данных, последовательном пилотировании и четком расчете эффекта. Агентский подход постепенно переходит в бэк-офис и документооборот, а следующие шаги рынка — DevCopilot и инструменты, которые ускорят разработку и снизят порог входа в low-code.
Подводя итог, Наталья Долженкова обозначила ту самую «землю под ногами» корпоративного ИИ — не эффектные демонстрации, а рутинные, но измеримые процессы. Ассистенты по базе знаний, вторые пилоты в продажах, агенты для разбора документов и алертов уже показывают эффективность, если соблюдены три условия:
- чистые данные;
- настройка прав доступа;
- поэтапный пилот.
Средний срок внедрения — около десяти месяцев, после чего проекты начинают окупаться. В этом и заключается трезвый взгляд рынка: ИИ — не магия, а инженерная работа, где результат появляется там, где компания готова структурировать данные, проверять гипотезы и наращивать функциональность постепенно.
Вывод
ИИ-ассистенты по базе знаний, сервис-деск, пресейл, анализ документов и процессные алерты уже дают ощутимый эффект — экономят время, повышают качество и снимают часть нагрузки с команд. У всех успешных кейсов есть общие черты: чистые данные, корректные права доступа и поэтапное внедрение с понятными метриками, где сначала пилот и проверка гипотез, а уже потом масштабирование.
Запуск ELMA Cortex закрепляет этот подход на уровне платформы: вместо точечных экспериментов — набор корпоративных агентов, встроенных в процессы и работающих в контексте данных компании. Такой формат превращает ИИ не в замену людей, а в усилитель: он закрывает рутину, ускоряет продажи и помогает бэк-офису работать стабильнее. В итоге эффект появляется там, где ИИ встроен в процессы и подчинен регламентам, а не работает сам по себе.