Вебпрактик AI | Корпоративный ИИ

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик На Хабре вышла отличная корпоративная статья об ИИ. Автор — Виктория из службы маркетинговых коммуникаций СИБУРа. Не разработчик, не CDO, не директор по трансформации. Просто человек, у которого уволили стажёров, а задачи никуда не делись. Что она сделала за три месяца: — Email-рассыльщик для клиентского журнала: экономия ~7 часов в месяц, или 900 тыс. руб./год через подрядчика. — Telegram-бот для мониторинга 36 внешних ресурсов: аналог внешнего сервиса за 2–2,5 млн руб./год. — Сквозная аналитика по всем каналам коммуникации с клиентами. — Мультиагентный Telegram-канал с отраслевыми новостями, где она «занимается только стратегией». Финальный вывод, который она сформулировала сама: «Они не заменили мне стажёров. Они сделали меня руководителем маленькой команды цифровых джунов. Быстрые, не устают, работают ночью».

Отличная метафора. И точная. Тезис первый: это и есть правильное начало ИИ-трансформации История Виктории — идеальная иллюстрация того, как ИИ реально приносит пользу на уровне личной эффективности. Не пилот на 18 месяцев с командой из 40 человек. Конкретный человек с конкретной болью автоматизировал конкретные процессы — и получил измеримый результат. Именно так выглядит первый горизонт: снять рутину, освободить время, почувствовать, что это работает. Тезис второй: но дальше начинается другая история Сама Виктория честно описывает момент, когда «маленький скрипт на вечер» вырос до шести тысяч строк кода с ролями, интерфейсом, логикой согласования и историей версий. И задаёт правильный вопрос: «Где заканчивается вайбкодинг ради удобства, и начинается зона решений, за которые отвечаешь уже как за полноценный инструмент для других команд?» Вот здесь и проходит граница между личной автоматизацией и корпоративным ИИ. Команда «цифровых джунов» — отличный старт. Но чтобы превратить её в производительную силу, нужны две вещи: 1. Платформа. Агенты, собранные «на коленке», не масштабируются на всю организацию. Нужна среда, где агенты живут, логируются, обновляются и управляются централизованно. 2. Пересборка процессов. Агент, встроенный в старый процесс, автоматизирует старый процесс. Реальный эффект появляется, когда сначала переосмысляется логика работы — и только потом под неё проектируется агент. Личная автоматизация — это первый шаг. Но корпоративный ИИ начинается там, где заканчивается вайбкодинг и начинается инженерная дисциплина: платформа, harness, изменение процессов. Кто пройдёт этот путь быстрее конкурентов — получит не просто экономию на рутине, а системное конкурентное преимущество.

Вебпрактик AI | Корпоративный ИИ

Теперь официально! 🚀 Запустили Вебпрактик AI, специализированный ИИ-интегратор для крупного бизнеса. Мы помогаем корпорациям не просто внедрять отдельные ИИ-инструменты, а выстраивать собственную ИИ-платформу и адаптировать под нее архитектуру и процессы. Главный урок, который мы вынесли из практики: успех ИИ-трансформации зависит не только от технологий, но и от готовности команд и зрелости процессов. Поэтому Вебпрактик AI работает в партнерстве с консалтинговыми компаниями. Мы закрываем и технологический контур, и вопросы перестройки процессов, организационные изменения и обучение сотрудников. Что мы предлагаем рынку: 🔴 Технологии без вендор-лока. Строим решения на базе популярных open-source платформ и разворачиваем их в закрытом контуре заказчика. 🔴 Быстрые победы. Подготовили пакет из 30 готовых ИИ-агентов, которые можно внедрить за считанные недели и получить измеримый результат без многомесячных ожиданий. 🔴 Интеграция с корпоративными системами. Агенты подключаются к 1С, SAP, CRM и ERP через API и автоматизируют рутину в маркетинге, продажах, HR и бэк-офисе. Этот канал — площадка, где мы разбираем корпоративную практику внедрения ИИ: кейсы, архитектуру решений, интеграцию в процессы, экономику проектов, безопасность и управление изменениями. Хотите разобраться, где ИИ даст реальный эффект именно в вашей компании — оставьте заявку на бесплатный аудит процессов: webpractik.ai

