Генеративный ИИ (GenAI) давно вышел за рамки экспериментов и активно интегрируется в реальные бизнес-процессы компаний, однако значительная часть организаций до сих пор внедряет его по старой схеме — отдельным решением под каждую конкретную задачу. О том, почему такая модель быстро достигает предела возможностей и какая альтернатива приходит ей на смену, рассказывает Илья Радченко, директор по платформенным продуктам SimpleOne.
Почему разрозненные ИИ-инструменты не масштабируются в энтерпрайз
Генеративный ИИ перестал быть пилотной технологией и встраивается в производственные процессы компаний, но путь от эффектной демонстрации до устойчивой промышленной эксплуатации проходит далеко не каждая инициатива: согласно исследованиям, 95% корпоративных ИИ-пилотов заканчиваются провалом — то есть не приносят измеримой отдачи от инвестиций.
Упрощенно, у бизнеса сегодня есть два основных сценария ИИ-автоматизации.
Сценарий первый — точечная автоматизация под каждую задачу
Для решения конкретной проблемы — будь то помощь первой линии поддержки, обработка счетов или ускорение работы продавцов — выбирается отдельный продукт либо реализуется небольшой локальный проект. На старте это дает быстрый видимый результат: один процесс становится быстрее, сотрудники довольны. Но при накоплении десятков таких инициатив на поверхность выходят системные сложности:
- у каждого ИИ-кейса свой стек технологий и своя команда;
- интеграции с одними и теми же корпоративными системами дублируются раз за разом;
- политики доступа, логирования, SLA (Service Level Agreement или соглашение об уровне обслуживания) и поддержки отличаются от кейса к кейсу;
- успешный сценарий невозможно перенести в другое бизнес-подразделение без переписывания заново.
Сценарий второй — самостоятельная разработка ИИ-платформы
Компания выбирает максимальный контроль. Собирает решение на open source (с открытым исходным кодом), использует конструкторы пайплайнов и оркестраторы моделей, размещая все в собственной инфраструктуре. Теоретически это выглядит как оптимальный путь, но на практике превращается в трудоемкий инженерный продукт со своей дорожной картой, техническим долгом, зависимостью от штата разработчиков и высоким барьером входа для бизнес-подразделений.
У обоих подходов есть общие узкие места:
- Нужен быстрый результат. Бизнесу важен эффект в течение недель или месяцев, а не спустя год долгой разработки или внедрения;
- Зависимость либо от вендора, либо от растущего техдолга. Готовое вендорское решение слабо адаптируется под живые процессы, а самописная система со временем требует все больше ресурсов на поддержку;
- Требования безопасности enterprise-уровня. Одновременно нужно контролировать данные, действия моделей, права доступа и аудит, а также соблюдать нормы по персональным данным — встроить это постфактум не получится;
- Жесткая привязка к конкретному LLM-провайдеру (поставщику ИИ-сервисов). Модели, тарифы и правила использования меняются быстрее, чем успевает адаптироваться ИТ-инфраструктура, из-за чего негибкие решения устаревают почти сразу.
Сценарий третий — единая GenAI-платформа
Вместо накопления разрозненных инструментов или строительства собственного «зоопарка» технологий компания использует общий инфраструктурный слой, где:
- разные команды строят свои ИИ-сценарии на одинаковых базовых блоках;
- вопросы безопасности, доступа и аудита решаются один раз на уровне всей платформы;
- интеграции и корпоративные знания используются повторно во всех кейсах;
- есть возможность менять LLM-провайдеров без остановки процессов.
Именно эту функцию выполняет платформа SimpleOne. Она сохраняет самостоятельность команд и бизнес-подразделений в выборе сценариев, но объединяет все в едином управляемом контуре, а не в наборе изолированных пилотов.
Практическое применение
Реальная польза GenAI-платформы проявляется в том, как трансформируется повседневная работа команд. Рассмотрим три прикладных сценария на базе SimpleOne.
ИТ-поддержка: от автоклассификации заявок до агентного анализа инцидентов
В традиционном сервис-деске существенная доля времени тратится на рутинные операции: разбор заявки, поиск подходящей статьи в базе знаний, маршрутизация запроса, сброс пароля.
ИИ-помощник в ITSM-модуле SimpleOne (ITSM, IT Service Management — управление ИТ‑услугами) закрывает эти задачи без участия человека. Определяет категорию обращения, находит релевантный ответ в корпоративной базе знаний с помощью RAG-технологии (генерации с извлечением данных) и при необходимости выполняет технические операции самостоятельно, например, сбрасывает пароль через интеграцию с Active Directory. Пользователь видит обычный чат поддержки, а ИТ-служба получает сокращенную очередь и разгруженную первую линию.
