ИИ-агенты и автономные системы

Центральная коллизия всех сессий по ИИ-агентам на ЦИПР-2026 – разрыв между успешным пилотом и тиражируемым промышленным решением. Участники зафиксировали переход от экспериментирования к реальному применению в ряде компаний, одновременно констатировав, что барьеры масштабирования носят преимущественно операционный, а не технологический характер.

2.1 Масштаб внедрений у лидеров рынка

Сбер реализует около тысячи инициатив на базе GenAI, из которых порядка 300 выведены в промышленную эксплуатацию; 40% обращений в контакт-центры обрабатываются ИИ-агентами (Белевцев Андрей, СБЕР). Компания запустила GigaCowork – платформу управления автономными агентами, не требующую разработки под каждый навык; тысячи разработчиков уже ведут агентное кодирование на внутренних решениях (Меньшов Кирилл, ПАО «Сбербанк»).

Норникель завершил десять пилотных проектов (с середины 2024 г.) и перешёл к масштабированию. Компания отказалась от модели «минус ФТЕ» и перешла к концепции «цифровых департаментов»: параллельно пересобирается целая функция – пилотный проект ведётся в инвестиционно-аналитическом блоке заполярного филиала (Артамонова Наталья, ПАО ГМК «Норильский никель»).

Северсталь развернула платформу self-service для создания агентов и ассистентов силами бизнес-подразделений. Мультиагентная система уже разбирает 100% нарушений технологии по механическим свойствам; «полярная звезда» компании – ИИ-агенты без человека в цикле управления, хотя до этого рубежа ещё далеко (Маслов Евгений, АО «СЕВЕРСТАЛЬ-ИНФОКОМ»).

2.2 Почему пилоты проваливаются

По данным модератора сессии FabricaOne.AI, 90% ИИ-пилотов в мире проваливаются по причине экономической нецелесообразности. Главным барьером названо не технологическое несовершенство, а отсутствие конкретного человека, берущего на себя ответственность за результат работы ИИ в производственном контуре (Тржаскал Николай, fabricaONE.AI; Федосеев Сергей, SK Capital).

Вендор не может построить агентное решение без глубокого, двухмесячного погружения в процессы заказчика; готового агента для промышленности с рынка получить невозможно (Артамонова Наталья, ПАО ГМК «Норильский никель»). АТБ столкнулся с тем, что в 60% случаев ИИ-агент давал ложноотрицательные либо ложноположительные результаты при распознавании подписей, – этот опыт стал отправной точкой для более осторожного подхода к внедрению (Муллагалиев Марат, АТБ).

2.3 Три сценария будущего агентной экономики

На сессии Яндекса модератор предложил залу три сценария развития: «Кентавр» (ИИ всегда работает вместе с человеком), «Тёмная фабрика» (автономные агенты без людей в контуре) и «Стеклянный потолок» (регуляторные барьеры остановят внедрение). Большинство промышленных участников склонились к сценарию «Кентавр» как наиболее реалистичному на горизонте ближайших лет.

Дискуссия об экономике агентных систем на ЦИПР-2026 сместилась от абстрактных прогнозов к конкретным числам: участники раскрыли как измеримые эффекты, так и разочаровывающие кейсы, где агент оказался дороже человека.

3.1 Где агенты дают измеримый эффект

Норникель: экономия около 1 млрд руб. от применения ИИ в проектировании (подбор более лёгких конструкций); ИИ-агенты в инженерном проектировании генерируют 3D BIM за ~сутки по промпту, обеспечивая экономию 15–25% от стоимости проектного решения. Ожидаемая экономия на закупках в 2026 г. – несколько млрд руб. от агентов подбора аналогов (Артамонова Наталья, ПАО ГМК «Норильский никель»).

Почта России: добавление GenAI к ML-чатботам дало плюс 8 п.п. автоматизации поддержки (с 60% до 68%); внедрение классификатора ТН ВЭД сократило время поиска кода с 30–40 минут до секунд (Чудинов Дмитрий, АО «ПОЧТА РОССИИ»).

ТБанк: в первом квартале 2026 года потребление инфраструктуры под GenAI выросло кратно; обогащение контекста агента даёт прирост качества в десятки процентных пунктов применительно к конкретным задачам (Маслов Игорь, ТБанк).