Бюджеты на ИИ растут, а финансовая отдача — нет. Что делать бизнесу? Bain & Company в новом исследовании (опрошен 951 руководитель по всему миру) зафиксировала тренд: бюджеты на внедрение ИИ растут каждый год, а реальная отдача стабильно не дотягивает до планов. Почти 40% компаний, закладывавших сокращение издержек на 11–20%, в реальности сэкономили менее 10%. Проблема не в самой технологии, а в разрыве между красивыми презентациями для финансового директора и реальным внедрением. Многие инвест-кейсы строятся на экономике автономных систем, но на практике только 7% компаний используют ИИ без жесткого контроля. 70% работают в режиме «нужно одобрение человека». Из-за этого математика процесса ломается: агент отрабатывает быстро, но задачи просто копятся в очереди на ручную проверку. Аналитики Bain называют 5 организационных решений, которые отличают успешные внедрения ИИ в процессы от проектов, сжигающих бюджет: 1. Не автоматизировать сломанное. Самая дорогая ошибка — накладывать ИИ поверх старого процесса. Нейросеть не исправит лишние согласования или ручные операции — она просто ускорит их и сделает систему еще более неповоротливой. До внедрения агента процесс нужно пересобрать. 2. Перестать рассчитывать на виртуальные бюджеты. 44% компаний рассчитывают финансировать новые ИИ-проекты из средств, сэкономленных в результате предыдущих внедрений. Однако если прошлые пилоты не обеспечили ожидаемого ROI, такая модель создаёт кассовый разрыв и не позволяет объективно оценивать эффективность инвестиций. 3. Не откладывать запуск в ожидании идеальных данных. Многие компании затягивают внедрение, дожидаясь полной перестройки ИТ-инфраструктуры. На практике эффективнее начинать с тех участков, где оцифровка уже завершена, а сам ИИ использовать как инструмент для постепенного упорядочивания остальных систем. 4. Перестроить систему KPI и ролей. Когда ИИ-агенты забирают рутину, человек перестает быть простым исполнителем и становится супервизором. Если не перестроить оргструктуру под эту новую роль, она станет главным узким местом во всей цепочке. 5. Считать деньги, а не часы. Если измерять результат только «сэкономленными часами», сотрудники просто начнут делать старую работу быстрее, растрачивая освободившееся время на мелкие задачи. Оценивать эффект нужно в реальных бизнес-метриках: снижение затрат, рост выручки или измеримое повышение качества. Вебпрактик AI | Корпоративный ИИ

💭 #ПятничныйСтек с Иваном Поддубным, CTO «Вебпрактик» DeepSeek меняет баланс сил: почему рутинные задачи уходят от западных ИИ-моделей Китайская DeepSeek сделала постоянной скидку 75% на API-доступ к флагманской модели V4 Pro — и этим заметно усилила давление на западных конкурентов. Что по цифрам. V4 Pro обходится примерно в 7 раз дешевле на входных токенах и в 17 раз дешевле на выходных по сравнению с сопоставимыми западными моделями. Но ключевая цифра — стоимость чтения из кэша: около $0,003625 за миллион токенов. Для агентных систем это критично: в длинных рабочих процессах большая часть токенов уходит не на новые запросы, а на повторное перечитывание контекста. Куда движется рынок. Эксперты ожидают раскол на два уровня: премиальные закрытые модели OpenAI, Anthropic и Google останутся там, где нужны максимальная надёжность, точность и корпоративные гарантии, а массовые фоновые задачи — рутинный анализ кода, обработка логов, простые проверки — будут всё активнее уходить к дешёвым моделям вроде DeepSeek.

Для нас это не теория из новостей, а уже сделанный шаг. Мы недавно перевели автоматическое ревью кода с американских моделей на DeepSeek и получили кратное сокращение затрат на этом контуре — при том же уровне качества проверок, который нас устраивает.

