RPA или агент: какая автоматизация нужна вашему бизнесу

Еще недавно бизнес воспринимал искусственный интеллект как эксперимент и только подступался к работе с ним через пилотные проекты. Сегодня этот этап для многих пройден. Компании накопили опыт, проверили гипотезы и подошли к следующей стадии — системной автоматизации ключевых процессов с помощью ИИ.

Использование ИИ плавно переходит из конкурентного преимущества в отраслевой стандарт. Согласно нашему исследованию, 35% компаний нарастили потребление ИТ‑инфраструктуры для ИИ за прошедший год.

При этом среди опрошенных организаций, которые уже используют ИИ, 33% внедряют технологии в живые бизнес‑процессы — разработку продуктов или оказание услуг, а 28% находятся на этапе пилотного тестирования отдельных решений.

Однако крайне важно на этом пути не увлечься внедрением ради внедрения.

Меня зовут Александр Тугов, я директор AI‑вертикали в Selectel. В этой статье расскажу, какой ИИ нужен вашему бизнесу, как выстроить процесс работы с ним и учесть ключевые риски на пути от идеи к результату. В конце статьи поделюсь примерным планом внедрения искусственного интеллекта за шесть шагов.

Какие есть подходы к автоматизации

Строго говоря, есть два подхода — роботизированная автоматизация по алгоритму и ИИ‑агенты с нечеткой логикой.

• кликают по интерфейсам;
• копируют данные между системами;
• заполняют формы;
• выполняют сценарии по заданным правилам.

Ключевая особенность: RPA‑модель не думает — она следует заранее заданному алгоритму.

ИИ‑агенты — это система на базе искусственного интеллекта, которая может:

• анализировать неструктурированные данные (тексты, письма, документы);
• принимать решения в условиях неопределенности;
• планировать действия;
• адаптироваться к новым ситуациям.

Ключевая особенность: ИИ‑агент может понимать контекст задачи и менять поведение в зависимости от него. По данным McKinsey на конец 2025 года, 23% компаний уже масштабируют агентные системы, еще 39% экспериментируют с ними.

Связь между агентом и RPA напоминает взаимодействие мозга с руками. Агент понимает задачу, принимает решения и определяет, что делать дальше. RPA же выполняет четко поставленные указания. Например, агент может получить заявку от клиента, решить, что с ней делать (отклонить или принять) и передать команду RPA. Тот, в свою очередь, занесет данные в CRM, обновит статус и отправит ответ.

Как выбрать оптимальный подход

Стремление бизнеса внедрить популярную технологию, чтобы не отставать от конкурентов, вполне понятно. Однако любой проект нужно начинать с постановки цели. Первым делом рекомендую задать себе три вопроса:

1. Какую часть ручного труда вы хотите автоматизировать?
2. Какой бюджет на автоматизацию вы готовы выделить прямо сейчас?
3. Насколько быстро вам нужно увидеть результат?

Исходя из ответов на эти вопросы, проще выбрать одну из трех стратегий автоматизации.

Не всегда и не всем нужны сложные ИИ‑агенты или целые платформы. Иногда для конкретных задач будет значительно эффективнее использовать относительно простой чат‑бот. Разберем, какой формат автоматизации подходит в разных случаях.

Роботизированная автоматизация (RPA). Подходит, когда данные структурированы, а процессы прописаны, формализованы и регулярно повторяются. Например, RPA можно поручить формирование ежемесячных отчетов, оценку кредитных рисков или автоматическое создание резервных копий.

Гибридный подход. Можно отдать простым моделям обработку структурированной информации, а более сложные использовать там, где логика не справляется. Сюда относится использование RAG‑моделей (умный поиск по базам данных) и камеры с эффектом компьютерного зрения, которые могут оценить выкладку на полке в магазине. Дороже и немного сложнее в реализации, однако больше эффекта на бизнес‑процессы.

Проще говоря, RPA подходит, если процесс стабилен, идет строго по правилам и в нем мало вариативности. ИИ‑агенты полезны там, где не получится алгоритмом описать все возможные варианты — то есть нет полной картины данных для принятия решения.

Комбинация этих двух технологий наиболее актуальна, когда нужно автоматизировать процесс целиком.

