Сегодня успех в бизнесе все чаще зависит не только от масштаба или объема капитала, но и от того, как быстро компания внедряет инновации, снижает издержки и повышает качество сервиса. Интеллектуальный цифровой сотрудник — тот актив, который способен кардинально изменить операционную работу любого предприятия.
Роботы зачастую не видят риски
Долгое время компании делали ставку на классическую автоматизацию: внедряли RPA, оптимизировали рутинные процессы, сокращали долю ручного труда. Это позволило повысить скорость обработки операций и снизить влияние человеческого фактора. Но сейчас очевидно: классические роботы эффективны только там, где есть четкий алгоритм. Как только задача выходит за рамки стандартного сценария — например, требуется анализ нестандартной ситуации, интерпретация юридических нюансов или работа с неполными данными — автоматизация перестает справляться.
Особенно остро это проявляется в операционных центрах, которые представлены в крупной компании. Например, операционный центр блок Сбербанка — это «фабрика процессов»: именно здесь ежедневно обрабатываются миллионы клиентских операций, проходят документы, проводятся платежи и разрешаются спорные кейсы. Иными словами, вся бэк-офисная «кухня» банка, которая раньше требовала тысяч сотрудников, а теперь постепенно переходит под контроль ИИ-агентов.
В финансовой организации классический бот может найти транзакцию, но не способен понять контекст: был ли это технический сбой, мошенничество или ошибка клиента. Он не умеет сопоставлять данные из разных систем (CRM, антифрод), понять, что клиент уже обращался ранее, оценивать риски или принимать решения в условиях неопределенности. Он не принимает решений, а лишь слепо исполняет команды, что при росте нестандартных ситуаций ведет к бесконечным «эскалациям» на живых сотрудников службы поддержки и нивелирует экономические эффекты. Требуется принципиально иной подход, и динамичное развитие технологий стало ответом.
И здесь важно пояснить: RPA не перестал работать — он исчерпал применимость. Его оставили на потоке (99,8% транзакций), а на сложные кейсы (где нужен контекст) пришел искусственный интеллекта. Это не эволюция одного инструмента, это сосуществование двух слоев.
Генеративный ИИ: от исполнителя к коллеге
Переход на генеративный искусственный интеллект, где Сбер является пионером рынка, стал неизбежен благодаря совпадению нескольких предпосылок. Во-первых, появились большие языковые модели, такие как GigaChat, которые понимают не текст, а смысл и причинно-следственные связи. И при этом служат неким фундаментом для последующего развития технологий. Во-вторых, компании накопили гигантские массивы данных — идеальное «топливо» для обучения будущих ИИ-агентов. Наконец, ежедневная обработка запросов клиентов показала: сегодня клиенту уже недостаточно формальной отписки. Он ждет содержательного и персонального решения от реального помощника — вне зависимости от того, скрывается ли за ним оператор или искусственный интеллект.
Поэтому в Сбере мы решили сделать ставку на ИИ-агентов, а не на чат-ботов. В отличие от скрипта, агент получает цель, например, «разблокировать карту». Он самостоятельно строит план, использует доступ к разным API и может рассуждать: проверить геолокацию клиента, сопоставить ее со страной транзакции и принять решение о легитимности операции. Это превращает агента из бездумного исполнителя в полноценного аналитика.
Суть в том, что старая автоматизация не сломалась в одночасье — она просто достигла своего потолка. Новый подход на базе генеративного ИИ (GenAI) предлагает качественный скачок: переход от автоматизации отдельных задач к автоматизации конечных результатов. Для этого мы даже разработали отдельное руководство по внедрению искусственного интеллекта в производственном процессе. И это в плюс, так как лидеры отрасли уже создают платформы, где ИИ-агенты как «первая линия» закрывают до 95% сложных запросов, оставляя человеку только самые нетривиальные кейсы.