Вебпрактик AI | Корпоративный ИИ

5️⃣6️⃣% — столько российских компаний хотят использовать ИИ-агентов для автоматизации офисной рутины. Такие данные приводит «Салют для бизнеса» (входит в группу Сбер) по итогам опроса 308 крупных компаний: от ритейла и строительства до АПК и транспорта. Главный запрос со стороны бизнеса — оптимизация и автоматизация офисных процессов, так ответили 40,4% опрошенных компаний. Еще 15,6% ждут от ИИ-агентов сокращения времени на рутинные операции. Внутри этого спроса лидирует работа с документами и документооборотом: компании хотят автоматизировать составление, проверку и согласование документов, включая юридические договоры, сверку данных и заполнение форм. В исследовании также упоминаются анализ данных и подготовка отчетов, включая презентации, а также управление производственными процессами. Для корпоративного рынка ценность этой цифры не в самом интересе к ИИ-агентам, а в структуре спроса. Крупные компании уже смотрят на ИИ не как на отдельный интерфейс для генерации текста, а как на инструмент, который должен встраиваться в документооборот, отчетность и другие повторяющиеся процессы, где важны скорость, контроль и масштабирование. Вебпрактик AI | Корпоративный ИИ

Защита от зависимости: как бизнес меняет архитектуру работы с ИИ-вендорами На этапе первых экспериментов бизнес часто интегрирует решения одного крупного вендора. По мере того, как нейросети встраиваются в основные процессы, возникает риск технологической зависимости. Если значимая часть кода или операций завязана на один внешний инструмент, компания становится чувствительной к изменению его ценовой политики, лимитов и правил использования. Показательный пример приводит Business Insider на кейсе Walmart. Ретейлер решил не завязывать ИТ-команду на одну платформу и разработал внутреннего кодового помощника Code Puppy. Он работает как единый слой оркестрации, который маршрутизирует запросы разработчиков между языковыми моделями от Anthropic, OpenAI и других вендоров. Такая внутренняя прослойка решает сразу несколько утилитарных задач. Она позволяет на лету переключаться между LLM для балансировки нагрузки, сравнивать ответы разных движков и гибко управлять стоимостью вызовов, защищая бюджет от скачков цен на токены. В этой логике корпоративная инфраструктура уходит от привязки к конкретной нейросети в пользу собственного слоя управления. Внешние LLM при таком подходе выступают просто как заменяемые модули, а весь контроль над логикой, затратами и безопасностью остается в контуре компании. Для бизнеса это означает возможность в любой момент перейти на более выгодную модель незаметно для сотрудников: без простоев ИТ-систем, переобучения команд и слома привычных рабочих процессов. Вебпрактик AI | Корпоративный ИИ

Мы не только внедряем ИИ в процессы разработки, но и открыто делимся тем, что работает на практике, а что оказывается мифом или требует доработки. CTO Вебпрактик Иван Поддубный стал гостем Devhands AI Club, где вместе с Алексеем Рыбаком обсудил одну из самых горячих тем индустрии — AI SDLC и переход к Spec-Driven Development (SDD). 🎯 Главный тезис дискуссии звучит довольно жестко: у рынка есть примерно год-полтора, чтобы перестроить процессы разработки. Те команды, которые не научатся работать через спецификации, ИИ-агентов и новые подходы к управлению жизненным циклом разработки, рискуют оказаться в роли догоняющих. 🎙 Поговорили о том: • как меняется роль разработчиков, аналитиков и тимлидов в эпоху ИИ; • как внедрять AI SDLC без разрушения существующих процессов; • какие инструменты и практики уже работают; • какие ошибки и сложности неизбежно возникают при переходе. Разговор получился по-настоящему обстоятельным: почти полтора часа обсуждали не только сами подходы AI SDLC и Spec-Driven Development, но и сложности внедрения, реальные кейсы перехода на новые процессы. AI SDLC и SDD уже перестают быть предметом дискуссий о будущем и постепенно становятся частью повседневной практики технологических команд. 🔝 Рекомендуем посмотреть запись. Получился содержательный разговор о реальной практике внедрения ИИ в разработку с большим количеством примеров. #Вебпрактик_эксперты #AI

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик СберТех выпустил концепцию AI-DISRUPT PDLC — 178-страничный документ о том, как должна выглядеть разработка ПО в эпоху ИИ. Это серьёзная методологическая работа, которую стоит знать любому руководителю, принимающему решения об ИИ-трансформации.

