ИИ уже вошёл в работу компаний — часто раньше, чем появились регламенты, бюджеты и ответственные за его применение. Сотрудники самостоятельно пробуют нейросети, ускоряют подготовку документов, анализируют данные и находят ответы в больших массивах информации. Но отдельные удачные эксперименты ещё не означают, что бизнес системно использует ИИ.
Чтобы технология начала влиять не только на скорость работы отдельных людей, но и на экономику процессов, компании предстоит пройти несколько этапов: дать сотрудникам безопасные инструменты, превратить удачные практики в повторяемые решения, передать ИИ часть операций и постепенно перейти от постоянной проверки к контролю исключений.
Разберём пять уровней зрелости ИИ, барьеры между ними и задачи, которые необходимо решить на каждом этапе.
Почему ИИ — это не просто ещё одна функция в корпоративной системе
Привычная логика автоматизации выглядит так: компания покупает продукт, встраивает его в процесс и получает новую функцию. С ИИ этот подход тоже работает — например, когда нейросеть распознаёт документ, подсказывает ответ или помогает составить отчёт. Но потенциал технологии гораздо шире.
ИИ способен не только выполнять отдельную команду, но и работать с целой цепочкой информации: прочитать письмо, извлечь данные из вложения, сверить их со справочником, подготовить документ, внести сведения в систему и передать человеку только спорный случай. При этом действующие 1С, ERP, CRM, почта и базы знаний сохраняются. ИИ встраивается до операции, между системами или после неё — именно там, где может принести пользу.
Ближайшая аналогия — Excel. Сам по себе он предоставляет таблицы, формулы и вычисления. Прикладное решение появляется, когда сотрудник добавляет логику расчёта и исходные данные. Так же и с ИИ: модель получает бизнес-смысл, когда соединяется с задачей, контекстом, критериями результата, знаниями компании и разрешёнными инструментами.
Пять уровней зрелости ИИ
Первые два уровня описывают условия применения ИИ во всей компании. Следующие три относятся уже к конкретным процессам. Поэтому после создания корпоративной среды разные процессы могут развиваться с разной скоростью: один останется на уровне помощника, другой превратится в повторяемого агента, а третий будет почти полностью выполняться автономно.
Уровень 1. Теневой ИИ: сотрудники находят первые полезные сценарии
На первом уровне сотрудники используют личные подписки и общедоступные сервисы по собственной инициативе. Они лучше всех знают, где повторяется ручная работа, какие данные нужны, какие исключения возникают и как выглядит правильный результат. Поэтому именно пользователи часто становятся постановщиками первых задач для ИИ.
Уже здесь появляется эффект: быстрее готовятся тексты и отчёты, сокращается время на поиск и сопоставление информации, освобождаются часы на более содержательную работу. Одновременно возникают риски: чувствительные данные могут попадать во внешние сервисы, качество зависит от опыта конкретного человека, а полезные приёмы остаются в его личной переписке с нейросетью.
Задача компании на этом этапе — не подавлять инициативу, а направить её:
- обучить команду на реальных рабочих задачах;
- определить правила обращения с данными;
- собрать удачные сценарии и распространить опыт;
- выбрать задачи, которые стоит развивать дальше.
Если сотрудники ещё не применяют ИИ, начать можно с практического обучения. Если уже применяют — пора превращать личные находки в практику команды.
В этом помогает ИИ-хакатон по вайбкодингу: за один очный день команда знакомится с возможностями ассистентов и агентов, разбирает ограничения, ищет сценарии в собственных процессах и выбирает один-два приоритета. На выходе компания получает список потенциальных кейсов, первых агентов-кандидатов и понятный следующий шаг — обучение, аудит, прототип или пилот.
Переход от уровня 1 к уровню 2: вывести ИИ из тени
Сигнал к переходу прост: сотрудники уже получают пользу, но личные подписки, разный доступ, ограничения оплаты и отсутствие общих правил начинают мешать. Компании нужна управляемая среда, в которой можно контролировать данные, расходы и доступ к моделям.
Уровень 2. Корпоративный ИИ: общие инструменты, правила и ответственность
На втором уровне сценарии по-прежнему запускают сотрудники, но работают они уже с инструментами компании. Для этого нужно собрать корпоративный ИИ-контур из трёх взаимосвязанных частей:
- Модель — облачная или локальная LLM, которая понимает задачу и предлагает действия.
