Системное применение ИИ: как компании переходят к гиперавтоматизации

Генеративный ИИ (GenAI) стал одной из самых обсуждаемых тем последних лет, во многом установив ложный знак равенства между этим направлением и искусственным интеллектом в целом. Такая подмена понятий привела к тому, что под «внедрением ИИ» часто подразумевались разрозненные пилотные проекты с LLM или LMM, в то время как полноценная интеллектуальная автоматизация предприятия требует более широкого инструментария.

Однако в 2025 году на фоне «взросления» рынка генеративного ИИ фокус компаний сместился с отдельных экспериментов на системную ИИ-трансформацию. Ключевыми приоритетами стали создание устойчивой ИИ-архитектуры и реализация стратегии гиперавтоматизации на основе прагматичного сочетания роботизации, классического ML и других ИИ-технологий, а также генеративного ИИ.  

Итоги 2025 года

Множество пилотов GenAI

Период 2023–2024 годов характеризовался массовым запуском пилотных проектов (PoC) по внедрению генеративного ИИ. Однако значительная часть этих инициатив не окупалась и не масштабировалась из-за недостаточно системного подхода, четкой стратегии, подготовленных данных и сложностей интеграции. По данным оценок Gartner, от 30% до 40% проектов в области GenAI закрываются сразу после пилотирования. Ключевым выводом 2025 года стало понимание, что генеративный ИИ не является универсальным решением. То, что происходит с такими проектами — классический пример «пропасти разочарования» (Trough of Disillusionment) по методологии Gartner. Это не признак несостоятельности технологии, а сигнал отказа рынка от нежизнеспособных сценариев. Как и любая прорывная технология, генеративный ИИ проходит естественный путь развития: от этапа завышенных ожиданий к стадии прагматичного применения. Ажиотажный спрос сменяется оценкой бизнес-ценности и влияния ИИ на финансовые показатели.

Возрастающие спрос и риски

При этом интерес к ИИ не ослабевает. Напротив, в 2025 году устойчивым явлением стал «теневой ИИ» (Shadow AI) — использование нейросетей (ChatGPT, Grok, Claude, Midjourney и пр.) с личных аккаунтов для рабочих задач. Такое «внедрение снизу» создает риски безопасности, но сигнализирует о практической пользе ИИ для повышения продуктивности персонала и о том, что корпоративные инструменты отстают. По прогнозам, к 2030 году более 40% инцидентов в компаниях, нарушающих нормы безопасности и комплаенса, будут связаны именно с «теневым ИИ». Задача бизнеса в 2026 году — взять этот спрос под контроль, предложив безопасную альтернативу в контуре компании.

Ресурсы применительно к ИИ-продуктам

По оценкам аналитиков, к 2026 году совокупные мировые расходы, связанные с развитием и эксплуатацией ИИ, могут достигнуть порядка $2,5 трлн. Значительная часть этих затрат приходится на вычислительную инфраструктуру — серверы, специализированные ускорители и дата-центры, что уже привело к дефициту оборудования и росту цен на отдельные компоненты.

В долгосрочной перспективе вопросы энергоэффективности станут критическими. К 2030 году дата-центры могут потреблять до 2% мирового потребления электроэнергии, и до половины этой объемов уйдет на ИИ. В этих условиях рынок готовится к дефициту доступной мощности. Поэтому решения, требующие меньших ресурсов для работы с ИИ, будут иметь стратегическую важность.

По этой причине рынок платформ интеллектуальной обработки документов (IDP) продолжает расти. Эти продукты — пример прагматичного сочетания менее ресурсоемкого классического ML, компьютерного зрения и точечного применение LLM-моделей, где это действительно необходимо (без затрат на обработку всего объема документов нейросетью), в частности:  

• классификация,
• извлечение и валидация данных,
• проведение сверок и проверок,
• редактирование и аннотирование содержания,
• экспорт данных.

Еще один динамично развивающийся сегмент — ИИ-поиск. Возможность интеллектуального поиска по постоянно растущему объему корпоративных данных сделало это направление одним из наиболее популярных в 2025 году. Решение становится единой точкой доступа к знаниям компании и позволяет извлекать нужные факты из информации в корпоративных ресурсах для ответа на вопросы, учитывая роль пользователя, права доступа и контекст запроса. В итоге интеллектуальный поиск формирует точные достоверные ответы на вопросы, преобразуя разрозненные ресурсы компании в «живой» и структурированный актив бизнеса. Для оптимизации ресурсной нагрузки применяется векторизация и хранение информации, RAG, Embedding, чтобы избежать необходимости обработки всего объема информации через LLM.

В SL Soft различные компоненты IDP, LLM, RPA, BPM объединены на платформе,  так интеграция ИИ в бизнес-процессы заказчиков происходит эффективнее.

Развитие рынка корпоративных ИИ-сервисов

Генеративный ИИ не универсальное решение, а ценность дают бизнес-ориентированные продукты, в которые ИИ встроен как компонент, оснащен надежными механизмами защиты данных и упакован в удобный пользовательский интерфейс.

В 2025 году положительную динамику продемонстрировали продукты на базе ИИ, ориентированные на работу с корпоративными процессами, данными и документами.