Хочу выделить две идеи, которые мне кажутся важными не только для ИТ, но и для управления в целом. 1. Двухпетлевая модель: Intent Loop и Implementation Loop Авторы разделяют весь процесс создания продукта на два принципиально разных цикла. Цикл намерения (Intent Loop) — это зона ответственности человека. Здесь формулируется задача, проверяется гипотеза о результате, принимается решение: стоит ли вообще это делать и как именно. Ключевой этап называется Discovery — переосмысление задачи до того, как написана первая строчка спецификации. Цикл реализации (Implementation Loop) — здесь работают агенты. Они итерируют, тестируют, исправляют. Человек не пишет код — он оркестрирует: запускает агентные сессии, проверяет результаты на контрольных точках, принимает решения об эскалации. 2. Vibe Working как управленческая философия Если Vibe Coding — это когда разработчик описывает намерение, а агент пишет код, то Vibe Working — это когда руководитель формулирует цель, а команда оркестраторов с агентами её реализует. Это не фантастика — по сути этим уже занимаются многие продвинутые руководители. Только пока делают это кустарно на личных продвинутых аккаунтах. Без использования промышленного платформенного ИИ получается пока кустарно. Что это меняет для руководителя? - Ценность смещается от «сколько людей работает» к «насколько точно сформулировано намерение». - Главный дефицитный ресурс — не разработчики, а люди, умеющие правильно ставить задачи агентам и валидировать результат.

Я слежу за тем, как крупные российские корпорации начинают переосмыслять не только инструменты, но и саму логику управления командами. AI-DISRUPT PDLC от СберТех — один из первых серьёзных отечественных документов на эту тему. Вопрос не в том, внедрять ли ИИ в разработку. Вопрос в том, кто в вашей организации отвечает за цикл намерения — и умеет ли он это делать.

Вебпрактик AI | Корпоративный ИИ

6️⃣9️⃣% — столько IT-компаний в мире пока не используют искусственный интеллект в своей работе. И только 4% полностью внедрили ИИ в свои процессы. Это цифры из аналитического доклада «Экономический рост глазами молодых экономистов. Встреча с реальностью», подготовленного фондом Росконгресс совместно с «Ведомостями» и участниками Международного клуба молодых экономистов «Новое поколение». Схожая картина и в России: 48% крупных и средних организаций говорят об отсутствии потребности в ИИ, а 58% называют главным барьером высокие затраты на внедрение. Эти цифры показывают, что интерес к ИИ сам по себе еще не превращается в массовое внедрение. На первый план выходят не общие ожидания, а стоимость внедрения, прикладная польза и готовность компании встраивать такие решения в повседневные процессы. Вебпрактик AI | Корпоративный ИИ

5 трендов ИИ на 2026–2027 годы — из «Прогнозов РР» У «Рейтинга Рунета» вышел второй выпуск спецпроекта «Прогнозы РР—2026–2027: геополитика, экономика, технологии, законы, маркетинг и культура». Внутри него есть блок Сергея Карелова о том, что будет дальше с ИИ как технологией в ближайшие два года. Карелов выделяет пять основных трендов: Масштабирование ИИ. Индустрия продолжает делать ставку на рост вычислительных мощностей больших языковых моделей. В 2026–2027 годах должно стать понятно, была ли эта стратегия верной: около 60% участников рынка считают, что потолка не будет, 40% — что дальше начнётся слишком дорогой барьер. Альтернатива трансформерам. В 2025 году часть ведущих специалистов заговорила о другом пути, не основанном только на нынешних LLM; в этом контексте обсуждается идея «мировой модели». Новые бизнес-модели. Попытки зарабатывать на ИИ старыми способами пока, по оценке автора, остаются скорее теорией, чем устойчивой практикой. Соперничество США и Китая. США усиливают экспортные ограничения, Китай строит собственную экосистему; это противостояние автор описывает как борьбу с очень высокой ставкой. Раскол идеологий. Около 40% специалистов по ИИ считают, что разработки нужно тормозить, пока не появятся более понятные подходы к оценке рисков, около 60% — что нужно продолжать движение вперёд. Здесь важны не сами прогнозы, а практический смысл этого блока. В 2026–2027 годах бизнесу придётся одновременно отвечать на три вопроса: на какие ИИ-технологии делать ставку, где искать понятную экономику внедрения и как работать в ситуации, когда даже базовые представления о дальнейшем развитии ИИ на рынке ещё не совпадают. Вебпрактик AI | Корпоративный ИИ