Почему бы не обойтись только агентами? Теоретически, ИИ‑агенты тоже способны выполнять повторяемые структурированные задачи. Однако большое преимущество RPA — предсказуемость, и здесь агенты проигрывают. Они могут интерпретировать задачу чуть иначе, выбрать другой способ решения или галлюцинировать. RPA же делает одно и то же действие одинаково каждый раз.

Инфраструктура для ИИ‑проектов

Вне зависимости от того, какой тип автоматизации вы выберете, для него потребуются вычислительные ресурсы. Для запуска моделей нужны серверы с GPU — видеокартой, оптимизированной для обработки очень больших массивов данных.

На этом фоне все более актуальной становится аренда вычислительных ресурсов с возможностью быстро масштабировать мощности или быстро отказаться от них.

Кроме того, далеко не всем компаниям нужно дорогое и самое мощное оборудование. В этом заключается одна из самых распространенных ошибок: компании тратят внушительные суммы на те ресурсы, которые в итоге даже не используются. Более разумный путь — не гнаться за мощностью, а искать и находить баланс. Не отставать от конкурентов, но при этом и не переплачивать за избыток. С этим часто помогают провайдеры инфраструктуры.

Основные ошибки при автоматизации и внедрении ИИ

0 уровень. В компании не используется искусственный интеллект.

1 уровень — Proof of Concept. Основная цель на этом этапе — просто проверить, действительно ли конкретная технология, конкретная модель, конкретные инструменты могут автоматизировать тот или иной бизнес‑процесс, в идеале — с наименьшими затратами.

2 уровень — Одиночные кейсы (MVP). Здесь мы уже проверили технологию, она доказала свою работоспособность. Теперь нужно внедрить этот кейс и на практике убедиться в том, что он экономически эффективен. Выгода от внедрения должна быть выше, чем затраты на эксплуатацию.

3 уровень — Платформизация. Мы уже научились внедрять процессы экономически эффективно и теперь хотим расти дальше и масштабироваться. На данном этапе ключевой стоимостью становится стоимость внедрения. Пришло время минимизировать ее за счет платформизации.

4 уровень — AI‑first. Мы уже не адаптируем существующие бизнес‑процессы под автоматизацию, а изначально проектируем рабочий процесс, полагаясь только на алгоритмы и ИИ‑агентов.

Хоть RPA проще в реализации и поддержке, его также нужно тщательно протестировать, вписать в контекст бизнеса и периодически дорабатывать. Тем более, что на ранних уровнях зрелости внедрение ИИ часто начинается с более простых алгоритмов.

Ошибка №1: отсутствие тестирования на пилотном проекте. По сути это прыжок с нулевого уровня сразу на второй. Масштабное внедрение ИИ обходится довольно дорого и часто требует специальных компетенций. Прежде чем инвестировать в реализацию этой гипотезы, лучше проверить ее на небольшом объеме данных. Так вы оцените ее жизнеспособность и отделаетесь малой кровью, если она не подтвердится.

Ошибка №2: оторванность от бизнеса. Чаще всего встречается на втором уровне. Важно, чтобы в разработке и внедрении модели участвовали не только инженеры, но и представители бизнеса. В противном случае, решение может получится восхитительным с точки зрения технической реализации, но абсолютно бесполезным с точки зрения реальной эффективности и прибыли.

Ошибка №3: фокус только на запуске. Недостаточно запустить модель и поручить ей ту или иную работу — необходимо поддерживать этот механизм в рабочем состоянии. Обслуживание модели, дообучение, мониторинг результатов тоже требуют времени и бюджетов. Поэтому запуск ИИ‑проекта нужно планировать не как разовое мероприятие, а как длительный процесс.

Ошибка №4: слишком сложные модели. Иногда инженер может слишком увлечься, а руководитель проекта — вдохновиться трендовым, но чересчур сложным решением, которое не всегда оказывается самым целесообразным. В результате внедрение происходит медленнее и стоит дороже, а результат не всегда сопоставим с этими затратами.

Основные риски, связанные и безопасностью

Еще один момент, который нужно учесть при планировании автоматизации, — это безопасность. Принцип атак в данном случае отличается от обычных сервисов и приложений. Поговорим о специфических рисках.

