Платформенная экономика и искусственный интеллект уже перестали быть экспериментом — сегодня это инфраструктура, на которой строятся бизнес-процессы, поддержка клиентов и внутренняя эффективность компаний. Об этом на площадке ЦИПР 2026 рассказал Директор направления ИИ VK Tech Роман Стятюгин.
Главная мысль — бизнес постепенно уходит от идеи «ИИ как помощник» к модели, где искусственный интеллект становится полноценным участником процессов. Но вместе с ростом автономности появляются и новые риски. По словам Романа, последние два-три года стали переломными для отрасли: компании перешли от классических ML-моделей к генеративному ИИ, который способен самостоятельно принимать решения, строить планы действий и выполнять задачи без постоянного участия человека.
Именно здесь возникает главный вопрос: где проходит граница между автоматизацией и контролем. Компании уже пробовали полностью передавать ИИ отдельные функции — например, поддержку пользователей. На практике оказалось, что без человеческого контроля это приводит к падению качества сервиса и ухудшению клиентского опыта. Поэтому рынок постепенно приходит к более зрелой модели: автономность ИИ должна расти параллельно с системами контроля, безопасности и прозрачности.
Сегодня большинство компаний пока используют искусственный интеллект точечно — как инструмент для решения отдельных задач. Однако всё больше организаций начинают внедрять автономных ИИ-агентов, способных самостоятельно выполнять целые процессы. В VK Tech такой подход уже применяется в поддержке VK Cloud. Это особенно сложный сценарий, потому что речь идёт не о бытовых запросах пользователей, а о технической поддержке инженеров инженерами. Ошибка здесь обходится дорого, а качество ответа критически важно.
Компании удалось добиться высокого уровня точности ответов ИИ-системы, но для этого потребовалась серьёзная инженерная работа. Ключевая идея — не просто «подключить нейросеть», а выстроить вокруг неё полноценную инфраструктуру контроля. В неё входят ограничения доступа для агентов, фильтрация запросов и ответов, а также прозрачность логики принятия решений. Бизнесу уже недостаточно модели формата black box — компаниям важно понимать, почему ИИ принимает то или иное решение, как использует данные и какие действия выполняет внутри системы.
Отдельный вызов — инфраструктура. Чем больше ИИ-агентов появляется внутри компании, тем выше нагрузка на вычислительные мощности. Особенно это касается крупных организаций, которые не могут передавать данные во внешние сервисы из-за требований безопасности и работы с чувствительной информацией. Поэтому всё больше компаний разворачивают ИИ-платформы внутри собственного контура.
При этом проблема уже не только в количестве мощностей, но и в эффективности их использования. По словам Стятюгина, многие компании закупают дорогое оборудование, но используют его неравномерно: в одни часы системы перегружены, в другие — простаивают. Именно поэтому рынок постепенно приходит к платформенному подходу, где отдельный слой инфраструктуры отвечает за распределение нагрузки, управление ресурсами и масштабирование ИИ-агентов.
Ещё один важный тренд — переход от жёстко прописанных сценариев к самостоятельным агентам. Раньше компании строили детерминированные цепочки действий: человек заранее задавал весь процесс шаг за шагом. Теперь агенту всё чаще ставят только цель, а способы её достижения он выбирает самостоятельно. По сути, взаимодействие с ИИ становится всё больше похоже на работу с сотрудником: агенту дают доступ к системам, данным, инструментам и задачам, после чего он сам формирует план действий.
Но для этого ИИ должен понимать контекст бизнеса. Поэтому одной из ключевых задач становится работа с данными и их семантическим описанием. Недостаточно просто хранить информацию — важно объяснить агенту, что означают показатели, как связаны сущности внутри компании и где находятся нужные данные. ИИ должен ориентироваться в бизнес-логике организации так же, как это делают опытные сотрудники.
В итоге рынок движется не к полной замене человека, а к модели, где ИИ становится масштабируемым цифровым слоем компании. А конкурентным преимуществом становятся уже не сами нейросети, а способность бизнеса правильно встроить их в процессы, обеспечить безопасность, обучить на собственных данных и эффективно управлять всей этой инфраструктурой.