Руководители крупнейших российских ИТ-компаний все чаще принимают решения в условиях, когда данные есть, а быстрых и проверяемых ответов на их основе — нет. Ответом на этот запрос становятся мультиагентные ИИ-системы для бизнес-аналитики. На хакатоне AI South Hack в рамках кэмпа South HUB более 40 CEO, CTO, CPO и CIO собрали работающие прототипы таких систем самостоятельно, чтобы оценить технологию не по презентациям вендоров, а на собственном опыте.
Скорость принятия решений в крупных компаниях по-прежнему ограничена «человеческим» циклом аналитики: руководитель формулирует вопрос, аналитики готовят выгрузку и отчеты ответ возвращается спустя часы или дни — когда контекст уже сместился. Генеративный ИИ обещает закрыть этот разрыв, но его внедрение сдерживает главный барьер — недоверие к результату: система может выдать уверенный, но ошибочный ответ — «галлюцинацию».
По данным Deloitte, лишь около 11% компаний уже активно используют ИИ-агентов в реальной работе, тогда как более трети находятся на стадии пилотов. В России, по оценке СберАналитики, ИИ-агентов применяют уже 39% компаний, а 82% планируют внедрение в ближайшие один–три года. Gartner прогнозирует, что к 2027 году до 20% бизнес-процессов будут поддерживаться аналитическими системами, работающими без участия человека. Рынок переходит от отдельных чат-ботов к мультиагентным системам, в которых ИИ-агенты координируются между собой и распределяют задачи внутри процесса.
Именно такие системы стали предметом хакатона AI South Hack, прошедшего с 10 по 13 июня 2026 года на кэмпе South Hub в Красной Поляне. Его особенность в том, что в роли разработчиков выступили не инженеры, а руководители, которые в своих компаниях принимают решения о внедрении ИИ и ставят задачи командам. За три дня десять команд прошли путь от архитектуры до готовых интерфейсов и собрали работающие прототипы.
«Мне нравится формат хакатонов, потому что именно в таких условиях часто рождаются интересные идеи. Все команды решали один и тот же кейс, но практически у каждой был свой подход и свои сильные стороны. На мой взгляд, такие системы, которые команды разрабатывали в рамках хакатона, особенно полезны для руководителей: они позволяют быстро получать ответы на основе корпоративных данных, не ждать готовой аналитики и принимать решения быстрее. Думаю, мы будем видеть все больше подобных решений в бизнесе».
Максим Горынцев, Head of ML Personalization, MAGNIT TECH
В основе хакатона лежал кейс компании Meridian – вымышленного B2B-маркетплейса услуг, теряющего часть выручки из-за перехода корпоративных клиентов к точечным инструментам. Участникам предстояло собрать мультиагентную систему, способную понимать бизнес-вопросы на естественном языке, самостоятельно работать с данными компании, проводить исследования, формулировать выводы и проверять себя на ошибки. Архитектура строилась вокруг четырех ролей: агента данных, агента-аналитика, агента-критика и агента-визуализатора. Ключевым требованием была способность системы отличать обоснованный вывод от уверенной галлюцинации и при отсутствии данных сообщать об этом пользователю, а не генерировать ответ.
«Хакатон был хорошо организован, участники получили понятную задачу, прозрачные критерии оценки и необходимые инструменты для работы. Сам кейс оказался очень актуальным – сегодня многие компании интересуются мультиагентными AI-системами, но практического опыта в этой области пока немного, поэтому такой формат особенно ценен.
Большинство команд выбрали схожие подходы, однако часть участников пошла в более сложные архитектурные решения. Где-то они были реализованы удачно, а где-то отдельные сильные идеи не позволили полностью раскрыть потенциал проекта. Более узкий фокус и акцент на целостности продукта могли бы дать более сильный результат. Формат показал свою жизнеспособность и потенциал для дальнейшего развития».
Максим Павлов, директор по развитию продуктов искусственного интеллекта, X5 Tech
Надежную инфраструктуру для разработки предоставил партнер хакатона – технологическая платформа Yandex Cloud. На её облачных вычислительных мощностях участники собирали свои решения, а доступ к моделям обеспечила платформа Yandex AI Studio с моделями Alice AI, Qwen, DeepSeek, Gemma и других открытых семейств.
Решения оценивались в два этапа. Автоматический лидерборд проверял их на закрытом наборе бизнес-вопросов, измеряя точность ответов и экономику решения — расход токенов на один ответ. Архитектуру, качество интерпретации и визуализацию оценивало экспертное жюри, в которое вошли Максим Горынцев, Head of ML Personalization, MAGNIT TECH; Сергей Денисов, CTO ГенИИ, Альфа-Банк; Максим Павлов, директор по развитию продуктов искусственного интеллекта, X5 Tech; и Александр Рыжков, руководитель Avito DataScience R&D.
Победившая команда – Анатолий Шишкин, руководитель ИТ-департамента; Ринальд Садыков, CEO; Сергей Суханов, генеральный директор; Иван Муратов, CTO – представила ИИ-платформу для бизнес-аналитики, объединяющую возможности BI-систем и мультиагентного ИИ. Решение сочетает интерактивные дашборды с системой из четырёх специализированных агентов: оно позволяет анализировать финансовые и продуктовые показатели в диалоговом режиме, строить графики по текстовым запросам и автоматически выводить результаты на дашборд. В архитектуре реализованы механизмы защиты от некорректных запросов и оптимизации потребления токенов, снижающие вычислительные затраты.