От публичных сервисов к защищенному контуру: что менять компаниям

Рядовой пользователь опережает бизнес: сотрудники уже применяют генеративный ИИ для выполнения задач бизнеса. При этом создаются риски утечки как персональных данных, так и уникальных корпоративных знаний за пределы внутреннего контура. Ключевой вызов для бизнеса — не просто внедрить ИИ, а научиться управлять тем, как и какие данные попадают во внешние модели.

Максимальный практический эффект ИИ дает при автоматизации подготовки к принятию решений и рутинных операций, оставляя за человеком финальное решение. Следующий этап развития — мультиагентные системы и A2A-экономика, где цифровые агенты внутри корпоративных систем самостоятельно выявляют потребности, ищут поставщиков и согласуют условия сделок, что уже обсуждается и демонстрируется на примере платформ «Сбера».

---

— Александр, многие компании уже используют генеративный ИИ, но чаще всего вне корпоративного контура. Почему так происходит и что значит это для бизнеса?

— Получилась довольно парадоксальная ситуация. Пока руководство задумывается о стратегии или обсуждает ее, люди уже ее давным-давно применяют в личностном плане для решения своих повседневных задач. Это очень хороший и позитивный на самом деле сигнал. Технология оказалась настолько полезна, что ее не пришлось навязывать сверху.

Но проблема в другом заключается — бизнес зачастую не понимает, какие данные сотрудники передают внешним источникам, когда используют модели в некорпоративном контуре. Это главный вызов: не заставить людей пользоваться моделями, а научить управлять тем, чем они уже пользуются на текущий момент.

— Что мешает переходу, какие угрозы в этом случае возникают?

— Если мы говорим о 152 ФЗ или 242 ФЗ и о персональных данных, которые могут использоваться в разных международных моделях и вытекают за контур Российской Федерации, то тут каждая компания несет свою ответственность и должна четко отдавать себе в этом отчет. Это про персональные данные, с одной стороны.

С другой стороны, у каждой компании есть свой уникальный УТП, уникальное товарное предложение. И когда сотрудники в некорпоративном контуре используют разные международные модели, эти данные вытекают из самого корпоративного контура, происходит, по сути, то, что любой конкурент получает доступ к этой информации. Потому что ты сам обучаешь, питаешь эту модель данными, потому что ты выгружаешь это из корпоративного контура. Вот это на самом деле самый большой риск.

— Где искусственный интеллект сегодня дает наибольшие практические результаты, а где пока остается, скорее, экспериментом?

— Самый большой эффект от генеративного искусственного интеллекта — это там, где сотрудники тратят очень много времени не на принятие решения, а на подготовку к принятию решения.

Нам иногда поступает задача что-то проанализировать, что-то посмотреть, разобраться в каких-то техдокументациях или что-то запрограммировать даже с точки зрения кодинга. Это то, что сейчас может решиться силами генеративного искусственного интеллекта с помощью агентных платформ, таких как GigaCowork, которые в том числе мы в «Сбере» практикуем и продаем на внешний рынок. Это способствует ускорению процесса принятий решения ключевым сотрудником.

Важно, чтобы сотрудники принимали решения, а не закапывались в ежедневных рутинных задачах. Вот это на самом деле главный вызов. С точки зрения практики сейчас важнее то, что требование участия конкретного человека должно быть сконцентрировано на принятии решения, а не на сам бизнес-процесс.

Сами бизнес-процессы должны быть максимально автоматизированы, чтобы подводить к этому решению: «да» — «нет» и идти дальше. Человек все равно остается неотъемлемой частью бизнес-процессов и в работе с генеративным искусственным интеллектом. Просто на него переходит другая задача, более ответственная — принимать решения.

— Александр, какие инструменты уже позволяют управлять и агентами внутри компании, что ждет бизнес в ближайшем будущем?

— Мы на пороге интересного изменения, появления не просто очередного умного чат-бота, который позволяет делать какую-то одну или вторую задачку или ее выполнять. Я думаю, что следующий этап — это агенты, которые взаимодействуют в корпоративных системах между собой и друг с другом. Это так называемые мультиагентные системы или, условно, это субагентные системы.

Это значит, что мы будем не только автоматизировать бизнес-процессы. Конкретные агенты, допустим, выявляют потребности закупки, другие — ищут поставщика, а третьи — уже проверяют условия сделки. Вот это конкретное взаимодействие A2A-agent или A2A-экономики, в которую будут переходить весь мир и все крупные корпорации.

У нас 29 октября будет очень интересная конференция SberPro Tech. Там будут как раз обсуждаться разные кейсы с экспертами. Мы будем обмениваться мнениями, показывать результаты наших работ на базе конкретных агентных платформ и делиться разными агентами. Будет очень интересно пощупать и пообщаться с настоящими клиентами. Понять, как они используют генеративный искусственный интеллект в своей практике.