3.2 Декомпозиция эффекта: 10 / 20 / 70

Чудинов Дмитрий (АО «ПОЧТА РОССИЯ») сформулировал принципиальную разбивку эффекта от ИИ: алгоритмы дают около 10%, технология и данные – около 20%, трансформация процессов – порядка 70%. Этот тезис стал сквозным для нескольких сессий: ИИ-агент является мультипликатором, поэтому агентный подход даёт отдачу только там, где процессы уже эффективны, хорошо описаны и имеют владельца (Педченко Сергей, Яндекс 360).

3.3 Агент дороже человека – но это не всегда плохо

Альфа-Банк открыто зафиксировал: агент обходится дороже сотрудника, но качество сервиса и лояльность клиентов выросли. Банк построил платформу на базе LangFlow (open source, практически полностью переписан), обучил около 40% коллектива. Сложные задачи решаются в режиме «кентавра»: 80% рутинной аналитической работы выполняет агент, человек проверяет и подтверждает. В планах – маркетплейс агентов для корпоративных клиентов (Фетисов Алексей, АО «Альфа-Банк»).

Дискуссия об архитектуре агентных систем на ЦИПР-2026 сосредоточилась на практических вопросах: что является реальным объектом инвестиций, как строить контекст агентов и каковы фундаментальные ограничения текущих LLM.

4.1 Harness как главный объект инвестиций

Кирилл Меньшов (ПАО «Сбербанк») ввёл концепцию «harness» – всей инфраструктурной обвязки вокруг модели – как ключевого объекта инвестиций. По его словам, 98% кода Claude составляет именно harness, а не сама модель; аналогия – двигатель в самолёте: важный компонент, но главное – «шесть миллионов деталей вокруг». Если компания не создаёт удобных внутренних инструментов, сотрудники неизбежно уходят к публичным моделям (сессия «ИИ без иллюзий»).

4.2 Контекст, RAG и архитектура малых моделей

Обогащение контекста агента даёт прирост качества в десятки процентных пунктов (Маслов Игорь, ТБанк). Около 95% рыночных запросов на агентные решения составляет поиск по базам знаний (RAG) – по наблюдению Конорева Олега (Билайн). VK Tech в проекте для управления знаниями сравнил два подхода: классический RAG с векторизацией данных (70–80% усилий уходит на чанкинг и подготовку) и MCP-коннектор к API мессенджера с длинноконтекстной моделью на 1 млн токенов; оба подхода дали схожий результат (сессия Минэнерго).

Норникель строит собственную доменную модель MetalGPT, признавая, что она сама по себе не даёт эффекта без агентного окружения. Целевая архитектура – ансамбль малых и средних моделей для снижения стоимости инференса (Бусько Виталий, ПАО «ГМК» Норильский никель»).

4.3 Фундаментальные ограничения LLM

Фетисов Алексей (АО «Альфа-Банк») сослался на позицию Яна Лекуна: архитектурные проблемы современных LLM носят фундаментальный характер, их нельзя решить в рамках текущей парадигмы – нужны принципиально новые подходы. По данным исследования OpenAI, ошибка генеративного ИИ вдвое выше ошибки классического ML, что делает его неприменимым для критических процессов без человека в контуре (Амирханян Армен, Московская Биржа; сессия «ИИ как управляемый актив»).

Skill-файлы названы ключевым узким местом агентной разработки: в Anthropic их запретили генерировать автоматически, поскольку это главная точка риска (Белевцев Андрей, СБЕР; сессия «ИИ-агенты – новые сотрудники»).

Тема безопасности ИИ-агентов на ЦИПР-2026 вышла из зоны абстрактного обсуждения в область конкретных архитектурных решений. Спикеры обозначили как специфические риски агентных систем, так и организационные подходы к их митигации.

5.1 Риски агентных систем в корпоративном контуре

Иван Вассунов (ООО «СОЛАР СЕКЬЮРИТИ») выделил ключевые требования к безопасности ИИ-агентов: необходимость обернуть агента DLP-решением, ограничить его права до уровня оператора, логировать все сессии через PAM. Наиболее опасным риском он назвал незаметный дрейф модели – ситуацию, когда доверие к системе сохраняется, а качество ответов уже деградировало (сессия «ИИ как управляемый актив»).