- Среда исполнения — интерфейс, который ведёт задачу, вызывает инструменты и хранит состояние.
- Данные и инструменты — файлы, базы знаний, 1С, CRM и другие системы, к которым ИИ получает строго определённый доступ.
Поверх этой конструкции нужен сквозной контроль: права пользователей и агентов, бюджеты, лимиты, журналирование и администрирование.
Отдельный вопрос — где обрабатывать данные. Для чувствительных сценариев модель можно развернуть на собственном или арендованном сервере в закрытом контуре. Для разрешённых задач подойдут облачные LLM через API. Возможна и комбинированная схема: конфиденциальные данные обрабатываются локально, остальные задачи — в облаке. В некоторых случаях перед отправкой во внешнюю модель сведения можно анонимизировать.
Важно учитывать не только безопасность, но и экономику. Облачные модели расходуют токены, локальные — вычислительную мощность сервера. Поэтому в обоих случаях компании нужны лимиты и аналитика: кто использовал ресурс, для какой задачи и сколько стоил полезный результат.
На этом этапе мы помогаем подобрать и развернуть локальную LLM, организовать доступ к облачным моделям, настроить обработку данных под NDA, лимиты и аналитику. В качестве единой корпоративной среды может использоваться PIX Operator — отечественный ИИ-агент с рабочим интерфейсом, навыками, интеграциями, журналами действий и поддержкой регулярных сценариев в 1С, Битрикс24 и других системах.
Переход от уровня 2 к уровню 3: превратить личный приём в общее решение
Корпоративный доступ сам по себе не устраняет зависимость от мастерства пользователя. Каждый по-прежнему формулирует задачу по-своему, а один и тот же сценарий приходится собирать заново.
Переход нужен, когда полезная практика регулярно повторяется и становится востребованной у нескольких сотрудников. Теперь важно зафиксировать входные данные, ожидаемый результат, правила, проверки и исключения — и собрать из них поддерживаемое решение.
Уровень 3. ИИ-агенты: повторяемые решения для команды
ИИ-агент — это не сохранённая история чата и не один удачный промпт. Это спроектированная система, в которой соединены:
- цель и последовательность действий;
- знания и контекст, включая документы и RAG-базы;
- параметры запуска и триггеры;
- инструменты и интеграции с корпоративными системами;
- ограничения, проверки и точки обращения к человеку;
- формат результата, версия решения, владелец и порядок поддержки.
Работа начинается с фиксации успешного опыта: какие исходные данные использовал сотрудник, какие шаги выполнял, где возникали ошибки и какой результат считался правильным. Затем проектируются компоненты агента, решение проверяется на типовых и сложных случаях и только после этого передаётся команде.
Результат третьего уровня — поддерживаемые агенты, которые можно применять повторно, улучшать и масштабировать. Наша команда проектирует навыки и сценарии, готовит базы знаний, настраивает память и контекст, а также интеграции по API и MCP с 1С, CRM, почтой и другими системами.
Переход от уровня 3 к уровню 4: автоматизировать не людей, а процесс
Даже когда у каждого участника есть полезный агент, сам процесс может почти не измениться. Человек запускает работу, передаёт результат дальше, следит за сроками и вызывает следующий инструмент. ИИ ускоряет отдельные действия, но маршрут по-прежнему держится на сотрудниках.
Сигнал к переходу на четвёртый уровень — прикладная польза уже доказана, однако ручные передачи и прежнее распределение ролей ограничивают эффект.
Уровень 4. Контролируемый ИИ-процесс: ИИ исполняет, человек принимает решения
На четвёртом уровне ИИ становится участником процесса. Работа запускается по событию или расписанию, после чего агент самостоятельно проходит разрешённую часть маршрута: получает данные, проверяет их, готовит операцию и передаёт результат дальше. Человек подключается в заранее заданных точках контроля.
Такой подход называют HITL — Human-in-the-loop. ИИ выполняет работу автономно, но значимое действие требует решения человека. Проверяющий получает не только итог, но и исходные данные, основания, найденные отклонения и предлагаемый вариант действия. Если есть замечания, результат возвращается на исправление и повторную проверку.
Роль сотрудника меняется: вместо выполнения каждой операции он оценивает качество результата и разрешает действия с высокой ценой ошибки.
