Ключевая ставка на уровне 14,5%, кредиты бизнесу под 20% и выше, падение потребительского спроса на 6-7% почти во всех отраслях — в таких условиях автоматизация перестаёт быть вопросом «удобно или нет» и становится вопросом прямой экономии. При этом рынок предлагает сразу две разные технологии под одним и тем же запросом «автоматизировать рутину» — программных роботов (RPA) и ИИ-агентов, — и выбор не между «современным» и «устаревшим», а между двумя разными инструментами для разных типов задач.
Почему вопрос выбора технологии стал вопросом бюджета
Индекс hh.ru — количество резюме на одну вакансию — сейчас составляет 11,4, это исторический максимум за всё время наблюдений: даже в 2020 году показатель был на уровне 7. Найм закрыт из-за дорогих денег и налоговой нагрузки, но объём задач у бизнеса не сокращается, а персонал остаётся перегружен рутиной. В этих условиях каждый новый проект автоматизации должен окупаться быстро и предсказуемо — эксперименты «на вырост» без понятного горизонта возврата инвестиций сейчас куда труднее защитить перед бюджетом, чем ещё пару лет назад.
RPA — «руки», ИИ-агент — «мозг»
Программный робот (RPA) эмулирует действия человека в интерфейсе программ — кликает, вводит данные, переносит информацию между системами так же, как это делал бы сотрудник, только без пауз и опечаток. Он работает строго по заданным правилам: не «думает», а исполняет — поэтому бюджет на такое решение фиксированный (лицензия + разработка), а результат предсказуем с первого дня.
ИИ-агент устроен иначе: он решает задачу через целеполагание, понимает контекст, сам выбирает путь к результату и адаптируется, если, например, у сайта или программы изменился интерфейс. За гибкость приходится платить гибким же бюджетом — токенами и облачными вычислениями, объём которых заранее спрогнозировать сложнее.
Почему в 90-95% случаев бизнесу нужен не агент, а робот
По наблюдению спикеров вебинара, подавляющему большинству бизнес-процессов не нужна «свобода» ИИ-агента — нужна роботизация детерминированного процесса, где языковая модель в лучшем случае выступает помощником на одном конкретном шаге, а не самостоятельным исполнителем всей цепочки. Причина — в горизонте окупаемости: у RPA как автоматизации он предсказуем и укладывается в 8-12 месяцев, у ИИ-агента как более глубокой трансформации процесса — от 12 месяцев и дольше.
Показательный пример с самого вебинара — автоматизация регистрации поступлений по первичным документам: робот забирает платёжные документы из системы ЭДО «Диадок», считывает данные и регистрирует поступление в 1С. Результат — обработка одной статьи затрат в поступлении сократилась с минуты (человек) до 7 секунд (робот), то есть скорость обработки документов выросла вдвое, а у сотрудников осталась только задача разбора исключений — документов с ошибками.
Когда действительно нужен именно ИИ-агент
Свобода агента оправдана там, где заранее неизвестен алгоритм достижения цели — например, в проектной работе, предпринимательских решениях или стратегическом анализе, где нужна интерпретация неструктурированной информации, а не выполнение шаблонного сценария. Для таких задач правило human-in-the-loop обязательно: полностью делегировать решение технологии без контроля человека — риск, а не экономия, особенно там, где цена ошибки высока для репутации компании.
Где сейчас рынок RPA — в мире и в России
Российский рынок RPA растёт примерно в 1,5 раза быстрее мирового: в крупном бизнесе (топ-500 компаний) технология внедрена уже в 95% случаев — это фактический стандарт для сегмента, выше среднемирового показателя (~82% в Enterprise-сегменте). А вот в среднем и малом бизнесе Россия пока отстаёт от мира: 35% против ~45% в среднем бизнесе и 11% против ~20% в малом. Быстрее всего технологию внедряют в финансах и страховании (27,89% компаний отрасли) — там, где счета, комплаенс и отчётность формируют огромный объём рутинных, но критичных к ошибкам операций.
С чего начинать разговор о выборе технологии
Прежде чем инвестировать в конкретную платформу, стоит явно определить: перед вами процесс с чётким алгоритмом и понятным входом-выходом (кандидат на RPA) или задача, где алгоритм решения заранее неизвестен и нужна адаптивность (кандидат на ИИ-агента). Разбор конкретных процессов вашей компании с этой точки зрения — предмет отдельного обсуждения с командой «Первого Бита»: там же можно оценить экономику и горизонт окупаемости именно для ваших задач, а с направлением работы над ИИ-агентами и генеративным ИИ можно ознакомиться на странице внедрения ИИ. Запись этого и других вебинаров по теме — на странице вебинаров по RPA-роботизации.
Частые вопросы
В чём главное отличие RPA от ИИ-агента?
RPA (программный робот) работает по жёстко заданным правилам и эмулирует действия человека в интерфейсе — предсказуемо, но без адаптации. ИИ-агент решает задачу через целеполагание, понимает контекст и сам выбирает путь к результату, адаптируясь к изменениям — но за это платится более гибким и менее предсказуемым бюджетом.
Сколько окупается проект RPA по сравнению с ИИ-агентом?
RPA-проект как автоматизация окупается в среднем за 8-12 месяцев — процесс детерминирован, и экономику легко просчитать заранее. Проект с ИИ-агентом как более глубокая трансформация процесса окупается дольше — обычно от 12 месяцев.
Правда ли, что большинству компаний вообще не нужен ИИ-агент?
По наблюдению спикеров вебинара, в 90-95% случаев бизнесу нужна не свобода ИИ-агента, а роботизация детерминированного процесса, где языковая модель в лучшем случае помогает на одном конкретном шаге. Полноценный агент оправдан там, где алгоритм решения заранее не определён.
Насколько RPA распространён в России по сравнению с миром?
В крупном бизнесе (топ-500 компаний) России RPA внедрён у 95% компаний — выше среднемирового показателя (~82% в Enterprise-сегменте). А в среднем и малом бизнесе Россия пока отстаёт: 35% против ~45% в среднем бизнесе и 11% против ~20% в малом бизнесе по миру.