В основе этого нового подхода лежит генеративный искусственный интеллект. Это не просто инструмент для генерации текстов или изображений. Происходит фундаментальный сдвиг: от исполнения к пониманию. GenAI способен работать с естественным языком, учиться на собственном опыте и принимать решения в условиях хаоса там, где раньше требовался человек. По данным Microsoft за I квартал 2026 года, глобальный уровень использования генеративного ИИ среди населения трудоспособного возраста достиг 18%. Это означает, что примерно каждый шестой человек в мире в этом возрасте регулярно использует GenAI-инструменты. Это свидетельство того, что мы перешли от автоматизации действий к автоматизации мышления, где GenAI — полноценный участник процессов.
Эта трансформация актуальна не только для банков — такие изменения происходят в компаниях разных отраслей: от страхования и телекомов до ритейла и промышленности. В результате GenAI все чаще превращается из «помощника» в полноценного цифрового коллегу, который помогает снижать риски, ускорять принятие решений и улучшать клиентский опыт. Интеллектуальные цифровые сотрудники уже встраиваются в процессы банка и взаимодействуют с людьми, а не существуют отдельно от бизнеса.
Как это работает
Чтобы бизнес доверил сложные процессы автоматизированной системе, нужно переосмыслить саму архитектуру взаимодействия. Здесь речь идет не просто о внедрении технического решения, а о полноценной организационной и технологической трансформации компании.
В Сбере этот процесс занял около двух лет и потребовал создания отдельной кросс-функциональной рабочей группы, которая объединила архитекторов, разработчиков, RPA-специалистов и бизнес-аналитиков операционного центра. По сути, это была выделенная проектная команда, которая занималась не текучкой, а именно перепроектированием, начиная с того, как данные «подаются» в модели, до того, как агенты бесшовно встраиваются в существующие системы. Это не та задача, которую можно «назначить» существующему отделу в нагрузку. Это отдельный трек работы с собственным бэклогом, релизными циклами и ответственностью за результат. И да, на это закладываются годы, а не кварталы.
В Сбере подход к интеллектуальному цифровому сотруднику строится на четырех ключевых принципах:
1. Двойная верификация (Second Opinion)
У цифрового сотрудника есть механизм самоконтроля: каждое критическое решение проходит автоматическую верификацию внутри самого алгоритма. Это гарантирует точность и снимает главный страх бизнеса — риск фатальной ошибки.
Этот механизм — не готовая функция, а отдельная инженерная разработка. Сама технология «второго мнения» может быть реализована по-разному. Например, через мультиагентную архитектуру: один агент генерирует решение, второй (в роли «критика») перепроверяет его на предмет ошибок и соответствия политикам. В медицинских диагностических системах для этого используется контрфактическое рассуждение — агент проверяет: «изменится ли диагноз, если убрать этот симптом?». В инфраструктурных системах применяют криптографическое подписывание каждого действия, чтобы в случае нештатной ситуации можно было точно восстановить, что произошло.
Таким образом, если другая компания захочет внедрить подобный механизм, ей придется:
- провести собственную классификацию критичности процессов,
- выбрать архитектуру контроля (два агента, отдельный модуль верификации, внешний оракул),
- разработать протокол проверки решений.
Это отдельная большая работа, которая в Сбере шла минимум два года — нельзя просто «добавить галочку» к существующему RPA-боту.
2. Знания, понятные машине
Весь массив корпоративных инструкций и регламентов переводится в формат, понятный машине. Это позволяет цифровому сотруднику не просто искать информацию по ключевым словам, а понимать логику процессов и применять знания в соответствии с контекстом.
В Сбере на такую работу ушло около полутора лет: это не просто загрузка PDF-файлов в искусственный интеллект. Требовалось пересобрать всю базу знаний — структурировать регламенты, очистить от противоречий, переписать сложные формулировки на язык, понятный модели. По сути, это отдельный проект по подготовке корпоративного «датасета», без которого GenAI-продукт просто не сможет принимать корректные решения. И для любой другой компании это будет такой же объемный и ресурсозатратный этап — его нельзя пропустить или автоматически «прогнать» через ИИ.
3. Интерактивная среда наставничества
Люди становятся менторами для своих цифровых коллег: помогают агентам совершенствоваться, исправляют ошибки и передают им свою экспертизу. Это не вместо, а вместе. Не замена человека, а усиление его возможностей. Речь идет не просто про обучение агентов, а про перестройку бизнес-процессов и ролей сотрудников.