Чтобы перейти к HITL, процесс нужно перепроектировать. Сначала описывается маршрут «как есть»: роли, системы, объёмы, данные, исключения и точки потерь. Затем выбираются операции, которые можно передать ИИ, определяются инструменты, права и обязательные точки контроля. Граница автоматизации зависит от качества решения, доступности данных, цены ошибки и возможности встроить надёжную проверку.
Для такой задачи мы проводим ИИ-аудит процесса: формируем карту AS IS, выбираем приоритетные участки, проектируем целевой процесс и готовим план внедрения с требованиями к качеству, экономикой, этапами, владельцами и обратной связью.
Переход от уровня 4 к уровню 5: от проверки каждого результата к контролю исключений
Снижать участие человека можно только по результатам эксплуатации. Сначала проверяющий контролирует каждый случай. Затем команда накапливает замечания, устраняет причины ошибок, улучшает агента и его проверки. Новая версия проходит испытания на реальных примерах, после чего для доказанно надёжных случаев контроль постепенно ослабляется.
Это не одномоментный отказ от проверки, а управляемый цикл: замечание — изменение — испытание — допуск версии — наблюдение.
Уровень 5. Автономный поток: типовые случаи проходят сами
На пятом уровне ИИ ведёт типовые случаи в заданных границах, а человек наблюдает за процессом, разбирает исключения и может вмешаться. Такой режим называют HOTL — Human-on-the-loop.
Если ситуация соответствует правилам, данные полны, а риск находится в допустимых пределах, процесс проходит автоматически. Если возникает отклонение, сбой или случай с повышенной ценой ошибки, ИИ передаёт решение человеку. При этом отдельные значимые действия могут сохранять обязательное согласование даже в зрелом автономном процессе.
Главный эффект пятого уровня — снижение стоимости типовой операции, рост пропускной способности и меньшая зависимость от доступности сотрудников. Но автономность предъявляет более высокие требования к качеству, наблюдаемости, сопровождению и управлению версиями.
Как один процесс меняется на пяти уровнях: пример со входящим счётом
Разницу между уровнями удобно показать на обработке входящего счёта:
На первых двух уровнях меняются условия применения технологии. На уровнях с третьего по пятый меняется уже сама организация процесса.
Когда появляется экономический эффект
Пользу можно получить уже на первом уровне, но источник эффекта меняется по мере зрелости:
- на уровнях 1–2 сотрудники экономят время, повышают качество и выполняют больше задач;
- на уровне 3 лучшие практики распространяются по команде, а повторная ручная работа сокращается;
- на уровне 4 уменьшается количество передач между людьми, ускоряется цикл и растёт пропускная способность;
- на уровне 5 снижается стоимость типовой операции и зависимость процесса от доступности конкретных сотрудников.
До внедрения эффект можно оценить только сценарно. Фактическую экономику считают по данным эксплуатации — с учётом стоимости моделей, инфраструктуры, внедрения, сопровождения и человеческого контроля. Поэтому закупку собственного сервера, например, стоит обосновывать реальной нагрузкой, а не общим желанием «иметь ИИ внутри компании».
С какого шага начать компании
Необязательно сразу проектировать автономный процесс или менять всю ИТ-архитектуру. Начать можно с отдельной операции — до действия в системе, между двумя системами или после получения результата.
Если команда только знакомится с технологией, первым шагом станет ИИ-интенсив и поиск сценариев на реальных задачах. Если сотрудники уже активно используют нейросети, нужно вывести работу в корпоративный контур: выбрать модели, защитить данные, настроить права, лимиты и поддержку. Если полезный сценарий повторяется, его стоит превратить в общего агента. А когда агенты уже приносят пользу, следующий резерв эффекта находится в перепроектировании процесса и переходе к HITL, а затем — по мере накопления подтверждённого опыта — к HOTL.
Наша команда сопровождает весь этот путь: от обучения команды и подбора корпоративной платформы до инженерии агентов, интеграций, ИИ-аудита и запуска контролируемых автономных процессов. Начать можно и с конкретной задачи в привычной системе — например, с аудита доработок 1С, анализа и нормализации НСИ, встроенных функций ИИ в БИТ.Финанс, других продуктах 1С или Битрикс24.
Главное — выбирать не технологию ради технологии, а процесс, где понятны исходные данные, критерии результата, цена ошибки и ожидаемый эффект. Внедрение ИИ начинается с задач сотрудников. Трансформация бизнеса — с изменения процесса.
