29 октября 2026 года мы провели вебинар о практическом применении ИИ-агентов в крупном бизнесе. Участникам показали, как агенты обрабатывают корпоративные документы, взаимодействуют с 1С, выполняют действия в других информационных системах и помогают контролировать бизнес-процессы. Отдельную часть встречи посвятили опыту МПО им. И. Румянцева, где такие решения уже применяют в повседневной работе.
В центре обсуждения был не вопрос, способна ли языковая модель написать письмо или ответить на запрос. Для предприятия важнее встроить ИИ в действующую ИТ-инфраструктуру, сохранить контроль над данными и получить измеримый результат в конкретном процессе. Мы собрали основные технологические решения, продемонстрированные сценарии и выводы заказчика. В конце статьи приводим ответы на вопросы участников, в том числе прозвучавшие во время эфира.
1. Корпоративный ИИ: почему одной языковой модели недостаточно
Публичная языковая модель может выдать убедительный ответ за несколько секунд. Но корпоративному пользователю этого недостаточно. Система должна работать с актуальными документами и учётными данными, соблюдать права доступа, передавать результаты в нужные приложения и фиксировать свои действия. Кроме того, многие предприятия, особенно в промышленности и оборонно-промышленном комплексе (ОПК), ограничены в передаче данных внешним сервисам и не всегда располагают мощными серверами для локального запуска моделей.
Разрозненные ИИ-решения создают ещё одну проблему. Подразделения самостоятельно выбирают модели, собирают базы знаний, пишут коннекторы (программные модули связи с другими системами) и поддерживают свои сценарии. По мере роста числа таких решений усложняется их сопровождение, контроль безопасности и расходов.
«Когнитум» объединяет управление ИИ-агентами в одной платформе
Она (платформа) координирует выполнение заданий, работу с моделями и данными, интеграции, ведение журналов и мониторинг. При этом «Когнитум» не является языковой моделью и не привязан к одному механизму инференса (вычислений, которые модель выполняет при формировании ответа).
Предприятие может запускать локальные модели в закрытом контуре, в том числе без подключения к интернету. Если это разрешено политиками информационной безопасности (ИБ), отдельные запросы можно направлять во внешние модели. Для таких сценариев предусмотрены классификация запросов и маскирование чувствительных данных. Допустимость передачи информации за пределы контура в любом случае определяется требованиями конкретной организации.
Рис.1 - Архитектура «Когнитума»: управляющий контур, изолированные агенты, маршрутизация и API (программный интерфейс взаимодействия систем)
Корпоративные знания вместо ответов «из общей памяти» модели
На вебинаре отдельно разобрали RAG (Retrieval-Augmented Generation, генерация ответа с предварительным поиском по источникам). Сначала система находит подходящие фрагменты в документах предприятия, затем передаёт их модели для подготовки ответа. Пользователь может обратиться к первоисточнику и проверить результат. Но RAG сам по себе не гарантирует точность: она зависит от качества документов, настройки поиска и проверки выводов агента.
Базы знаний «Когнитума» объединяют загруженные файлы и подключённые источники. Среди примеров названы сетевые папки, S3 (интерфейс объектного хранилища), WebDAV (протокол доступа к файлам на сервере) и корпоративные системы. При изменении источников индексы можно обновлять автоматически. Для сложных документов предусмотрены распознавание сканов и таблиц, настройка поиска и повторное ранжирование найденных фрагментов по значимости.
Безопасность и управляемость для ИТ-службы
В корпоративной среде важно управлять не только доступом к модели, но и правами каждого сотрудника. «Когнитум» поддерживает LDAP (протокол доступа к службе каталогов) и Active Directory (службу каталогов Microsoft), учитывает организационную структуру и позволяет назначать права на модели, агентов и базы знаний. Запросы и действия фиксируются в журналах, а маршруты обработки данных можно разделять на локальные и внешние.