5 млрд рублей от ИИ: как X5 масштабирует технологии в бизнес-процессах Компании начали всё чаще публично декларировать финансовую отдачу от ИИ. Искусственный интеллект перестает быть абстрактной инновацией и становится строкой в P&L, о которой сообщают рынку в пресс-релизах. Ранее мы писали о том, как девелопер «Самолет» оценил эффект от внедрения нейросетей, а теперь аналогичными цифрами поделилась группа X5. В 2025 году X5 перешла от экспериментов с ИИ к промышленному применению: по заявлениям компании, ей удалось получить около 5 млрд рублей дополнительной операционной прибыли за счёт масштабирования ИИ-решений в коммерции, логистике, клиентском опыте и корпоративных функциях. Технологической основой стал контур AI Core X5, который объединяет инфраструктуру, управление моделями, тестирование, работу с ИИ-агентами и доступ к языковым моделям. Это позволяет не плодить пилоты, а выводить успешные сценарии в тираж с едиными стандартами качества и безопасности. Основной вклад в EBITDA дали алгоритмы, встроенные в «тело» ритейла: - прогнозирование спроса и пополнение складов; - ценообразование и управление ассортиментом; - рекомендательные механики и цифровые продукты; - компьютерное зрение для контроля наличия и выкладки товаров. Отдельный контур — работа сотрудников с ИИ. Корпоративный CoPilot X5 за год использовали более 32 тыс. человек, из них 21 тыс. — на регулярной основе. К сожалению, в открытых данных не указано, какой это процент от всего штата. На базе платформы AgentOps сотрудники создали свыше 2,3 тыс. ИИ-агентов, обработавших более 150 тыс. запросов. Кейс показывает, как выглядит зрелое внедрение технологий в корпорации. Экономический эффект измеряется миллиардами, когда ИИ встраивается в архитектуру процессов. Будущее не за изолированными ботами, а за мультиагентными системами, которые закрывают рутину и становятся стандартным элементом ежедневного производственного конвейера. Вебпрактик AI | Корпоративный ИИ

🗯️ #ПятничныйКейс с Сергеем Калюжным Как компания Showroomprivé получила +20% к онлайн-конверсии за счёт разговорного ИИ в туристическом разделе Showroomprivé — европейский гигант флеш-распродаж с 25 млн участников и оборотом 1 млрд+ €. Платформа предоставляет эксклюзивный доступ к товарам ведущих брендов в сфере моды, красоты и туризма, однако время действия этих предложений строго ограничено. Проблема Начали с туристического раздела — самого многопараметрового на платформе. У каждого «товара» здесь одновременно есть дата, цена, наличие, география, состав и дедлайн. Каталог слишком большой и слишком динамичный для обычного поиска. Покупатели терялись и уходили именно в момент наибольшей готовности к покупке. Что сделала платформа Kleio? Вместо того чтобы улучшать фильтры, они решили проблему на уровне данных в два шага: Шаг 1. Knowledge Engine. Это специализированная инфраструктура, которая объединяет три потока в единый логический слой: наличие товаров в реальном времени, ценовые ограничения и взаимосвязи между продуктами. Каталог перестал быть статичным набором карточек — он стал живым, интеллектуальным интерфейсом. Шаг 2. Agentic Orchestration. Заработала система, которая управляет всем процессом покупки от начала до конца: - Определяет намерение покупателя через естественный язык, - Находит точное, персонализированное предложение под запрос среди тысяч динамически меняющихся вариантов, - Отвечает на конкретные вопросы о продукте, - Плавно сопровождает пользователя до оформления заказа. Внедрение заняло всего несколько недель. Результат +20% онлайн-конверсий Значительно выросли просмотры карточек товаров Зона отказов превратилась в одну из лучших точек конверсии платформы

Почему это работает Человек плохо справляется с многопараметровым выбором — это известная особенность когнитивной психологии. Обычный фильтр перекладывает эту работу на покупателя. Агент берёт её на себя: понимает контекст, сужает варианты и ведёт к решению, значительно повышая уровень персонализации сервиса. Чем сложнее каталог, тем сильнее эффект.