Наталья Касперская (ГК Инфовотч) перечислила риски генеративных моделей для промышленности: утечка данных через облачные API, возможность подмены ответов враждебными акторами по запросам российских предприятий, галлюцинации, бесконтрольное использование публичных моделей сотрудниками. Она констатировала: осознание рисков пришло лишь в 2026 году, тогда как сами модели обсуждаются с 2023-го; решений против большинства рисков практически нет (сессия «ИИ без иллюзий»).

5.2 Agentic Risk Management и трёхуровневая система управления

Альфа-Банк разработал систему Agentic Risk Management – по словам Соловьева Святослава (АО «Альфа-Банк»), первую такую систему на рынке. Трёхуровневая система масштабирования ИИ в банке включает: управляющий комитет на уровне правления, единую методологию создания агентов и платформу с модулем цензурирования (проверка входящих и исходящих ответов LLM на соответствие комплаенсу; сессия «ИИ как управляемый актив»).

ТБанк развивает публичный гайдлайн по безопасному созданию агентов, делая ставку на наблюдаемость и ограничение прав агентов вместо традиционного антивирусного подхода (Маслов Игорь, ТБанк; сессия «ИИ-агенты – новые сотрудники»).

5.3 Регуляторный вакуум

Виктор Урусов (Группа Rubytech) обозначил принципиальную проблему: чтобы признать ИИ «доверенным», необходимо проверить его работу, но ИИ – не алгоритм, а вероятностная система; это создаёт регуляторный вакуум. Два регулятора «двухбуквенный и трёхбуквенный» пока спорят по этому поводу (сессия «Быстрее или по-другому»). ИСП РАН уже три года работает над стандартами доверенного ИИ при поддержке государственного гранта (Алтухов Леонид, ООО «Интерпроком»; сессия «ИИ без иллюзий»).

Сессия «От разработчиков к создателям» посвятила отдельный трек изменениям в профессии разработчика под влиянием агентного ИИ. Практики из финтеха, телекома и ИТ-компаний зафиксировали как реальные ускорения, так и системные риски для кадрового воспроизводства.

6.1 Вайб-кодинг: реальный эффект против ожиданий

Опрос аудитории ЦИПР показал: треть участников сократила time to market на 30–60%, ещё треть не зафиксировала изменений. Матвей Пак (Metamentor) объяснил это тем, что вайб-кодинг быстро порождает MVP, но рабочее решение требует перепроверки; деградация контекста модели при объёме кода свыше тысячи строк дополнительно замедляет процесс. Уже существует программный код объёмом миллион строк, написанный полностью без участия человека (Петров Кирилл, Just AI).

Артур Самигуллин (Yandex B2B Tech) зафиксировал принципиальный сдвиг: код как ручное ремесло обесценивается, инженерное мышление дорожает. Более 40 тысяч бизнесов уже внедряют ИИ через платформу Yandex AI Studio. Just AI перешла к модели SaaS→SaaR (Software as a Result) – контрактам за результат с revenue sharing, запуская новые продукты в рамках вайб-хакатонов за 3–4 дня (Петров Кирилл, Just AI).

6.2 Разрушение траектории роста разработчика

Матвей Пак (Metamentor) сформулировал структурный риск: когда ИИ стирает границу между джуном, мидлом и сеньором, через пять лет рынок рискует столкнуться с дефицитом новых сеньоров, поскольку традиционная траектория роста через живую практику разрушается.

Кирилл Меньшов (ПАО «Сбербанк») зафиксировал ещё один трансформирующий факт: разработчики с подпиской Claude Code за $20 в месяц выполняют двухнедельное задание за 4–5 часов – и часть из них уже работает на нескольких работодателей одновременно, используя ИИ для этого.

6.3 Государственный подход: консерватизм как принцип

Алексей Анисимов (ДИТ Москвы) обозначил позицию государственного ИТ-заказчика: ИИ используется для проверки кода и proof of concept, но финальное решение остаётся за человеком. Цена ошибки в сервисах для 14 млн жителей делает агрессивное внедрение неприемлемым. Ростелеком параллельно провёл миграцию 60 тыс. сотрудников на отечественную ОС и развернул более 150 роботов только в ИТ-эксплуатации (Песчаный Кирилл, ПАО «Ростелеком»).