Практика показывает, что ценность генеративного ИИ для компаний определяется не фактом его наличия, а глубиной встраивания в конкретную ИТ-среду и учетом контекста роли пользователя, его задач, процессов, структур, данных и контента. Иначе ИИ с высокой долей вероятности не оправдает ожидания и будет восприниматься как эксперимент, а не рабочий инструмент. Без глубокого погружения в контекст компании такой ИИ подобен внешнему консультанту: он знает теорию, но не может дать конкретных рекомендаций.

Реальную ценность представляют готовые сервисы, где ИИ уже надежный и безопасный компонент, работающий в заранее заданных рамках (в отличие от генеративного ИИ без контекста). Такие продукты уже представлены на российском рынке и позволяют решать конкретные задачи с видимым бизнес-результатом.

Примеры корпоративных ИИ-сервисов:

• интеллектуальнаяобработка документов (IDP),
• ИИ-поиск,
• ИИ-ассистенты и ИИ-агенты,
• интеллектуальная роботизация и другие.

Рынок оценил их функциональность и гибкость. Эти продукты выступают универсальными надстройками: они не только встраиваются в core-системы (например, ERP) или прикладные решения (СЭД, архивы), но и становятся связующим звеном для сквозной автоматизации. Подобный платформенный подход превращает их в фундамент гибридной ИТ-архитектуры и драйвер системной трансформации бизнеса.

Тренды ИИ

На основе прогнозов аналитических агентств и собственного опыта SL Soft можно говорить о переходе рынка от экспериментов к системной архитектуре. Формируются три основных направления, которые, как нам видится,будут определять развитие отрасли в ближайшем будущем.

Технологии

• Переход к специализированным моделям. Универсальные большие языковые модели уступают место предметно-ориентированным (Domain-Specific Language Models, DSLM), обученным под конкретные отрасли и задачи. Такие модели точнее, дешевле в эксплуатации и проще с точки зрения контроля. Прогнозируется, что к 2027-2028 годам более 50-60% корпоративных моделей будут именно предметно-ориентированными.
• Развитие мультиагентных систем. ИИ эволюционирует от роли простых помощников (copilots), выполняющих задачи по запросу, к автономным агентам, способным самостоятельно планировать действия. В перспективе нескольких лет это приведет к созданию целых «ИИ-отделов», способных взаимодействовать между собой и координировать сложные бизнес-процессы без участия человека на каждом шаге. По прогнозам IDC, к 2030 году 45% организаций будут масштабно управлять агентами ИИ, внедряя их во все бизнес-функции. Это уже сегодня кратно усиливает потребность в оркестрации и централизованном управлении ИИ-инструментами, чтобы избежать хаоса в цифровой экосистеме. Продукты SL Soft обеспечивают создание таких ИИ-агентов и их оркестрацию на базе продуктов ROBIN и экосистемы ИИ-сервисов SL Soft AI. 
• Оптимизация затрат. Рост стоимости вычислений приводит к более взвешенному выбору технологий. Генеративный ИИ, LLM используются там, где это действительно оправдано, алгоритмы, машинное обучение остаются востребованными для типовых или регламентированных сценариев. Также будущее корпоративного ИИ — не в одной универсальной модели, а в грамотной оркестрации множества специализированных решений.

Архитектура

• Безопасность. Использование ИИ открывает новые каналы для кибератак и утечек данных, а также повышает риск ошибок из-за «галлюцинаций» моделей. В 2026 году компании системно повышают кибербезопасность, обеспечивают дополнительные механизмы проверки ответов на достоверность, внедряют регламенты применения ИИ.
• Гиперавтоматизация. Этот стратегический подход сквозной автоматизации бизнес-процессов за счет комплекса взаимосвязанных технологий: ИИ, RPA, BPM, OCR, агентные системы, аналитика. Он обеспечивает переход от отдельных инструментов к  к единомуконтуру. Использование платформ гиперавтоматизации, таких как ROBIN, позволяет бесшовно масштабировать решения и получать реальную ценность без затрат на стыковку разрозненного софта.

Культура

• Развитие сотрудников. В 2026 году успех ИИ-проектов зависит от формирования культуры использования технологий. Для этого необходимы разработка программ обучения персонала и системное повышение ИИ-грамотности, чтобы сотрудники воспринимали ИИ как инструмент повышения продуктивности, требующий навыков управления и критической оценки результатов. Для создания такой среды важна поддержка C-level руководителей.
• Центры компетенций. По данным аналитических агентств, инхаус-проекты имеют высокий риск стагнации (а наиболее распространенной моделью внедрения становится использование готовых решений от внешних партнеров). Опыт SL Soft показывает, что привлечение экспертов со стороны вендора для внедрения ИИ позволяет избежать типовых ошибок, сократить время ввода в промышленную эксплуатацию, разработать дорожную карту внедрения и программы обучения персонала и выстроить правильную архитектуру «с нуля» — все это критично для окупаемости и масштабирования проекта.  
• Эволюция ролей. С развитием ИИ снижается потребность в разработчиках и растет спрос на специалистов, способных понять суть бизнес-задачи и сформулировать решение. Для таких сотрудников ключевыми инструментами становятся платформы No-Code и Low-Code, позволяющие быстро создавать решения, интегрировать данные и автоматизировать процессы без глубокого программирования.

В 2026 году успех внедрения ИИ будет зависеть от системного подхода: зрелой архитектуры, эффективной работы с данными, синергии технологий и стратегии развития проектов. Комплексные решения и соответствующая организационная среда позволят компаниям использовать ИИ как надежный инструмент операционной эффективности.