Вебпрактик AI | Корпоративный ИИ

Иллюзия контроля: почему бизнес внедряет ИИ без измеримого результата По данным аналитики от Контура, более 50% российских компаний уже получают экономический эффект от искусственного интеллекта. Эти цифры были получены в ходе опроса более 1000 представителей среднего и крупного бизнеса — от тимлидов до топ-менеджеров. Но когда их попросили уточнить, в чем именно выражается этот эффект, ответы показали реальную стадию развития рынка. Часть бизнеса уже способна оцифровать выгоду от внедрения алгоритмов: - 14% компаний зафиксировали снижение операционных расходов; - 8% сократили затраты на внешних подрядчиков; - 6% оптимизировали численность сотрудников. При этом значительная часть корпораций вообще не использует финансовые метрики: - 24% (самый популярный ответ) — результат уже видят, но в деньгах его пока не считали; - 11% — честно признались, что никак не измеряют результативность работы нейросетей. Получается, что 35% компаний запускают ИИ-проекты фактически вслепую, опираясь исключительно на субъективные ощущения менеджмента. Бизнес научился быстро запускать пилоты, но инструменты корпоративной аналитики пока отстают. Интеграция алгоритмов без привязки к жестким финансовым метрикам оставляет их в статусе абстрактной инновации. И оценить реальный вклад нейросетей в архитектуру компании, а также обосновать бюджеты на их развитие без оцифрованного KPI довольно сложно. Вебпрактик AI | Корпоративный ИИ

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик Наткнулся на Хабре на статью про «бумеранговый найм» — это когда компании возвращают сотрудников, которых сами же уволили ради ИИ. Хочу поделиться своим взглядом на эту историю. Данные исследований говорят сами за себя: - 95% компаний пока не видят ощутимой отдачи от GenAI-инициатив (MIT, 2025). - На каждый доллар экономии от сокращений приходится $1,27 скрытых расходов: выходные пособия, потеря продуктивности, удар по бренду работодателя (Orgvue). - 55% руководителей, которые сокращали людей «под ИИ», позже об этом пожалели.

Почему так происходит? Потому что многие руководители смотрят на ИИ как на инструмент оптимизации затрат — убрать людей, снизить ФОТ, отчитаться перед советом директоров о «цифровой трансформации». Это понятная логика. Но она неправильная. Правильный вопрос звучит иначе: не «кого заменить на ИИ», а «как с помощью ИИ вырасти быстрее конкурентов». Компания, которая использует ИИ для масштабирования производительности — обрабатывает в 3 раза больше заявок той же командой, выводит продукты на рынок в 2 раза быстрее, открывает новые направления без пропорционального роста штата — получает конкурентное преимущество, которое очень сложно нагнать. Компания, которая просто сокращает людей, получает временную экономию и потом нанимает тех же людей обратно, но уже дороже.

Мы в «Вебпрактик AI» видим это на практике. Самые интересные проекты — не там, где клиент хочет «убрать колл-центр», а там, где он хочет «обслуживать в 5 раз больше клиентов той же командой» или «выйти в новый регион без найма». ИИ-трансформация — это не про сокращение. Это про рост. Кто сделает это быстрее конкурентов — заберет долю рынка. Кто будет ждать — будет нанимать обратно уволенных сотрудников по завышенным ставкам.

Вебпрактик AI | Корпоративный ИИ

Как ИИ помогает извлекать деньги из мусора: кейс переработки алюминия в США На фоне геополитических конфликтов цены на алюминий достигли максимумов, так как около 10% этого металла производится в регионе Персидского залива. В США значительная часть спроса традиционно закрывается за счет вторичной переработки. Однако, по данным Агентства по охране окружающей среды страны, сегодня извлекается лишь 20% алюминия из общих отходов. Как отмечают эксперты, даже в городах с успешными программами сортировки половина алюминия просто теряется на свалках, не попадая в переработку. Именно в этот разрыв между ценой сырья и неэффективностью ручной сортировки сейчас интегрируются ИИ-технологии. Рынок предлагает разные модели автоматизации. Стартап Sortera, недавно открывший новый завод в Теннесси, сфокусировался на узкой задаче — классификации лома. Их система использует лазеры, камеры и рентгенофлуоресцентный анализ. Данные с сенсоров передаются алгоритмам, которые классифицируют каждый кусок лома размером со спичечный коробок по конкретному сорту алюминия. Такая точность позволяет компании продавать сырье с более высокой маржинальностью. Другой подход выбрала компания Amp Robotics. Ее система встраивается в общие конвейеры с мусором и работает на базе компьютерного зрения с обычными и инфракрасными камерами. Алгоритм распознает материалы (от фольги до оберток), а роботизированные манипуляторы и пневматические устройства расфасовывают их по корзинам с точностью более 90%. В этом кейсе алгоритмы напрямую меняют экономику физического производства. Когда ИИ связывается с оптикой и роботизированными манипуляторами, обычные заводы по переработке мусора превращаются в стратегических поставщиков критически важного сырья для всей металлургии. Выигрывают те компании, которые перестают полагаться на ручной труд и перестраивают архитектуру своих конвейеров под интегрированные ИИ-решения. Вебпрактик AI | Корпоративный ИИ