Следующая ступень — ИИ-агент для анализа инцидентов. Его роль не ограничивается ответом на вопрос, он проходит целую цепочку операций. При получении сигнала о сбое агент самостоятельно собирает информацию из разных источников, например, историю похожих инцидентов, логи мониторинга, конфигурационную базу данных.
Затем он выявляет закономерности, определяет вероятную первопричину и формирует задачу для команды с заранее заполненным контекстом. Инженер на дежурстве работает не с потоком необработанных алертов, а со структурированным выводом и рекомендациями, что позволяет ему сразу переходить к устранению проблемы.
Финансы: обработка счета за 2 минуты вместо 15
Согласование входящих счетов относится к самым ресурсоемким операциям: документ нужно получить, извлечь из него реквизиты, сверить с заказом, направить на согласование и оплатить.
В SimpleOne этот цикл строится на трех компонентах. OCR (Optical Character Recognition — оптическое распознавание символов) распознает скан или PDF-файл счета. Smart Filling автоматически заполняет карточку — номер, дату, сумму, контрагента, статью затрат. После этого запускается workflow (поток работы) согласования с маршрутизацией по заданным правилам — лимит суммы, тип расхода и ответственное лицо. Итоговое время обработки одного счета снижается приблизительно с 15 до 2 минут — без модификации ERP-системы (системы управления предприятием) и без масштабного обучения персонала.
Продажи: от переговоров до готовой карточки в CRM
Одна из самых утомительных задач в продажах — заполнение CRM (системы для работы с клиентами) после звонков и встреч вручную. После переговоров менеджер тратит 20–30 минут на перенос информации из головы в систему. Например, ему нужно зафиксировать содержание разговора, договоренности и следующие шаги.
ИИ-помощник SimpleOne интегрируется прямо в этот процесс — расшифровывает запись звонка, извлекает ключевые данные (контакт, потребность, возражения, итог переговоров) и автоматически заполняет карточку сделки в CRM.
Менеджеру остается лишь проверить результат и при необходимости скорректировать его. Это экономит время и повышает качество данных, ведь карточки становятся более полными и актуальными.
Архитектура и ключевые компоненты GenAI-платформы SimpleOne
Все перечисленные сценарии реализованы не как набор изолированных модулей, а как целостная система. GenAI-функциональность встроена непосредственно в платформу SimpleOne, которая объединяет Low-code (разработка приложений без глубоких знаний программирования) инструменты разработки, ESM-слой (Enterprise Service Management) и готовые бизнес-приложения — ITSM, HR, продажи.
Технологическая основа
RAG и корпоративная память
Базовые языковые модели не обладают знанием о внутренней специфике конкретной компании — ее процессах, базах знаний, CMDB (Configuration Management Database — база данных конфигурационных единиц), регламентах. Технология RAG (Retrieval-Augmented Generation) закрывает этот разрыв. До обращения к модели платформа находит подходящие фрагменты в корпоративном хранилище — статьи базы знаний, инструкции, историю обращений, конфигурационные записи — и добавляет их в запрос в качестве контекста.
Благодаря этому ответы ИИ строятся на актуальных фактах и правилах компании. Корпоративная память хранится внутри самой SimpleOne без передачи данных во внешние SaaS-сервисы (облачные сервисы по подписке).
Оркестрация моделей через компонент Nexus
Второй технологический элемент — возможность работать с несколькими LLM без привязки к одному поставщику. Эту функцию выполняет Nexus, который предоставляет единую точку входа для приложений и агентов, самостоятельно определяет, какой модели направить запрос, и поддерживает параллельное подключение нескольких провайдеров — от публичных API (интерфейсов программирования приложения) до развернутых on-premise решений (устанавливаются локально).
При изменении цен, требований безопасности или появлении более подходящей модели переписывать бизнес-процессы не требуется — достаточно изменить конфигурацию Nexus, оставив логику рабочего процесса неизменной. За оркестрацию моделей отвечает технологический партнер компании — Ainergy.
Универсальные инструменты платформы
GenAI-платформа SimpleOne предлагает два типа ИИ-сущностей для самостоятельного или совместного использования: готовые ИИ-инструменты и настраиваемые ИИ-агенты.