Рис.2 - «Когнитум» поддерживает локальные модели и подключение внешних моделей при соблюдении требований ИБ
2. Что показали на вебинаре: от конструктора агентов до работы с 1С
Участникам показали не только чат с ИИ. Владислав Терентьев создал агента непосредственно во время эфира, затем команда продемонстрировала несколько более сложных сценариев. Общий принцип таков: агент решает определённую задачу, обращается к нужным источникам и инструментам и передаёт результат в систему, где работает сотрудник.
Агент по охране труда: создание без кода и выполнение действия
Первого агента собрали вживую. В базу знаний загрузили регламент по охране труда и журнал инструктажей. Затем выбрали модель, добавили инструкции и скиллы (небольшие инструкции для отдельных действий), подключили почту и календарь через MCP (Model Context Protocol, протокол взаимодействия ИИ-агента с внешними инструментами). Агент проверил журнал, обнаружил просроченный инструктаж и предложил время встречи. Во время демонстрации соответствующее событие появилось в календаре.
Здесь главное не диалог с пользователем, а переход от ответа к действию. Подобный сценарий подходит для регламентных процессов: проверить данные, обнаружить отклонение, назначить встречу и зафиксировать следующий шаг. Правила выполнения и подтверждения действий задаются при настройке процесса.
Рис.3 - Конструктор ИИ-агента: инструкция, знания, инструменты, скиллы и память. Видео создания агента
Интеграция с 1С: документы превращаются в структурированные данные и задачи
В следующем примере система получила отсканированную заявку на поставку. Несколько агентов по очереди определили тип документа, извлекли реквизиты и номенклатуру, сопоставили позиции со справочниками предприятия и передали структурированные данные в 1С. Затем запустился предусмотренный процесс согласования.
В демонстрации были видны статусы заданий и результаты работы отдельных агентов. Это важно для сопровождения: ИТ-специалист понимает, на каком этапе находится обработка, а сотрудник может проверить и исправить распознанные поля. Человека не исключают из процесса: он контролирует результат, вместо того чтобы вручную переносить данные и искать соответствия в справочниках.
Вячеслав Савлюк уточнил, что вместе с платформой доступна универсальная подсистема для 1С. Она позволяет вызывать LLM (Large Language Model, большую языковую модель), использовать семантический поиск и разрабатывать собственные сценарии непосредственно в 1С:Предприятии. Таким образом, интеграция не ограничивается передачей данных между двумя системами: ИИ-функции можно включать в привычную пользователям логику 1С.
Ассистент аудитора: проверка по нормативам и данным учётной системы
Отдельную демонстрацию посвятили предварительной проверке первичных документов. Агент-оркестратор (компонент, управляющий последовательностью проверок) обращался к нормативным источникам, договорам, бухгалтерской информации и данным 1С. По согласованному контрольному списку, или чек-листу, система проверяла комплектность документов, извлекала реквизиты, сопоставляла условия и отмечала расхождения.
Спикеры показали два формата результата: краткую сводку замечаний и подробный отчёт со ссылками на документы и пункты проверки. В тестовом примере агент обнаружил отсутствие подписи и печати заёмщика, а также расхождения между данными договора и учёта. Важно, что для демонстрации использовали специально подготовленные документы: речь не шла о нарушениях реального заказчика.
Во время демонстрации отдельно подчеркнули: качество проверки зависит от читаемости сканов и полноты исходных данных. На момент вебинара агент-аудитор находился в опытной эксплуатации, поэтому его выводы требовали проверки специалистом. Его польза прежде всего в предварительном анализе большого массива документов, а не в замене профессионального заключения.
Видео примера ассистента-аудитора
Закупки: анализ не только реквизитов, но и условий процедуры
Вячеслав Савлюк представил агента для предварительной проверки закупочной документации. Он анализирует комплект по 33 пунктам, ищет противоречия в суммах, сроках и требованиях к предмету закупки, а также обращается к доступным материалам практики Федеральной антимонопольной службы (ФАС).
Например, агент может заметить, что условия закупки фактически допускают только один товар, хотя в документации разрешены аналоги. Другой пример: в разных документах указаны несовпадающие сроки или условия поставки. По словам спикера, агента проверяли на выборке из 100 реальных закупочных процедур. Большинство проверок занимало несколько минут; продолжительность зависит от объёма документов и доступных вычислительных ресурсов.