Экономика умной верфи: как ИИ перестраивает архитектуру судостроения Строительство современного коммерческого судна объединяет работу сотен поставщиков и требует сборки миллионов деталей. Управлять производством такого масштаба в условиях глобального дефицита инженеров старыми методами больше невозможно. Поэтому отрасль переходит к модели Smart Shipyard («умная верфь»), где алгоритмы становятся базовым элементом производственных процессов. Экономика этой трансформации хорошо просчитана. По данным McKinsey, внедрение промышленной аналитики и ИИ позволяет: - снизить простои оборудования на 30–50%, - уменьшить расходы на обслуживание техники на 10–40%, - сократить производственные потери на 15–20%. Ключевым инструментом цифровизации стали цифровые двойники. Виртуальные модели судов и линий, по данным Siemens, сокращают время вывода продукции на рынок до 50% и радикально снижают количество инженерных ошибок. Технологию применяют для всего производственного цикла: алгоритмы берут на себя планирование строительства, контроль поставок и анализ загрузки мощностей. Крупнейшие игроки уже внедряют ИИ на уровне корпоративной архитектуры. Проект «Верфь будущего» от HD Hyundai нацелен на сокращение сроков постройки на 30% и рост производительности до 40%. Samsung Heavy Industries делегировала контроль качества системам компьютерного зрения — они автоматически выявляют дефекты сварки. Европейские Fincantieri и Navantia интегрируют проектирование, роботизированные линии и работу с Big Data в платформы управления жизненным циклом судов. Еще один понятный сценарий внедрения — предиктивное обслуживание. ИИ непрерывно анализирует вибрации, температуру и нагрузку станков. По оценкам IBM, прогнозирование поломок до их наступления сокращает аварийные остановки в два раза. Оценки MarketsandMarkets показывают, что мировой рынок промышленного ИИ скоро превысит 190–200 млрд долларов, а тяжелая промышленность и судостроение станут его главными потребителями.

Как отмечает Александр Виговский (HK Marline Trading Ltd), судостроение превращается из исключительно производственной отрасли в бизнес по управлению данными и цифровой кооперации.

Конкуренцию здесь теперь выигрывают не за счет масштабирования цехов, а благодаря мультиагентным системам, способным связать предиктивный ремонт, контроль сварки и логистику сотен подрядчиков в единый предсказуемый конвейер. Вебпрактик AI | Корпоративный ИИ

Как «Самолет» сэкономил 200 млн рублей за год с помощью ИИ Группа «Самолет» поделилась первыми результатами своей программы «ИИ-амбассадоров». С начала 2025 года компания реализовала восемь ИИ-решений, которые принесли около 200 млн рублей экономического эффекта в год. И самое показательное в этом кейсе — за счет чего именно девелопер получил эту цифру. Из заявленных 200 млн рублей львиную долю (180 млн) принесли всего два процесса. Первый — автоматизация выдачи заказов на экспертизы договоров. Время их обработки сократилось с 4 часов до 10 минут в день, что дало 50 млн рублей экономии. Второй кейс — внедрение системы оптического распознавания документов (OCR) для юридического отдела. Алгоритм, развернутый в закрытом контуре компании, автоматически разбирает иски, освобождая до 30% времени юристов и экономя бизнесу 130 млн рублей. Это отличный пример того, как ИИ работает в реальном корпоративном секторе. Основную ценность приносят не генеративные чат-боты, а мультиагентные системы, встроенные в базовые рутинные процессы. Вебпрактик AI | Корпоративный ИИ

