ИИ в офисе: от чат-ботов к workflow-агентам
В 2026 году чат-бот, который отвечает на вопросы по базе знаний, — это уже как факс. Есть? Есть. Полезно? Иногда. А вот что действительно заставляет шевелиться волосы у compliance-офицеров, так это агенты, которые не просто болтают, а выполняют часть бизнес-процесса. Самостоятельно. Directum, чья система RX уже два десятилетия вертит документами в российских корпорациях, теперь вшивает в нее ИИ-агентов. С одним ключевым отличием: все работает в локальном контуре. Ни один договор не уплывет в облако OpenAI.
Пока все обсуждают GPT-5 и его творческие способности, в enterprise-секторе тихо победил другой тренд — закрытый ИИ. Зачем платить за облачные API и рисковать данными, если можно поставить модельку рядом с файловым сервером? (Спойлер: потому что безопасность сейчас дороже любой подписки.)
Directum RX получает мозги: как это работает
Архитектура проста, как топор, и от этого гениальна. Внутри Directum RX появляется слой workflow-агентов. Это не один большой мозг, а россыпь узкоспециализированных автономных модулей. Один агент следит за сроком действия договоров, другой — готовит проекты документов по шаблону, третий — маршрутизирует входящие заявки. Каждый из них имеет доступ к своей песочнице данных через локальный RAG (Retrieval-Augmented Generation).
Здесь нет магии, только железо. На сервере клиента крутится, например, Llama 3.1 405B (или ее более новая итерация, доступная на апрель 2026) и векторная база данных типа Qdrant. Когда агенту нужно принять решение, он не лезет в интернет. Он ищет контекст в индексе внутренних документов, регламентов и историй процессов. Это классический RAG-подход, но вывернутый наизнанку — весь цикл от запроса до ответа замыкается внутри корпоративного периметра.
Локальный RAG: почему данные не уходят в облако
Вопрос риторический. Для госсектора, банков и крупного промышленного бизнеса ответ очевиден: потому что нельзя. Но даже те, кто мог бы пользоваться GPT-5, все чаще смотрят на локальные развертывания. Причины?
- Юрисдикция данных. Физический сервер в своем ЦОДе проще доказательно предъявить регулятору.
- Предсказуемость затрат. Никаких сюрпризов в счете за 10 миллионов токенов.
- Работа в условиях ограниченного или отсутствующего интернета. Для удаленных производств — единственный вариант.
Технически, это требует серьезной инфраструктуры. Но, как показывает практика, собрать Agentic RAG систему полностью локально сегодня может даже не самый крупный IT-отдел. Directum же пошел дальше — они встроили этот механизм прямо в платформу, сделав его частью BPMN-оркестрации. Да, тот самый старый добрый BPMN внезапно стал lingua franca для общения с ИИ-агентами.
Агенты-посредники и ролевая модель доступа
Самое сложное в корпоративном ИИ — не заставить его работать, а заставить его работать только с тем, что положено. Агент отдела закупок не должен видеть зарплатные ведомости бухгалтерии. Directum решает это через жесткую привязку агентов к существующей ролевой модели доступа в RX. Агент наследует права пользователя, который его запустил, и не может выйти за эти рамки.
Такой подход превращает агента из "умного скрипта" в посредника, который действует от лица сотрудника, но делает это в сотни раз быстрее и без усталости. Он не принимает стратегических решений. Он выполняет рутинную, но критически важную часть workflow: сопоставляет данные, проверяет условия, заполняет поля, запрашивает недостающие документы. Фактически, это следующий шаг после мультиагентного ИИ для ERP, но заточенный под документооборот.
Что в итоге? Workflow, который живет сам
Ключевой вывод из кейса Directum не в технологии. Он в философии. Корпоративный ИИ в 2026 году — это не про креативность и генерацию картинок. Это про надежность, безопасность и интеграцию в унаследованные системы. Локальный RAG и встраиваемые агенты — ответ на запрос рынка, который устал от красивых демо и хочет работающих инструментов.
Прямая дорога ведет к тому, что описанные в BPMN процессы начнут выполняться с минимальным человеческим участием. Но прежде чем бежать внедрять, стоит изучить типичные ловушки, в которые попадают 9 из 10 пилотных проектов. И да, ваш старый RAG-прототип, скорее всего, уже не актуален — архитектура агентов ушла далеко вперед.
Совет? Не пытайтесь построить общего гения для всей компании. Начните с одного workflow-агента для одной конкретной, скучной и раздражающей всех операции. Как это сделали в Suzano. Внедряйте его локально, чтобы отдел безопасности спал спокойно. И наблюдайте, как живой процесс начинает дышать самостоятельно. А потом — масштабируйте. Медленно и без фанатизма.