Агент не принимает решение вместо закупщика и не заменяет юридическую экспертизу. Он помогает обнаружить спорные условия ещё до публикации и направить внимание специалиста на участки с повышенным риском ошибок и претензий.
Видео с примером анализа закупочной документации
Транскрибатор: от записи встречи к протоколу и поручениям
Ещё один агент превращает аудио- или видеозапись встречи в текст, разделяет речь по участникам и формирует протокол по корпоративному шаблону. В интерфейсе можно отредактировать реквизиты, решения и поручения, затем выгрузить документ в формате DOCX (редактируемый документ Microsoft Word). При подключении нужных инструментов поручения можно передавать в систему документооборота или управления задачами.
Для узнавания участников на следующих встречах система может сохранять голосовой вектор (цифровое представление особенностей голоса). На вопрос из чата про персональные данные ответили, что эту функцию можно отключить. Если она используется, необходимо учитывать требования к обработке и защите биометрических данных.
Видео с агентом-транскрибатором
3. Опыт МПО им. И. Румянцева: как ИИ-агенты меняют рабочий процесс
О практическом внедрении рассказал Евгений Попов, директор по информационным технологиям МПО им. И. Румянцева. На предприятии работают 1С:ERP (система управления ресурсами предприятия), документооборот и другие корпоративные решения. Они обеспечили учёт большого объёма данных, но у сотрудников по-прежнему оставались трудоёмкие задачи: искать информацию, готовить документы, проверять условия и согласовывать решения.
Совместно с «ИТ-Экспертизой» предприятие стало внедрять агентов не как самостоятельные эксперименты, а в последовательные этапы работы с документами. Евгений Попов назвал эту схему сквозным процессом «одного дня».
Рис.4 - Пять стадий сквозного процесса на МПО им. И. Румянцева. Видео
1. Поступление. Агент распознаёт документ, определяет его тип, извлекает необходимые поля и передаёт данные в корпоративные системы. Если сведений не хватает, создаётся задача ответственному сотруднику. По словам заказчика, начало обработки, прежде занимавшее несколько часов, теперь занимает около 10–15 минут.
2. Разработка. При подготовке писем и договоров сотрудники используют помощника в Microsoft Word. Он проверяет соответствие текста внутренним регламентам, выделяет возможные юридические и финансовые риски, помогает соблюдать корпоративные требования к оформлению.
3. Верификация. Перед согласованием агент сравнивает версии документов не только по тексту, но и по смыслу: выявляет изменения условий, цифр и таблиц. По оценке заказчика, проверка, которая раньше занимала один-два часа, в показанном сценарии сократилась до нескольких минут.
4. Экспертиза. Вместо поиска по файловым папкам и переписке специалист обращается к корпоративной базе знаний и получает ответ со ссылками на документы. Это помогает использовать накопленную экспертизу и находить решения прошлых лет.
5. Фиксация решений. Запись совещания преобразуется в протокол и перечень поручений. Ответственный сотрудник проверяет их, после чего задачи передаются исполнителям через систему документооборота.
Какие результаты видит заказчик
На слайдах МПО им. И. Румянцева были приведены следующие оценки эффекта на момент вебинара:
-
20–30% рабочего времени профильных специалистов, по оценке заказчика, удалось освободить от рутинных операций.
-
В отдельных сценариях поиск корпоративной информации и первичная обработка заявок сократились с часов до минут.
-
Уменьшился риск пропуска существенных условий и расхождений при подготовке и согласовании документов.
-
Специалисты стали больше времени уделять интеллектуальной работе (оценке содержания, проверке выводов агентов и принятию решений), а не механической сверке.
Рис.5 - Результаты, представленные МПО им. И. Румянцева. Оценка заказчика на момент вебинара
Евгений Попов особо подчеркнул, что задача внедрения не состояла в сокращении персонала. Агенты взяли на себя повторяющиеся операции, а эксперты сохранили ответственность за результат. Пользу заказчик видит в сокращении сроков, снижении операционных рисков и объединении этапов, которые прежде выполнялись в разных системах без сквозной связи.