4️⃣5️⃣% — столько российских компаний внедряют искусственный интеллект, но не закладывают бюджет на защиту этих решений. Данные с конференции ЦИПР-2026 хорошо показывают текущую стадию работы рынка с технологиями. Около 80% крупного бизнеса уже пустили ИИ в свои процессы: от аналитики до корпоративных баз знаний. При этом формализованные правила безопасности для работы с алгоритмами есть только у четверти организаций. Когда компания открывает алгоритмам доступ к внутренним документам и клиентскому сервису, старые методы контроля перестают работать. Эффективное внедрение сегодня требует перехода к мультиагентным системам, где каждый элемент глубоко встроен в бизнес-процессы и имеет четко ограниченный уровень доступа. Руководители видят потенциальные угрозы: 80% опрошенных опасаются утечек данных, а 60% — ошибок алгоритма. При этом безопасность — не барьер для инноваций, а часть корпоративной архитектуры. Затраты на защиту и оценку стоимости возможных ошибок имеет смысл планировать еще на этапе запуска пилотов, выстраивая контроль за ИИ так же системно, как и за остальной инфраструктурой. Вебпрактик AI | Корпоративный ИИ

💭 #ПятничныйСтек с Иваном Поддубным, CTO «Вебпрактик» На Хабре вышла большая статья с разбором плюсов локальных моделей в корпоративном контуре. Автор подробно разбирает, почему выбор между on-premise и облаком — это не только вопрос приватности, но и управляемости.

Хороший материал, который подсвечивает важные, но не всегда очевидные аспекты именно локального разворота моделей. Один из недооцененных плюсов в последнее время — уверенность в стабильности качества своих моделей на фоне внешних закрытых систем. Сейчас все поставщики живут в условиях дефицита вычислительных мощностей, поэтому многие начинают подозревать их в «подкапотных» оптимизациях при пиковых нагрузках. Есть риск, что часть запросов втихую обрабатывается более легкими моделями с потерей качества, а уличить в этом вендора невозможно из-за недетерминированности самих ответов. В пользу этой теории говорит недавний запуск программы гарантированных мощностей от OpenAI, а также многочисленные жалобы на то, что новые флагманские модели часто ведут себя слабее предшественников. Из более очевидных плюсов: приватность, безопасность и независимость от внешних систем, а также от корректировок ценовой политики, которая диктуется инвесторскими циклами вендоров.

Но экономику нужно считать всегда. Возможно, сейчас капитальные вложения в собственную инфраструктуру для вас избыточны, а часть вопросов безопасности можно закрыть «умным» proxy, который будет анонимизировать и деанонимизировать трафик. А иногда это и есть осознанная стратегия — пока вендоры демпингуют и борются за рынок, бизнесу выгоднее сидеть на дешевых токенах и подписках, отложив вложения в свою инфраструктуру.

Вебпрактик AI | Корпоративный ИИ

ИИ ломает кадровый конвейер: почему экспертиза скоро может стать дефицитом Публикация Bloomberg подсвечивает структурную проблему, с которой уже начинает сталкиваться крупный бизнес при масштабировании ИИ. Опрос Oliver Wyman показал: более 40% CEO планируют в ближайшие два года сократить позиции уровня junior, делая ставку на опытных сотрудников (middle и senior). Кажется, что это логичный шаг: алгоритмы забирают на себя базовые задачи, а опытным специалистам достается только то, с чем ИИ пока не справляется — сложная аналитика, контроль качества и принятие управленческих решений. Однако для бизнеса, который активно автоматизирует свои процессы, здесь кроется долгосрочный риск. Искусственный интеллект действительно делает сеньоров более востребованными — именно они сегодня нужны, чтобы проектировать архитектуру, управлять алгоритмами и отвечать за итоговый результат. Но отказываясь от массового найма джуниоров, корпорации фактически ломают систему подготовки кадров. Радуясь быстрой экономии сегодня, бизнес забывает, что завтрашним управленцам будет просто неоткуда взяться. Компании, которые сейчас бездумно автоматизируют функции младших специалистов, скоро будут вынуждены придумывать новые способы выращивать сеньоров без классической школы базовой рутины. Это лишний раз подтверждает: внедрение ИИ — это не просто закупка софта, а полная перестройка корпоративных ролей. Вебпрактик AI | Корпоративный ИИ