Кирилл Гурбанов, основатель SFER AI, рассказал о перспективах развития искусственного интеллекта в 2026 году и вариантах его внедрения в бизнес-процессы компании.
Например, всего за 10 дней был создан автономный десктопный ИИ-агент, способный самостоятельно выполнять рабочие задачи (управлять документами, создавать файлы, планировать повторяющиеся задания). При разработке агента 0% кода было написано программистами.
ИИ-лаборатория, на базе крупного российского девелопера, более 1 года проводила пилотные AI-автоматизации в разных отделах компании. Самым эффективным в финансовом плане стал кейс, в котором ИИ-агент генерирует должностные инструкции и описания вакансий. Экономия превзошла стоимость внедрения в несколько сотен раз.
Что следует учесть: ИИ отлично справляется с рутинными задачами, но не может заменить человека в сложных, эмоциональных и спорных ситуациях.
Работающая схема: ИИ выступает первой линией поддержки, при необходимости подключается сотрудник.
На этапе, когда ручной контроль качества перестал успевать за ростом компании, внедрили систему, которая транскрибирует разговор в текст и оценивает его по сложной логике с использованием GPT. В результате:
- 100% охват звонков.
- 70% экономия времени тимлидов.
- Продуктовые инсайты. Данные автоматически собираются и передаются в отделы маркетинга и продукта.
- Рост вовлеченности. Операторы стали соревноваться за баллы качества.
Технологическая компания в сфере юриспруденции выпустила продукт, который позволяет ускорить процесс подготовки к судебному заседанию более чем в 4 раза.
ИИ-консультант — актуальная база российского законодательства. Включает в себя конструктор типовых договоров и широкую базу судебной практики.
Например, ИИ-консультант по банкротству на базе одного из российских банков. Полный цикл разработки был произведен с помощью AI-ассистента.
В результате ИИ-агент:
- анализирует ситуацию клиента,
- подключает RAG для поиска по реальной правовой базе,
- автоматически собирает лиды,
- отправляет заявки юристам в Telegram-бот и на email.
Сложный вариант снижения риска утечки информации:
- доступ к нейросетям через оболочку (модель по-прежнему остается в облаке). Такой вариант создает риск кибербезопасности, так как оболочка принадлежит сторонним организациям;
- модель стоит локально на собственных серверах и работает без интернета.