Перейти к содержанию
Публикация AiManual

Агентоцентричные бизнес-процессы: как внедрять ИИ-агентов в корпоративные процессы и не обмануться

Разбираем четыре способа внедрения ИИ-агентов в корпоративные процессы, кейс проектного комитета, аргументы адептов и скептиков и критерии выбора первого пилота

Коротко

Что будет в материале

  1. 01

    Четыре способа внедрения ИИ-агентов в бизнес-процессы

  2. 02

    Как это выглядит на практике: проектный комитет с ИИ-агентами

  3. 03

    Адепты против скептиков: что правда у обеих сторон

  4. 04

    С чего начать внедрение ИИ-агента в компании: диагностичный процесс и честный замер

Агентоцентричные бизнес-процессы означают перенос ИИ-агентов с уровня личных инструментов на уровень корпоративных процессов: агент собирает данные, готовит статусы и протоколы, а сотрудник проверяет материалы и принимает решения. Сдвиг происходит не от того, что у людей появился чат с моделью, а от того, что часть процесса начинает выполняться автоматически по заданным правилам.

На практике картина другая. Компании раздают корпоративные аккаунты ChatGPT и Claude, складывают шаблоны в базу знаний, получают активность и разговоры в чатах. Ключевые решения при этом по-прежнему принимаются на ручных созвонах, знание живёт в личных переписках и головах, а первый процесс, который стоит изменить, никто не может назвать. Этот разрыв описан в разборе на vc.ru: доступ есть, локальные эксперименты идут, отдельные люди ускорились, а на уровне компании сдвига нет. Рынок упёрся не в доступ к ИИ, а в разрыв между личной практикой и устройством самой компании.

Второй ключевой термин - «читаемость» компании для ИИ. Это состояние, в котором процессы описаны, роли понятны, контекст собран, а правила принятия решений не хранятся только в головах. Трансформация начинается именно с читаемости, а не с выбора модели или покупки лицензий. Пока процесс не описан, агенту нечего исполнять: он не видит входов, выходов и критериев «готово».

Граница материала: речь про офисные процессы. Юристы, сметчики, администраторы, проектные офисы, согласования, отчётность. Разработка ПО с ИИ-агентами - отдельная история и сегодня фронтир направления. Чем устроены корпоративные агенты внутри компании и какие данные им нужны, разбираем в материале про ИИ-агентов как виртуальных сотрудников.

Четыре способа внедрения ИИ-агентов в бизнес-процессы

Способов использовать агентов на корпоративном уровне четыре, и их разрешено комбинировать между собой. Такая рамка предложена в разборе на Habr, где детально раскрыт первый вариант, а остальные следуют из той же логики. Разница между способами - в объёме изменений процесса и в требованиях к зрелости данных.

СпособЧто меняетсяТребованияГлавный риск
Персональные агенты-помощникиСкорость отдельного сотрудникаПочти никакихСистема не меняется
Встраивание в существующий процессОдин шаг процессаШаг описан, входы и выходы известныНехватка контекста
Новый процесс под агентаПроцесс проектируется с нуляВладелец процесса, правила эскалацииПроцесс живёт в отрыве от реальности
Перестройка вокруг агентовРоли и ответственностьСобранная рабочая средаДорого и долго без гарантии

Способ 1: персональные агенты-помощники сотрудников

Агент настраивается под уже существующую деятельность конкретного человека. Это «экзоскелет» сотрудника: юрист быстрее готовит черновик договора, сметчик собирает первый вариант расчёта, администратор разбирает входящий поток. Плюсы очевидны: быстрый старт, низкий риск, процесс не трогаем вообще.

Минусы тоже конкретны. Ускоряется индивид, а не система. Знания остаются в личных чатах и уходят вместе с сотрудником. Нет воспроизводимости: два человека с одинаковой задачей получат разные результаты, и никто не скажет, какой из них правильный. Согласование, в котором раньше был узким местом юрист, теперь упирается в следующего участника, и общая длительность цикла почти не падает.

Способ 2: встраивание агентов в существующие процессы

Агент встаёт на конкретный шаг уже описанного процесса: собрать данные из систем, подготовить черновик статуса, разложить входящие обращения по типам. Условие одно и жёсткое: шаг должен иметь понятные входы, выходы и критерий готовности, иначе агенту не на что опираться.