Сессия Минэнерго России обозначила специфику применения ИИ-агентов в ТЭК: нулевая толерантность к ошибкам, закрытый корпоративный контур, невозможность облачных сервисов и критическая значимость формализации экспертного знания перед внедрением LLM.

7.1 «Кладбище данных» и бомба замедленного действия

По данным Воробьева Константина (ФГБУ «Российское энергетическое агентство»), до 80% корпоративных знаний в отрасли лежат мёртвым грузом – традиционные системы управления знаниями превращаются в «кладбища данных», а уникальные инженерные знания уходят вместе с экспертами. Лещенко Владимир (КМ-альянс) предупредил: массовые сокращения носителей экспертизы закладывают «бомбу замедленного действия», которая через пять лет выхолостит всю экспертизу из предприятий – и ИИ её не восполнит. Инженер тратит около 20% рабочего времени на поиск информации; на предприятии со 100 инженерами это около 500 тыс. руб. в неделю потерь (Маевский Антон, ООО «Инвенторус»).

7.2 Агентные платформы для on-prem контура

Кутуков Андрей (СБЕР) анонсировал GigaCowork как on-prem аналог Anthropic Claude для корпоративного рынка. Платформа позволяет обучать агентов навыкам на естественном языке без кода и подключаться к ERP, CRM и специализированным системам в контуре заказчика. Принцип – «контролируемая автономность»: observability на основе телеметрии, точки контроля и human-in-the-loop при аномальном поведении агента.

Интер РАО создала собственную on-prem платформу с внутренним датасетом, развернула сервисы сравнения документов, автоматической подготовки протоколов и чата с базой знаний по регламентам, а также научила сотрудников создавать ИИ-агентов самостоятельно (Колодей Сергей, ПАО «Интер РАО»; сессия Минэнерго).

7.3 Машинное зрение vs LLM в промышленности

Лещенко Владимир (КМ-альянс) поставил под сомнение доминирование LLM в промышленной повестке: в ТЭК главной субтехнологией ИИ должно быть машинное зрение (безопасность, качество продукции, мониторинг), а не языковые модели. Росатом три года обучал модель визуального контроля качества циркониевых труб – это наглядно демонстрирует глубину накопления отраслевых знаний (Абакумов Евгений, Госкорпорация «Росатом»; сессия «ИИ-агенты – новые сотрудники»).

Вопрос инфраструктурной готовности к масштабированию агентных систем звучал на нескольких сессиях ЦИПР-2026: от кратного роста нагрузки в первом квартале 2026 года до стратегических прогнозов снижения стоимости вычислений.

8.1 Падение стоимости инференса как стратегический фактор

Федосеев Сергей (SK Capital) зафиксировал: стоимость инференса за 2024 год упала на 100%; прогноз к 2028 году – ещё в пять раз от уровня 2024 года. Это делает экономически нецелесообразными стратегии отложенного внедрения. Зарубинский Игорь (ПАО МТС) подтвердил: токен-экономика будет улучшаться, поэтому откладывать внедрение – ошибочная стратегия (сессии «ИИ как управляемый актив» и «ИИ без иллюзий»).

8.2 Рост потребления и стоимость GPU

В первом квартале 2026 года потребление инфраструктуры под GenAI в ТБанке выросло кратно (Маслов Игорь, ТБанк). Виктор Урусов (Группа Rubytech) указал, что вся GPU-графика подорожала в три раза; специализированные платформы оркестрации (RunAI и аналоги) позволяют сократить стоимость инференса в 2,5–10 раз в зависимости от pipeline. Налоговый вычет (удвоенная стоимость ОС) даёт компаниям экономию 25–30% на инфраструктуре при её приобретении (Урусов Виктор, Группа Rubytech; сессия «Быстрее или по-другому»).

8.3 Модели нового поколения

GigaChat Ultra от Сбера имеет 750 млрд параметров и на том же железе работает в два раза быстрее и в два раза дешевле предыдущей версии; аналогичное улучшение ожидается в следующем году (Меньшов Кирилл, ПАО «Сбербанк»; сессия «ИИ без иллюзий»). Yandex Cloud AI Studio предоставляет фабрику агентов; платформой пользуются более 40 тысяч бизнесов (Самигуллин Артур, Yandex B2B Tech; Атрепьев Григорий, Yandex Cloud).

