Универсальный ИИ-ассистент ломает систему

На отраслевой конференции IT Ось 2026 директор по внедрению искусственного интеллекта и эффективности процессов ОТП Банка Дмитрий Маркосьянц выступил на тему: «Ассистент, который слишком много употребляет».

Такое название презентации, по его словам, не случайно. Оно не про токены и не про стоимость вычислительных ресурсов, а про иллюзию, будто искусственный интеллект можно внедрить разовым усилием и забыть, наслаждаясь результатами его работы. «Эффект из искусственного интеллекта извлекают и будут извлекать прежде всего те организации, не у которых больше пилотов или какие-то вау-штуки, а те, кто сумел обернуть это в системную самовоспроизводимую способность организации создавать новые AI-driven улучшения с измеримым эффектом и управляемым безопасным масштабированием», — заявил эксперт.

В основе подхода, который ОТП Банк применяет при построении агентских систем, лежит принцип чанкинга, заимствованный из нейрофизиологии. Дмитрий Маркосьянц пояснил: человеческий мозг не удерживает сложный процесс в деталях каждый раз заново, а «отливает» его в узкую микросхему и воспроизводит на автомате — точно так же, как опытный водитель паркуется, не задумываясь о каждом движении. «Попытка построить универсального ассистента, который удержит в контексте весь корпоративный ландшафт, приводит к сложностям: широкий контекст трудно контролировать, качество страдает. Когда вы сужаете задачу и строите узких ролевых агентов, вы сразу получаете лучшее качество и предсказуемый результат», — отметил спикер.

Ключевым условием тиражирования Дмитрий Маркосьянц назвал децентрализацию разработки. В банке выстроена трехслойная архитектура: менеджер канала распределяет запросы, агенты-эксперты работают внутри крупных доменов, а агенты-специалисты создаются непосредственно сотрудниками профильных подразделений. «Самое главное, что это дает, — возможность управляемо масштабировать такую систему и быстро ее раскатать на всю организацию. Каждым таким агентом-специалистом может заниматься конкретный юнит, более того — конкретный человек в этом юните. В HR есть люди, которые занимаются той или иной тематикой, и они могут делать этих агентов. Вы размыкаете цепочку, когда все завязано на умное подразделение, которое делает вам AI, и делегируете это в юниты», — объяснил эксперт.

Спикер выделил три домена, в которых генеративный искусственный интеллект, пор его мнению, приносит бизнес-результат. Первый — люди: ассистенты и копилоты, повышающие индивидуальную эффективность сотрудников. Второй — процессы: агенты закрывают ручные разрывы в производственных цепочках, автоматизируют исключения и обрабатывают неструктурированные данные. Третий, самый перспективный домен — рост: использование больших языковых моделей для анализа всех точек касания с клиентом. «Ни один человек, ни один детерминированный алгоритм нормально с этим всем количеством информации не разберется и не извлечет из нее пользу. Но с этим прекрасно справляется LLM. Она помогает конвертировать знание о клиенте в продажи, в удержание, в максимизацию customer lifetime value. Самые большие эффекты находятся именно здесь», — подчеркнул Дмитрий Маркосьянц.

Операционный домен, по словам спикера, остается наиболее зрелой стартовой площадкой для внедрения агентов: там всегда существует бэклог задач, до которых не доходят руки IT, высока доля исключений и неструктурированных текстов. Языковые модели хорошо справляются с недетерминированностью, а высвобожденная экономия труда мгновенно инвертируется в скорость сервиса и качество клиентского опыта. Это дает прозрачный и быстро измеримый эффект.