Именно здесь вылезает главная причина сбоев. В операционных задачах ИИ ошибается чаще не от недостатка интеллекта, а от недостатка контекста: агент не понимает своей роли, не видит процесса, не знает фактов о компании и критериев принятия решений. Внедрение ломается не на модели, а на устройстве самой работы: в компании не собрана рабочая среда, то есть нет контекста, правил, контроля и понятной инфраструктуры.

Способ 3: новые процессы под агентов

Процесс проектируется сразу с агентом в контуре. Пример: регулярная автоматическая сборка статусов по проектам с обязательной человеческой валидацией перед отправкой. Никто не пытается починить исторический процесс из десятка согласований, потому что его проще описать заново.

Подходит для новых задач и для участков, где текущая схема состоит из костылей и устных договорённостей. Ограничение: нужен владелец процесса и правила эскалации к человеку. Без них агент либо останавливается на первой нестандартной ситуации, либо, что хуже, принимает решение самостоятельно.

Способ 4: перестройка бизнес-процессов вокруг агентов

Самый радикальный вариант: агент в центре, люди на проверке и решениях. Меняются роли, матрица ответственности и сама последовательность работ. Требуется собранная рабочая среда: контекст, правила, контроль, инфраструктура. Если на одном процессе собрать эту среду не удалось, говорить о перестройке компании на ИИ преждевременно.

Что происходит с ролями и управлением при таком переходе, разбираем в материале про AI-native организацию. Практический вывод по разделу простой: большинство компаний начинает с первого и второго способа, третий выбирают точечно под новые задачи, четвёртый требует зрелости, которой у большинства пока нет.

Как это выглядит на практике: проектный комитет с ИИ-агентами

Управление проектной деятельностью удобно как пример: процесс повторяемый, участников много, ручной сбор данных съедает время. Рассуждения об агентоцентричности строятся именно на этом примере и переносятся на любую офисную деятельность. Автор отдельно оговаривает, что речь не про разработку ПО, где агенты уже стали нормой.

Шаг процессаЧто берёт агентЧто остаётся человеку
Сбор данных по проектамВыгрузка из трекера, реестра рисков, финансовой системы, сведение в единый видПроверка полноты и корректности источников
Подготовка статусовЧерновик отчёта по шаблону, отклонения от плана, список вопросовЧтение, правки, оценка адекватности выводов
Повестка и материалыСборка пакета, нумерация, ссылки на артефактыПриоритизация вопросов, отбор спорных тем
Проведение заседанияСтенограмма, фиксация формулировок решенийСами решения и ответственность за них
Протокол и порученияЧерновик протокола, разнесение поручений по исполнителям и срокамУтверждение протокола, контроль исполнения

Где агент забирает работу: сбор данных, статусы, протоколы

Основной объём рутины приходится на стыковку источников. Агент вытягивает факты из трекера, реестра рисков и финансовой системы, приводит их к одному формату и раскладывает по шаблону статуса. Дальше формирует повестку по правилам: отклонение по срокам больше порога, рост риска, запрос на изменение бюджета.

Качество результата жёстко зависит от двух вещей: доступного контекста и структурированности данных. Если статус проекта живёт в голове руководителя и в голосовом сообщении, агент его не найдёт. Если реестр рисков ведётся в трёх файлах с разной структурой, свод получится аккуратным по форме и сомнительным по содержанию. Агент работает по заданным правилам и шаблонам, а не «как получится».

Где остаётся человек: проверка материалов и принятие решений

Человек проверяет материалы до комитета, принимает решения и отвечает за них. Агент готовит, но не решает. Эту границу нельзя размывать: как только агент начинает подписывать выводы, разговор с ИБ и руководством становится невозможным, а ответственность исчезает в формулировке «так посчитала модель».

Практическая ценность такой схемы не в скорости генерации текста. Ценность в том, что подготовка перестаёт быть штучной работой конкретного сотрудника и становится воспроизводимым процессом с проверяемым входом и человеком на выходе. Тот же каркас переносится на бюджетирование, закупки, работу с обращениями и любую другую офисную деятельность, где есть повторяемость.

Адепты против скептиков: что правда у обеих сторон

В корпоративных обсуждениях агентного управления сложились две контрарные группы лиц, принимающих решения. Адепты требуют двигаться быстро, скептики требуют сначала навести порядок. Большинство ЛПР находится над схваткой и ждёт, чем закончится спор. Обе позиции зафиксированы в исходном разборе, и обе содержат верные наблюдения.