Генерация фейков. И боты, и агенты умеют генерировать видео и изображения, и вы наверняка знаете с десяток историй о том, как такие сгенерированные файлы сгубили чью‑то репутацию. Когда мы говорим о компании, риски еще выше: модель может опубликовать или отправить клиенту через чат‑бота недостоверный финансовый отчет, вызывающее интервью руководителя или любой другой несуществующий в реальности текст, который может сильно повлиять на положение дел компании.

Переобучение модели. Злоумышленник с помощью промт‑инъекции может заставить модель делать то, что ему нужно — сливать данные, организовывать атаки или как‑то иначе мешать вашей работе.

Особенно это опасно, когда речь идет об ИИ‑агентах, которые не просто выполняют запросы, а отвечают за ту или иную функцию в процессах компании.

Кража модели. Если ваша модель обучена на корпоративных данных, она представляет собой интеллектуальную собственность и может оказаться очень ценной для злоумышленников — например, для ваших конкурентов. Ее потеря может повлечь серьезные экономические и репутационные последствия.

В случае сбоя в работе модели персональные данные могут попасть в руки злоумышленников или клиентов, которые сделают «удачный» запрос в чат‑бот.

Базовых мер безопасности в случае работы с ИИ может оказаться недостаточно. Нужно пересмотреть подход к моделированию угроз с учетом особенностей моделей и того, как пользователи будут с ними взаимодействовать.

Например, инженерам по информационной безопасности стоит анализировать риски еще на этапе проектирования модели и закладывать время на разработку средств защиты.

Кроме того, в марте этого года вступил в силу приказ ФСТЭК №117, который регулирует использование ИИ‑решений в государственных информационных системах — важно следить за его соблюдением.

Разработчикам чат‑ботов, ИИ‑агентов и других сервисов на основе искусственного интеллекта следует предусмотреть дополнительную защиту от промт‑инъекций и использовать только проверенные источники данных.

А тем, кто принимает решение о внедрении такого сервиса, важно обращать внимание не только на функциональные требования, но и на безопасность.

План по автоматизации процессов

Сразу оговоримся, что этот план — примерный и обобщенный. От него можно оттолкнуться доработать в соответствии с особенностями своего бизнеса.

Шаг 1. Сформулируйте задачу, которую должна решить автоматизация. Не стоит ввязываться в эту авантюру просто потому, что другие компании уже активно используют ИИ. У проекта должна быть конкретная цель, например: «на 25% сократить время, которое тратится на согласование текстов». Это позволит выбрать корректные метрики успешности и далее по ним мониторить эффект.

Шаг 2. Выберите способ автоматизации. RPA, ИИ‑агент или гибридный способ — в зависимости от поставленной задачи и от особенностей процесса, который вы хотите автоматизировать.

Шаг 3. Подготовьте данные. Чтобы начать обучение модели, данные для нее должны соответствовать требованиям задачи, быть структурированы и достоверны. Без этого модель попросту не будет работать.

Шаг 4. Запустите пилот. Выше мы говорили о том, что любой масштабный запуск лучше начинать с пилотного проекта. Он необходим, чтобы проверить гипотезу и убедиться в ее эффективности, Поэтому рекомендуем не пропускать этот этап: сперва запустить модель на малом объеме данных и убедиться, что она стоит потенциальных усилий.

Шаг 5. Составьте план затрат. По результатам пилотного запуска посчитайте, сколько времени, денег и ресурсов потребуется на запуск и поддержку проекта. Оцените, когда вы сможете выделить эти ресурсы.

Шаг 6. Постепенно масштабируйте пилотный проект. Не рекомендуем сразу выкатывать проект на всю аудиторию — безопаснее постепенно увеличивать охват пилота и постоянно контролировать (и корректировать) его работу.

Внедрение автоматизации на основе искусственного интеллекта — это не волшебство, а управляемый бизнес‑процесс. Главное — определить, какую задачу он должен решать и каких результатов вы от него ждете. Важно подготовиться к тому, что выгода не будет видна сразу. Однако результат в долгосрочной перспективе способен вас удивить.