ИИ-агенты в корпоративных системах: хайп или реальный инструмент?

Пятница, девятнадцать ноль-ноль. Менеджер по закупкам сидит перед двумя открытыми мониторами. На одном — корпоративная система, на другом — таблица Excel, в которую он пытается свести три десятка коммерческих предложений. Поставщики прислали цены в абсолютно разных форматах: кто-то оформил красивый PDF, кто-то скинул кривой скан с печатью, а кто-то просто написал цифры текстом прямо в теле письма. Менеджеру нужно вытащить эти данные, привести их к единому знаменателю, проверить каждого контрагента на предмет банкротства и выдать руководству сводку. Ошибка в одной цифре обойдётся компании в миллионы.

Знакомая картина? Именно на таких задачах ломается классическая линейная автоматизация. И именно здесь на сцену выходят ИИ-агенты. О них сейчас говорят из каждого утюга, но давайте уберём маркетинговую трескотню и посмотрим, как эта технология работает в реальном корпоративном секторе — в частности, на электронных торговых площадках (ЭТП).

Мы давно привыкли к ботам. Технически, стандартный чат-бот — это просто скрипт. Вы ему пишете, он прогоняет ваш текст через заданное дерево решений и выдаёт заранее написанный ответ. Если ваш запрос выходит за рамки сценария, бот зависает и переводит диалог на живого оператора.

AI-агенты устроены иначе. Это программа на базе больших языковых моделей, которой вы ставите конечную цель, а не прописываете жёсткий алгоритм действий. Агент сам решает, как именно он будет достигать этой цели. Он умеет разбивать большую задачу на мелкие подзадачи, дёргать нужные API, обращаться к базам данных и, что самое важное, оценивать промежуточные результаты своей работы.

Допустим, вы пишете: «Собери данные по последним торгам на закупку серверов и сделай выжимку по ценам». Чат-бот на такое ответит: «Я не понимаю команду». Агент пойдёт во внутреннюю базу ЭТП, найдёт нужные тендеры, скачает документацию, с помощью встроенной LLM проанализирует текст, вытащит итоговые суммы контрактов, переведёт их в единую валюту, если нужно, и положит вам на стол готовый текстовый отчёт.

Сейчас наша команда активно продаёт и внедряет корпоративные электронные торговые площадки. Мы видим чёткий тренд: крупный бизнес больше не хочет играть по чужим правилам на публичных маркетплейсах. Компании хотят покупать готовый продукт (коробку или облако), разворачивать платформу у себя в контуре, устанавливать собственные регламенты торгов и заводить туда своих проверенных поставщиков.

Проблема в том, что своя площадка — это ответственность. Если раньше валидацией поставщиков и модерацией документов занималась внешняя биржа, то теперь эта нагрузка ложится на сотрудников вашей компании. Штат начинает раздуваться. Чтобы этого не произошло, мы встраиваем ИИ-агентов прямо в архитектуру платформы.

Первый сценарий — аккредитация новых контрагентов. Обычно процесс выглядит так: потенциальный поставщик регистрируется на вашей ЭТП и загружает пакет уставных документов. Живой человек скачивает этот архив, проверяет выписки из налоговой, смотрит лицензии, ищет судебные дела. На это уходят часы, а иногда и дни, если менеджер в отпуске.

Как это делает AI-агент: как только файлы падают на сервер, он распаковывает архив. Распознаёт текст даже с мутных сканов. Автоматически отправляет запросы в системы вроде СПАРК или открытые базы налоговой. Сверяет ИНН, проверяет учредителей на массовость, ищет признаки фирм-однодневок. Через десять минут агент формирует карточку: «Документы в норме, но есть два арбитражных суда в качестве ответчика за прошлый год. Рекомендую запросить дополнительные гарантии». Человеку остаётся только прочитать этот вывод и нажать кнопку «Одобрить» или «Отклонить».

Второй сценарий — умный разбор коммерческих предложений. Возвращаемся к нашему менеджеру в его пятничный вечер. Когда торги закрываются, агент собирает все заявки, в каком бы кривом виде поставщики их ни прислали. Он понимает контекст. Он видит, что у одной компании цена указана с НДС, а у другой без, и сам пересчитывает суммы для корректного сравнения. Он замечает приписку мелким шрифтом «Доставка оплачивается отдельно» в третьем предложении и сигнализирует об этом. На выходе получается чистая, понятная таблица с подсвеченными рисками.

Третий сценарий — поддержка и онбординг поставщиков. Они тоже люди, и они часто не понимают, как заполнить ту или иную форму на площадке, или где найти нужный тендер. Обычная техподдержка завалена однотипными тикетами. Агент, подключённый к интерфейсу портала, видит, на каком этапе застрял пользователь, и предметно помогает ему разобраться, опираясь на внутренние регламенты конкретно вашей ЭТП.

Здесь обычно возникает резонный вопрос: а что, если ИИ ошибётся? Нейросети склонны к галлюцинациям: они могут с умным видом выдумать несуществующий факт или перепутать цифры. Поэтому в серьёзных корпоративных системах агентам никогда не дают абсолютную власть.

Мы не строим системы, где ИИ сам принимает окончательное финансовое решение или переводит деньги. Архитектура выстраивается по принципу «агент готовит — человек утверждает».

Мы проектируем бизнес-процессы так, чтобы каждое действие агента логировалось. Если он забраковал поставщика, он обязан прикрепить ссылку на конкретный документ или пункт регламента, на основании которого сделан вывод. Это снимает эффект «чёрного ящика». Вы всегда можете зайти в систему и посмотреть цепочку рассуждений программы. Более того, при внедрении агентов в ЭТП можно жёстко ограничивать их функционал рамками определённых политик безопасности. ИИ работает исключительно с данными внутри корпоративного контура и не сливает коммерческую тайну в открытый интернет.

Никто не будет внедрять сложные технологии просто ради того, чтобы в пресс-релизе написать красивое слово «ИИ». Заказчикам нужна математика. И она довольно прямолинейна.

Разворачивая собственную торговую площадку, компания стремится оптимизировать закупочные цены за счёт создания конкурентной среды среди поставщиков. Но если обслуживание самой площадки (зарплаты операционистов, аналитиков, техподдержки) уничтожает всю сэкономленную маржу — затея теряет смысл.

AI-агенты ломают это ограничение. Они позволяют обрабатывать в десять раз больше тендеров и заявок силами того же самого отдела закупок. Сотрудники перестают быть операторами ввода данных. Они становятся контролёрами и переговорщиками — делают то, что машины пока делать не умеют: выстраивают долгосрочные отношения с ключевыми партнёрами и выбивают эксклюзивные скидки.

Мы прошли этап, когда агенты были забавными демо-версиями в лабораториях разработчиков. Сейчас это эффективный утилитарный инструмент. Да, он требует правильной настройки. Да, под него нужно адаптировать инфраструктуру. Но результаты говорят сами за себя.

Покупка корпоративной ЭТП сегодня — это не просто перенос торгов с бумаги в веб-интерфейс. Это создание контролируемой среды, где всю чёрную работу делает код. Те компании, которые первыми внедрят AI-агентов в свои внутренние закупки и маркетплейсы, получат огромный запас прочности. Они будут быстрее находить выгодные предложения, лучше отсеивать мошенников и тратить гораздо меньше нервов пятничными вечерами. А остальные продолжат сводить Excel-таблицы вручную. Выбор, как всегда, за бизнесом!