Тему ИИ-агентов на ЦИПР-2026 сформировали три категории участников: технологические платформы и вендоры, крупные корпоративные заказчики из промышленности и финансового сектора, а также государственные структуры. Ниже – ключевые участники по сессиям.

• СБЕР / ПАО «Сбербанк» – платформа GigaCowork, GigaChat Ultra (750 млрд параметров), агентное кодирование для тысяч разработчиков; спикеры Белевцев Андрей и Меньшов Кирилл.

• Яндекс / Yandex Cloud / Yandex B2B Tech / Яндекс 360 – фабрика агентов Yandex AI Studio (40 000+ бизнесов), корпоративный агент Алиса Про, платформа Yandex Cloud; спикеры Атрепьев Григорий, Самигуллин Артур, Педченко Сергей.

• ПАО ГМК «Норильский никель» – наиболее детализированная экономика: 10 пилотов завершены, цель 50 млрд руб./год к 2030 г., 3D BIM за сутки, MetalGPT; спикеры Артамонова Наталья и Бусько Виталий.

• АО «Альфа-Банк» – платформа на LangFlow, Agentic Risk Management, обучено ~40% коллектива, кентавр-режим (80% агент + 20% человек); спикеры Фетисов Алексей и Соловьев Святослав.

• АО «ПОЧТА России» – +8 п.п. автоматизации поддержки от GenAI, классификатор ТН ВЭД, соглашение о центре компетенций со Сбером; спикер Чудинов Дмитрий.

• ТБанк – 35–40% кода пишется с ИИ, кратный рост инфраструктурных нагрузок в Q1 2026, гайдлайн по безопасному созданию агентов; спикер Маслов Игорь.

• Госкорпорация «Росатом» – три домена внедрения (внешний контур, промышленный BIM, технологическое лидерство), три года обучения модели визуального контроля циркониевых труб; спикеры Абакумов Евгений и Королев Андрей.

• АО «СЕВЕРСТАЛЬ-ИНФОКОМ» – 100% нарушений технологии разбирает мультиагентная система, self-service платформа для бизнеса, 2 млн технологических параметров на Череповецком комбинате; спикер Маслов Евгений.

• ООО «Транснефть – Технологии» – более 60% заявок в сервис-деске маршрутизируются ML-роботом, около 80 тыс. пользователей охвачены speech-to-text ВКС; спикер Фалалеев Роман.

• Московская Биржа – FinGPT для розничных инвесторов (без права инвестиционных рекомендаций), разграничение GenAI и ML по критичности процессов; спикер Амирханян Армен.

• fabricaONE.AI (ГК Softline) – методология перехода пилота в промышленную эксплуатацию; спикер Тржаскал Николай (модератор).

• SK Capital – прогнозы экономики инференса, операционная зрелость как главный барьер; спикер Федосеев Сергей.

• ООО «СОЛАР СЕКЬЮРИТИ» – безопасность ИИ-агентов: DLP, PAM, мониторинг дрейфа модели; спикер Вассунов Иван.

• ГК Инфовотч – риски утечки данных через публичные LLM, опрос ~150 разработчиков; спикер Касперская Наталья.

• Just AI – SaaS→SaaR модель, вайб-хакатоны, код без участия человека (1 млн строк); спикер Петров Кирилл.

• КМ-альянс – менеджмент знаний как фундамент для ИИ, риски потери экспертизы, машинное зрение vs LLM в промышленности; спикер Лещенко Владимир.

• Группа Rubytech (Скала^р) – стоимость GPU, оркестрация инференса, регуляторный вакуум доверенного ИИ; спикер Урусов Виктор.

• Минэнерго России – государственная повестка управления знаниями в ТЭК; спикер Шереметцев Эдуард.

Опорные высказывания спикеров ЦИПР-2026 по теме ИИ-агентов и автономных систем.

Экономика и реальный эффект от ИИ-агентов

«Эффект десять процентов – это, наверное, алгоритмы. Процентов двадцать – это технология какая-то, данные, качество. Остальное, порядка семидесяти процентов – это процесс.»