Попов также рассказал, что описанные сценарии выполняются на сервере Graviton с одной видеокартой NVIDIA RTX 5090. Это характеристика конкретного внедрения, а не универсальное обещание производительности для любого предприятия.
4. Как управлять ИИ, когда агентов становится много
Когда в организации только один прототип, его работу и расходы ещё можно отслеживать вручную. С ростом числа агентов нужны централизованные инструменты: мониторинг, разграничение ответственности и учёт использования вычислительных ресурсов.
В «Когнитуме» продемонстрировали панель мониторинга: администратор видит загрузку серверов, использование моделей и агентов, задержки, ошибки и журналы выполнения. Данные можно просматривать по пользователям, подразделениям и отдельным сценариям. Это помогает обнаруживать узкие места, расследовать сбои и планировать мощности.
Отдельный раздел посвящён потреблению токенов (единиц обработки текста, по которым учитывают работу моделей). Платформа позволяет учитывать использование локальных и внешних моделей, задавать лимиты и тарифы, распределять квоты и при соблюдении заданных правил переключать запросы между моделями. Для ИТ-директора это инструмент контроля не только доступа к ИИ, но и связанных с ним расходов.
Рис.6 - Мониторинг нагрузки и выполнение агентов в «Когнитуме»
5. С чего начать пилот
В финале вебинара прозвучал практический принцип: начинать с бизнес-процесса, а не с выбора модели. Подходящий первый сценарий имеет понятные входные данные, повторяемые действия, измеримые критерии результата и ответственного со стороны бизнеса.
Предложенная последовательность внедрения выглядит так:
-
Определить операцию, в которой сотрудники тратят много времени на поиск, перенос, проверку или согласование информации
-
Проверить наличие исходных документов, справочников, программных интерфейсов (API) и необходимых прав доступа
-
Определить ограничения информационной безопасности и выбрать локальную либо разрешённую гибридную архитектуру
-
Выбрать модель и оборудование с учётом объёма задач и числа одновременных запросов, а не по максимальным характеристикам серверов
-
Провести ограниченный пилот, измерить качество и время выполнения задач, уточнить правила работы агента и точки контроля со стороны человека
-
После проверки результата расширить применение сценария и подключить централизованный мониторинг и администрирование
Для старта команда предложила рассматривать сервер с ускорителем NVIDIA RTX 5090 либо подходящие арендованные мощности. В презентации представлены минимальная и рекомендуемая конфигурации стоимостью около 2 и 10 млн рублей соответственно. Это ориентиры для подбора оборудования (сайзинга), а не готовые сметы. Для отдельных типовых сценариев на вебинаре называли срок 2–4 недели до рабочего пилота; сложные интеграции могут занять больше времени.
Заявку на пилотный проект можно оформить, заполнив эту небольшую анкету
Вопросы участников вебинара и ответы экспертов
В этом разделе собрали наиболее содержательные вопросы слушателей и наши на них ответы
Модели и инфраструктура
Вопрос. С какими моделями работает «Когнитум»? Поддерживаются ли Qwen и Gemma?
Ответ. Да. Платформа не содержит собственного механизма инференса и может подключаться к разным локальным и внешним моделям. На вебинаре подтвердили использование семейств языковых моделей Qwen и Gemma. Модель подбирают с учётом задачи, нагрузки и требований к размещению данных.
Вопрос. Можно ли использовать NVIDIA Tesla V100, в том числе несколько карт, соединённых через NVLink (технологию связи графических ускорителей)?
Ответ. Старые ускорители можно рассматривать, если выбранная модель помещается в доступную видеопамять и обеспечивает приемлемую скорость. Однако спикеры рекомендовали сравнить стоимость и производительность нескольких V100 с современным ускорителем, прежде чем развивать такую конфигурацию.
Вопрос. Какое оборудование потребуется и может ли платформа сама выбрать модель под задачу?
Ответ. Единой конфигурации для всех случаев нет. Требования зависят от типа обработки, размера модели, количества пользователей и одновременных запросов. На вебинаре показали примеры оборудования и предложили помощь с подбором на этапе пилота. Автоматический выбор оптимальной модели для любой задачи отдельно не демонстрировали.