Готовые ИИ-инструменты и сервисы — базовые компоненты под типовые задачи, встраиваемые напрямую в процессы. В комплекте предоставляются инструменты для работы с данными и текстом: OCR для распознавания документов, Smart Filling для автозаполнения форм, а также классификация, суммаризация, генерация текста и семантический поиск. Такие инструменты настраиваются единожды под класс задач и далее применяются в разных сценариях без написания кода и запуска отдельного интеграционного проекта.
Конструктор workflow и ИИ-действия. Все ИИ-компоненты, включая инструменты и агентов, доступны в визуальном конструкторе бизнес-процессов в виде отдельных шагов с заданием входных данных, условий запуска и ветвлений.
Типичный пример процесса: «получение счета на почту → OCR → Smart Filling → согласование по правилам → постановка на оплату». Такой сценарий собирается из готовых блоков за несколько часов без постоянного вовлечения разработчиков.
Конструктор ИИ-агентов. ИИ-агент в SimpleOne представляет собой не сценарный чат-бот, а компонент, способный самостоятельно определять последовательность действий в зависимости от контекста, работая как адаптивный участник процесса.
Структура агента:
- сам агент — слой на базе LLM, принимающий решения о дальнейших действиях;
- адаптер — обеспечивает подключение конкретной модели через Nexus;
- методы — атомарные операции с сущностями платформы (создание заявки, обновление карточки, чтение записи);
- инструменты — внешние интеграции, включая протокол Model Context Protocol (MCP), когда агенту требуется выйти за пределы SimpleOne.
Такой агент может использоваться практически в любой точке платформы: на портале самообслуживания, внутри процесса согласования, в сценарии интеграции с внешней системой — везде, где простая логика «если-то» уже недостаточна и требуется адаптивный участник процесса.
Диалоговый интерфейс для настройки агентов. Агент с доступом к методам управления платформенными сущностями способен создавать конфигурацию нового агента прямо в процессе диалога: пользователь формулирует задачу, а ассистент собирает под нее нужный агент. Это логичное продолжение общей архитектуры платформы, где агент взаимодействует с сущностями через методы, и сущность самого агента не является исключением.
Безопасность и соответствие требованиям
В контексте GenAI в крупных компаниях первый значимый вопрос касается не качества ответов модели, а управляемости: кто и что может делать с помощью ИИ, как это фиксируется и что предъявлять регуляторам и аудиторам. В SimpleOne эти механизмы заложены в саму архитектуру платформы.
Управление доступом и аудит
Каждое ИИ-действие — обращение к модели, вызов инструмента, шаг агента в процессе — выполняется в рамках ролевой модели платформы (RBAC), и агент не может получить доступ к данным или запустить операцию без соответствующего разрешения. Одновременно платформа ведет детальный лог: промпт, ответ модели, объем использованных токенов, идентификатор пользователя, время и контекст выполнения. Это упрощает расследование инцидентов и учет стоимости ИИ-сценариев по командам и процессам.
Развертывание внутри инфраструктуры компании
Для организаций с чувствительными данными — персональные данные сотрудников, финансовая отчетность, медицинская информация, госсектор — критично избежать утечки данных во внешние облака. GenAI-компоненты SimpleOne поддерживают полное on-premise развертывание: цепочка RAG, работа моделей и интеграции происходят в инфраструктуре заказчика. Это устраняет барьеры для организаций, которым по соображениям безопасности или закону запрещено использовать публичные GenAI-сервисы.
Соответствие регуляторным требованиям
GenAI сегодня находится в фокусе множества нормативных рамок — от EU AI Act и NIST AI RMF до ISO/IEC 42001 и национального законодательства о персональных данных. Платформа проектировалась с учетом этих требований: предусмотрены средства журналирования, управления доступом и контроля жизненного цикла моделей и их версий. Это позволяет компании не только формально выполнять требования, но и наглядно демонстрировать при проверке, какие решения принимались с участием ИИ, на каких данных и по каким правилам.
Итог
Точечные ИИ-решения способны быстро приносить пользу в рамках отдельного процесса, но плохо складываются в целостную систему: каждый новый сценарий требует нового инструмента, отдельной интеграции и собственного контура безопасности. Платформенный подход меняет эту логику: вместо множества изолированных пилотов формируется единая среда, где ИИ-автоматизация создается, запускается и масштабируется по общим правилам.
GenAI-платформа SimpleOne позволяет перейти от отдельного успешного кейса к системной работе с ИИ на уровне всей компании. Инструменты, агенты и процессы существуют в единой среде, подчиняются общей ролевой модели и оставляют полный след для аудита. В таком формате ИИ перестает быть экспериментом и становится штатной управляемой функцией бизнеса.
Реклама. ООО «СИМПЛ 1» ИНН: 9725013892.