Чудинов Дмитрий, Заместитель генерального директора, АО «ПОЧТА РОССИИ»

«агент далеко не всегда дешевле человека, скорее, он дороже. И когда ты идешь в сторону агента, возникает вопрос: ты чего хочешь? Ты хочешь сделать лучший сервис, проинвестировав больше денег, или ты хочешь сэкономить?»

Фетисов Алексей, Директор по информационным технологиям, АО «Альфа-Банк»

«фактически искусственный интеллект – это мультипликатор. Как вот легко понять, он умножает. Чтобы умножать и получать максимальную эффективность... отлично ложится применение агентского подхода к процессам, которые уже эффективны, уже хорошо описаны, уже имеют владельца и ответственного за результат.»

Педченко Сергей, Директор по технологическому развитию, Яндекс 360

«мы в это верим и целимся, чтобы порядка пятьдесят миллиардов рублей ежегодно у нас были эффекты именно от внедрения искусственного интеллекта с фокусом на генеративный ИИ, в том числе агентов.»

Артамонова Наталья, Директор по внедрению генеративного ИИ, ПАО ГМК «Норильский никель»

Барьеры масштабирования и операционная зрелость

«За вас вендор ничего не построит. Вот вы пока в своих процессах не разберетесь и не поймете, как бы что там происходит, это невозможно.»

Артамонова Наталья, Директор по внедрению генеративного ИИ, ПАО ГМК «Норильский никель»

«а вот именно за операционное. Когда у тебя ментальность ИИ в каждой транзакции, да, потому что инференс стал стоить так же, как электричество, и ты можешь это сделать везде. И операционный директор говорит: «Это мое. Вот он у меня внедрен». Вот это вот, это вот реальная граница. Этого мы пока не видим.»

Федосеев Сергей, Управляющий директор по стратегическим проектам «SK Capital»

«Если вы думаете сейчас о том, что внедрять это или нет, только присматриваетесь к этой технологии, то вы уже опаздываете.»

Муллагалиев Марат, Заместитель председателя правления, куратор блока информационных технологий АТБ

Безопасность, риски и архитектура агентов

«самое опасное, я бы сказал, что это незаметное изменение поведения. Вот это самое опасное. Дрейф модели, да. Потому что ты продолжаешь доверять.»

Вассунов Иван, Директор Центра технологий кибербезопасности, ООО «СОЛАР СЕКЬЮРИТИ»

«Если посмотреть на утекший код Claude, там девяносто восемь процентов это вообще не про модели, это про harness, это про всю эту обвязку. Модель – это как двигатель в самолете: важный компонент, но самое главное – шесть миллионов деталей вокруг.»

Меньшов Кирилл, Старший вице-президент, руководитель блока «Технологии», ПАО «Сбербанк»

«Про риски искусственного интеллекта и про то, как их предотвращать, говорить начали только в этом году. Про генеративные модели мы слышим уже с двадцать третьего года – три года, а про риски начали говорить сейчас. И решений против этих рисков практически нет, они только-только начинают появляться.»

Касперская Наталья, Президент, ГК Инфовотч

«это должны быть автономные агенты, но автономность должна быть супер контролируемой и супер управляемой.»

Кутуков Андрей, Старший управляющий директор, СБЕР

Агентная разработка и будущее профессии

«Код как ручное ремесло становится, обесценивается, а инженерное мышление только дорожает. И это вот тот сдвиг, который происходит с нами с точки зрения внедрения агентов разработки.»

Самигуллин Артур, Руководитель Yandex AI Studio, Yandex B2B Tech

«мы закладываем бомбу замедленного действия, которая через пять лет выхлыщет всю экспертизу из предприятий, из компаний, и ИИ ее не восполнит. Это стопроцентно.»

Лещенко Владимир, Вице-президент, КМ-альянс

«Если есть какое-то предприятие, банк или что угодно, у которого в принципе нет автоматизации, это невозможно. ИИ оно должно войти так, что как это вообще без ИИ ничего не будет.»

Урусов Виктор, Руководитель Скала^р, Группа Rubytech

Числовые показатели темы, прозвучавшие в выступлениях на ЦИПР-2026. Все значения приведены строго по материалам сессий.