Базы знаний, RAG и интеграции
Вопрос. Используется ли RAG? Это просто загрузка файлов в чат?
Ответ. Нет, речь не только о загрузке файлов. Подсистема RAG учитывает структуру документов, поддерживает настройку разбиения текста, гибридный поиск, повторное ранжирование и обновление индексов. Она помогает находить нужные источники; достоверность ответа по-прежнему зависит от качества данных и проверки результата.
Вопрос. База знаний хранит только файлы или умеет подключаться к внешним источникам?
Ответ. Возможны оба варианта. База знаний может содержать загруженные документы либо ссылки на материалы из внешних источников и их поисковые индексы. Изменения синхронизируются; для нестандартных систем можно создать коннектор.
Вопрос. Можно ли подключить корпоративную wiki-систему XWiki через REST API (интерфейс обмена данными через веб-запросы)?
Ответ. Платформа поддерживает пользовательские коннекторы и подключение внешних систем через API. Подтверждённый пример интеграции именно с XWiki на вебинаре не приводился, поэтому детали такого подключения следует проверить в пилотном проекте.
Вопрос. Есть ли интеграция с 1С:Документооборотом и другими системами 1С?
Ответ. Да. На вебинаре показали обработку документов и передачу данных в 1С. Разработчики также рассказали об универсальной подсистеме, которая позволяет вызывать модели, использовать семантический поиск и строить прикладную логику непосредственно в 1С.
Вопрос. Нужен ли отдельный слой метаданных с описанием полей и таблиц базы данных (БД)?
Ответ. Для показанного сценария аудита отдельный слой не понадобился. По пояснению разработчика, в ряде случаев описания таблиц и полей можно хранить в JSON (текстовом формате структурированных данных) или Markdown (простом языке разметки текста) в базе знаний, чтобы агент учитывал структуру данных при работе.
Архитектура и информационная безопасность
Вопрос. «Когнитум» является разновидностью Open WebUI (веб-интерфейса для языковых моделей)? Чем он отличается от решений open-source (с открытым исходным кодом)?
Ответ. На раннем этапе команда действительно использовала Open WebUI как часть пользовательского интерфейса. Позже разработали собственный интерфейс и дополнили его инструментами интеграции, выполнения заданий, координации нескольких агентов, корпоративного администрирования и журналирования. Отличие разработчики видят не в оформлении чата, а в возможностях эксплуатации агентов и их подключения к системам предприятия. Хороший пример – демо Транскрибатора.
Вопрос. Поддерживаются ли доменная авторизация и корпоративные права?
Ответ. Да. Платформа поддерживает Active Directory и LDAP, в том числе несколько доменов, ролевые группы и доступ с учётом организационной структуры. Действия пользователей и агентов фиксируются в журналах.
Вопрос. Что происходит с персональными данными при использовании внешних моделей?
Ответ. Для разрешённых запросов во внешние модели предусмотрено маскирование: чувствительные фрагменты заменяются условными обозначениями, а исходный контекст восстанавливается внутри предприятия. Можно полностью запретить отправку наружу отдельных категорий запросов. Правила обработки задаёт заказчик.
Вопрос. Гарантирует ли маскирование соблюдение 152-ФЗ и требований к трансграничной передаче?
Ответ. На вебинаре объяснили технический принцип: внешняя модель не получает таблицу соответствия между условными обозначениями и исходными данными. Однако юридическое заключение по конкретной схеме обработки не представлялось. Организации необходимо вместе с юристами и специалистами по ИБ оценить состав передаваемых данных и применимые требования законодательства.
Надёжность и специализированные агенты
Вопрос. Как контролируется качество работы агентов и неправильные ответы?
Ответ. Спикеры показали журналы заданий и ошибок. Для агента-аудитора предусмотрены повторные проверки обнаруженных нарушений и настройки, снижающие риск неподтверждённых выводов. Общую методику измерения качества всех типов агентов с опубликованными показателями на вебинаре не представляли.
Вопрос. Известны ли показатели точности и полноты проверки документов на контрольных выборках?