В Сбере это означает, что эксперт больше не тратит время на рутину, но берет на себя контроль и «донастройку» агента: исправляет его ошибки, уточняет логику, добавляет новые сценарии. Вместо того чтобы разбирать 100 спорных транзакций в день, оператор проверяет 10 сложных кейсов, оставленных агентом, и через интерфейс буквально «объясняет» машине, что при необходимости нужно скорректировать. Это превращает рутинную должность в экспертно-аналитическую и требует как обучения персонала, так и изменения KPI — теперь сотрудника оценивают не по скорости обработки, а по качеству «обучения» ИИ.
4. Универсальный агент
Создается платформа, способная генерировать агентов для новых задач бизнеса «на лету». Это позволяет масштабировать автоматизацию экспоненциально быстро, без привлечения огромных ресурсов IT-команд. Может быть, это звучит как магия, но на практике это означает, что такая платформа позволяет не писать код для каждого нового процесса с нуля. Например, если бизнесу понадобился агент для обработки заявок на кредитные каникулы, достаточно через интерфейс описать задачу, указать нужные доступы и регламенты. Далее платформа сама соберет агента из готовых «кубиков»: модуль распознавания документов, блок проверки по базам, механизм принятия решения. В Сбере такую роль выполняет платформа Giga Agentic RPA. Это похоже на конструктор: вместо того, чтобы месяцами разрабатывать нового робота под каждую задачу, бизнес-заказчик получает агента за дни или даже часы. Естественно, под контролем архитекторов и с соблюдением всех политик безопасности.
Практическая реализация такого подхода требует не только отдельных ИИ-моделей, но и технологической платформы, которая предлагает инфраструктуру и объединяет классическую роботизацию, GenAI, мультиагентные сценарии и корпоративные знания в едином управляемом контуре. Это дает баланс предсказуемости для критичных шагов и адаптивности для работы с нестандартными кейсами.
В банке такую роль выполняет платформа Giga Agentic RPA для создания и запуска интеллектуальных цифровых сотрудников, встраивания ИИ-агентов в реальные бизнес-процессы, конечно же, под контролем со стороны человека. Функционал платформы помогает сотрудникам автоматически распознавать документы с помощью GigaChat и роботизировать рутинные процессы. Система выдаёт результат очень быстро и с точностью, близкой к 100%, и в десятки раз быстрее, чем если бы это делал обычный сотрудник. Сейчас это решение в арсенале порядка 200 компаний из разных сфер. Важно, что платформу можно без особых сложностей подключить к тем системам, которые у компании уже есть, и наращивать мощность по мере роста задач.
Цифровые сотрудники, которых уже более 350 в Сбере, доказывают свою эффективность на практике. Ежемесячно банк проводит 4,5 млрд операций, и 99,8% из них обрабатываются полностью автоматически — в рамках сквозного цикла, без участия человека. Суммарный экономический эффект от внедрения таких сотрудников оценивается в более чем 2,5 млрд рублей, что подтверждает высокую эффективность данного подхода.
Однако есть и другая сторона медали: по данным ведущих консалтинговых компаний, в частности McKinsey и Gartner, сегодня лишь 6% компаний видят реальный финансовый эффект от внедрения ИИ. Остальные 94% тратят деньги на эксперименты без понятной отдачи. Ключ к успеху — это не просто использование генеративных моделей, а их интеграция в производственную среду.
В России ситуация схожая: рынок созрел для технологий, но системных внедрений мало. По данным из опроса консалтинговой компании «Интеллектуальная аналитика», которым они поделились с «Ведомостями», от 7 до 10% проектов достигли полноценного промышленного развертывания и можно сказать, что показывают экономическую эффективность. Это значит, что у лидеров есть шанс совершить рывок и уйти далеко вперед.
Интеллектуальные цифровые сотрудники — это не будущее. Это реальность для тех, кто хочет быть на шаг впереди. При грамотном внедрении и развитии они могут превратить операционный блок любой компании из статьи расходов в драйвер роста, освобождая людей для творчества и стратегии.Вопрос в желании и времени: начнет компания внедрять таких сотрудников сегодня или будет в числе догоняющих?