Аргументы адептов агентного управления

Ключевой тезис: агенты уже могут выполнять 80% офисной работы на уровне как минимум джунов. Это позиция стороны, а не измеренный результат. Ни методики замера, ни выборки задач в ней нет, поэтому воспринимать цифру стоит как риторическую фигуру, которая задаёт направление, а не как бенчмарк.

Фон понятен: с начала 2026 года тема агентов разрастается на корпоративном фронте, и юристы, сметчики, администраторы уже чувствуют давление. Аргумент адептов по сути один: стоимость бездействия растёт быстрее, чем стоимость ошибки в пилоте, поэтому пробовать надо сейчас, на живых задачах, а не в теории.

Аргументы скептиков: данные, ИБ, стоимость, сроки

Позиция скептиков укладывается в три пункта: сначала порядок в процессах или хотя бы в данных; агенты - это долго, дорого и небезопасно; заявленные эффекты никто внятно не измерил. Скептицизм опирается на реальный опыт: пилоты, которые красиво смотрятся на подготовленных данных, разбиваются о legacy-системы и разрозненные справочники.

Обе стороны правы частично. Без рабочей среды агент не даёт эффекта на уровне компании, это подтверждается практикой. Одновременно ожидание идеального порядка превращается в бесконечную подготовку: пока описываем все процессы, инструменты уходят на два поколения вперёд, а бизнес не получает ничего. Разумный выход - один диагностичный процесс и честный замер, а не выбор между «делать всё сразу» и «не делать ничего».

С чего начать внедрение ИИ-агента в компании: диагностичный процесс и честный замер

Первый шаг - выбрать конкретный процесс, а не абстрактную должность. Формулировка «сделаем агента для аналитика» не даёт ни входов, ни критерия успеха. Выбор процесса, а не роли, задаёт всю дальнейшую работу: у процесса есть границы, участники и результат, который можно проверить.

Второй шаг - выбрать не самый красивый процесс, а самый диагностичный. Критерии такие:

  • много ручного труда, который повторяется из цикла в цикл;
  • задержки на этом участке стоят денег или блокируют другие работы;
  • данные уже существуют в системах, пусть и в неудобном виде;
  • эффект можно сравнить до и после без самообмана, то есть есть метрика длительности, объёма переделок или числа итераций.

Третий шаг - собрать рабочую среду вокруг выбранного процесса: описание шагов, роли, доступные источники данных, правила, кому агент передаёт результат, что делает при ошибке. Если на одном процессе собрать эту среду не получилось, перестройка компании на ИИ преждевременна. Почему корпоративные инициативы застревают между пилотом и рабочим инструментом, подробно разобрано в материале про путь от пилота до рабочего инструмента.

Для быстрой проверки гипотезы используют формат короткой лаборатории, например AI-Native Sprint: команда за ограниченное время проходит путь от описания процесса до прототипа с агентом и смотрит, где именно ломается. Конкретных сроков и процентов экономии такой формат не гарантирует, его задача - получить факты о своём процессе, а не отчёт о чужих успехах.

Как читать кейсы вендоров: VK Tech/McKinsey, МТС, К2Тех, Directum

Публикации VK Tech и McKinsey, МТС, К2Тех и Directum показывают, как агентоцентричность проявляется в корпоративной практике: от встроенных ассистентов в конкретных отраслях до платформ для сборки агентов. Полезны они как карта направлений, а не как доказательство эффекта. Заявленные вендорами результаты стоит воспринимать критически: пресс-релиз описывает успех, а не условия, в которых он получен.

Набор вопросов к любому кейсу, который помогает не обмануться:

  1. Какой именно процесс автоматизирован и где его границы?
  2. Какие данные использовались и были ли они подготовлены специально для пилота?
  3. Кто проверяет результат агента и что происходит при ошибке?
  4. Как измеряли эффект: до и после, на какой выборке, в каких единицах?
  5. Что осталось за кадром: доля ручной доработки, число обращений к человеку, стоимость сопровождения?
  6. Масштабировалось ли решение за пределы пилотной команды и через сколько времени?

Если ответов на эти вопросы в публикации нет, перед вами маркетинговый материал. Это не значит, что решение не работает. Это значит, что переносить его результаты на свою компанию нельзя.

Скилл для управленцев: разбор процесса «как есть» и варианты реинжиниринга

Практический инструмент, который можно собрать под свои задачи, - скилл для управленцев. Логика простая: он опрашивает вас по процессу в состоянии «как есть», задаёт уточняющие вопросы про роли, входы, выходы и узкие места, затем предлагает несколько вариантов реинжиниринга и формирует отчёт с описанием вариантов, включая схемы в стиле BPMN.

Входные данные, которые нужно подготовить:

  • название процесса и его границы: с чего начинается, чем заканчивается;
  • перечень ролей и кто что делает на каждом шаге;
  • источники данных и артефакты, которые передаются между шагами;
  • узкие места: где копится очередь, где переделки, где ждут согласования;
  • метрики, которые вы готовы замерять до и после.

Пример того, как выглядит вход для такого разбора:

Процесс: подготовка и проведение проектного комитета
Начало: за 5 дней до заседания. Конец: протокол разослан, поручения заведены
Роли: руководитель проекта, PMO, члены комитета, секретарь
Данные: трекер задач, реестр рисков, бюджетный файл, история прошлых протоколов
Узкие места: ручной сбор статусов, разные форматы отчётов, повестка собирается в переписке
Метрики: часы на подготовку, число итераций правок, доля вопросов, снятых без обсуждения

На выходе получается отчёт: описание процесса как есть, список вариантов с разной степенью вмешательства (от персонального помощника до перестройки), для каждого варианта - что меняется в шагах, какие данные нужны и где остаётся человек. Схемы в стиле BPMN помогают увидеть, где именно встаёт агент и где появляется точка проверки.

Ограничение по использованию скилла: он помогает осмыслить процесс и увидеть варианты, но не заменяет решение руководителя. Модель не знает вашей политики безопасности, договорённостей с подрядчиками и реальной цены задержки. Отчёт стоит читать как материал для обсуждения с владельцем процесса, а не как план к исполнению.

Риски и ограничения: ИБ, стоимость, сроки и ответственность

Риски стоит собрать в один список до старта, а не после первого инцидента.

  • Информационная безопасность. Агент с доступом к корпоративным данным становится потенциальным инсайдером. Права выдаются по минимуму, доступ логируется, контур ограничен.
  • Стоимость. Считайте не только токены и лицензии, но и подготовку данных, интеграции, поддержку и людей, которые проверяют результат.
  • Сроки. Эффект появляется после того, как собрана рабочая среда, а не после демо. Реалистичный горизонт задавайте через критерии готовности, а не через дату презентации.
  • Размывание ответственности. Решение принимает человек с именем, агент готовит материалы. Это правило фиксируется письменно, иначе спрос за ошибку исчезает.
  • Качество данных. Устаревшие справочники и разные форматы превращают аккуратный отчёт в красивую бессмыслицу.
  • Хрупкость пилота. Решение, собранное под одну команду и один набор данных, может не переноситься на соседний отдел.

Рабочее правило: агент действует в ограниченном контуре с логированием, а решения остаются за человеком. Для процессов с регулированием требования жёстче, и там стоит смотреть на кейсы, где агент изначально проектировался как помощник, а не как автономный исполнитель. Такой опыт разобран в материале про агента, ставшего помощником аналитиков.

Итог: сначала осмыслить свои процессы, потом покупать агентов

Покупать консультантов до того, как описан собственный процесс, бессмысленно: консультант принесёт шаблон, а не знание вашей компании. Ждать идеального порядка тоже не работает, потому что порядок наводится как раз в ходе одного конкретного пилота.

Компания становится читаемой для ИИ, когда процессы описаны, роли понятны, контекст собран, а правила принятия решений зафиксированы. До этого любой агент остаётся персональным ускорителем сотрудника.

Дальнейшие шаги выглядят так:

  1. Выбрать один процесс, а не должность.
  2. Описать его как есть: шаги, роли, данные, узкие места, метрики.
  3. Собрать рабочую среду: контекст, правила, контроль, инфраструктуру.
  4. Запустить пилот с агентом на одном шаге и с обязательной проверкой человеком.
  5. Замерить результат до и после по заранее выбранной метрике.
  6. Масштабировать только то, что подтвердилось, и только после этого обсуждать перестройку процессов вокруг агентов.

Агентоцентричность не покупается лицензией. Она появляется там, где работу разложили на шаги и честно решили, что из этого может делать агент, а что остаётся за человеком.

Подписаться на канал