Ответ. Вячеслав Савлюк сообщил, что для качественных сканов в рассматриваемом сценарии агент, по его оценке, выявляет около 99% искомых нарушений. Методика расчёта и подробные данные контрольных выборок на вебинаре не публиковались. Спикеры отдельно отметили трудности с некачественными сканами и то, что агент-аудитор пока находится в опытной эксплуатации.
Вопрос. Сохраняется ли биометрия голоса в транскрибаторе?
Ответ. Для распознавания участников на следующих записях система может сохранять голосовой вектор. Эту функцию можно отключить. Отдельно подчеркнули, что хранение и использование таких данных требует соответствующих мер защиты и решения вопроса о согласии участников.
Вопрос. Можно ли создавать поручения в 1С:Документообороте прямо по итогам совещания?
Ответ. Да, если агенту предоставлен соответствующий инструмент. При этом заказчики часто предпочитают, чтобы человек подтверждал создание и изменение задач. Так неточная формулировка из записи не попадёт автоматически в систему поручений.
Вопрос. Поддерживаются ли шаблоны протоколов и анализ эмоциональной окраски встречи?
Ответ. Шаблоны протоколов поддерживаются. Их можно редактировать, а готовые документы выгружать в DOCX. Спикеры также подтвердили возможность анализа эмоциональной окраски беседы, хотя отдельно этот сценарий не демонстрировали.
Эксплуатация и экономика
Вопрос. Как лицензируется локальная инсталляция? Есть ли ограничения по агентам, пользователям и токенам?
Ответ. На момент вебинара модель такая: бессрочная лицензия на инсталляцию без ограничений по числу пользователей, агентов и токенов. Обновления и техническая поддержка предоставляются по отдельному договору ежегодного сопровождения. Актуальные условия всегда можно уточнить, обратившись к нам.
Вопрос. Есть ли подписка на обновления и техническая поддержка?
Ответ. Да. Вячеслав Савлюк рассказал о ежегодном сопровождении с доступом к обновлениям и третьей линии технической поддержки (обращениям непосредственно к разработчику). Конкретные условия фиксируются в коммерческом предложении.
Вопрос. Какой экономический эффект получили на предприятии?
Ответ. МПО им. И. Румянцева сообщило о снижении ручной нагрузки и ускорении обработки заявок и документов. На слайдах приведена оценка высвобождения 20–30% рабочего времени профильных специалистов. Для расчёта долгосрочного ROI (Return on Investment, показателя возврата инвестиций) необходима дальнейшая статистика эксплуатации.
Вопрос. Использует ли руководство МПО им. И. Румянцева систему самостоятельно?
Ответ. Да. Евгений Попов подтвердил, что руководство предприятия использует решение, а затем его применение распространилось и на другие подразделения.
Вопрос. Можно ли получить подробности реального внедрения: модели, серверы и состав команды сопровождения?
Ответ. Заказчик описал конфигурацию с сервером Graviton и одной видеокартой NVIDIA RTX 5090. Подробный состав инфраструктуры и команды сопровождения в открытой части вебинара не раскрывали. Всем заинтересованным предложили обсудить эти вопросы отдельно.
Следующий шаг: пилот на реальном процессе
Все показанные кейсы объединяет один принцип: наибольшую пользу приносит агент, встроенный в привычную работу сотрудников. Он обращается к актуальным данным, действует по заданным правилам и оставляет человеку возможность проверить результат. Поэтому начинать стоит с процесса, для которого можно измерить скорость выполнения, качество и риски.
«ИТ-Экспертиза» приглашает предприятия участвовать в пилотных проектах на платформе «Когнитум». Команда поможет оценить инфраструктуру, выбрать первый сценарий и определить необходимые данные и интеграции. Условия и объём пилота обсуждаются индивидуально.
Заявку на пилотный проект можно оформить, заполнив эту небольшую анкету
Следующий практический вебинар
В конце ноября планируется второй вебинар по «Когнитуму». На нём предполагается показать больше сценариев и опыт наших партнёров по внедрению корпоративного ИИ. Дату и программу сообщим отдельно. Следите за нашими новостями в официальных каналах: