Какие сценарии уже реализованы, какие результаты раскрываются публично и почему человек пока остается в контуре

Эта подборка изначально создавалась для собственных рабочих задач — как ориентир при выборе сценариев применения ИИ, обосновании проектов и формировании требований к решениям. Поэтому она не претендует на полный обзор российского рынка.

Подборка ограничена решениями, которые работают с текстом и корпоративными знаниями, помогают сотрудникам решать профессиональные задачи или выполняют действия в информационных системах. Компьютерное зрение, прогнозная аналитика, оптимизационные модели и другие направления корпоративного ИИ здесь не рассматриваются.

Первоначально было отобрано 19 проектов, о которых сообщалось с июня 2023 года по июнь 2026 года. После сверки публикаций с материалами компаний и разработчиков в обзоре осталось 13 проектов; кейсы без конкретных данных и с неподтвержденными цифрами были исключены.

Большинство ссылок ведет на CNews, поскольку именно там оказалось больше всего публикаций с конкретными данными о задаче, масштабе и результатах внедрения.

От чата к агенту

В публикациях одни и те же термины могут обозначать разные по функциям решения. Чтобы сопоставить проекты по степени самостоятельности, я использую рабочую шкалу из четырех уровней:

1. Чат — генерирует ответ на запрос.

2. Ассистент — работает с внутренними документами и базой знаний.

3. ИИ‑помощник специалиста, или copilot — встроен в конкретную рабочую деятельность, использует контекст задачи, готовит материалы и предлагает действия, но оставляет решение и ответственность за результат человеку.

4. Агент — самостоятельно выполняет разрешенное действие в корпоративной системе.

Обработка обращений сотрудников — самый зрелый сценарий

Наиболее наглядные результаты компании показывают в обработке внутренних обращений. ИИ‑ассистент встраивается в уже формализованный сервисный процесс с типовыми запросами, базой знаний, правилами маршрутизации и установленными показателями работы. Он отвечает по внутренним материалам, классифицирует обращения и передает сложные случаи специалисту.

В эту категорию вошли три проекта на платформе AutoFAQ Xplain. Это не оценка рынка и не вывод о лидерстве конкретного вендора: именно по этим внедрениям удалось найти конкретные данные о масштабе и результатах.

1. Ингосстрах: время маршрутизации и решения обращений сократилось на 45%

Ингосстрах внедрил ИИ‑ассистента для поддержки сотрудников. Решение рассчитано более чем на 12 тыс. человек и обрабатывает свыше 8 тыс. диалогов в месяц. Ассистент отвечает по внутренним материалам, помогает сотруднику найти решение и при необходимости передает обращение нужному специалисту.

По итогам 2025 года время маршрутизации и решения обращений сократилось на 45%, а высвобожденный ресурс компания оценила в 2,5 штатной единицы.

Источник: CNews — «Ингосстрах» внедрил генеративный ИИ для корпоративной поддержки.

2. Технологии Доверия: 80% обращений решаются без специалиста

Технологии Доверия внедрили ИИ‑ассистента для ИТ‑поддержки и интегрировали его с внутренней ITSM‑системой и базой знаний. Через три месяца после запуска через ассистента проходило около 20% общего потока обращений, из которых примерно 80% решались без участия специалиста. Снижение нагрузки на ИТ‑поддержку компания оценила примерно в 100 человеко‑часов в месяц.

Источник: CNews — кейс «Технологий Доверия».

3. Новосибирскэнергосбыт: 90% обращений обработаны без участия специалиста

В 2023 году Новосибирскэнергосбыт провел пилот ассистента для ИТ‑поддержки сотрудников. В ходе пилота 90% обращений были обработаны без участия специалиста, а более 60% участников оценили решение на четыре или пять баллов.

Более свежие данные о переводе внутреннего ассистента в промышленную эксплуатацию публично не раскрывались.

Источник: CNews — внедрение генеративного ИИ для ИТ‑поддержки.

HR‑ассистент как единый интерфейс к информации и сервисам для сотрудников

Еще один распространенный сценарий — ответы на кадровые вопросы и предоставление сотрудникам доступа к внутренним сервисам.

1. X5: HR-ассистент для 426 тыс. сотрудников

В сентябре 2025 года X5 сообщила о запуске мобильного приложения «Сфера» со встроенным HR‑ассистентом для 426 тыс. сотрудников. В одном интерфейсе приложение объединило доступ более чем к 50 HR‑системам, четырем специализированным приложениям и примерно 250 кадровым процессам.

По заявлению X5, ассистент позволяет обрабатывать до 90% типовых вопросов без участия HR‑специалиста. Это заявленная возможность решения; фактическая доля автоматически обработанных обращений после запуска публично не раскрывалась.

Источник: CNews — X5 встроила ИИ‑ассистента в мобильное приложение для сотрудников.

2. МегаФон: ответ сотруднику за 4 секунды вместо 12

МегаФон внедрил чат‑бота «МегаКоллега» для ответов на кадровые и организационные вопросы сотрудников. Бот работает с внутрикорпоративными знаниями, анализирует запрос и формирует ответ, но не выполняет кадровые операции самостоятельно.

Тестовая версия была запущена в апреле 2024 года. К августу решение охватывало около 150 тем, среднее время подготовки ответа сократилось с 12 до 4 секунд, а доступ к боту получили 22 тыс. сотрудников.

Источник: CNews — «МегаФон» внедрил искусственный интеллект в работу с персоналом.

ИИ‑помощники и агенты в разработке, закупках, работе с документами: анализ сложного контекста

Эта категория объединяет решения для работы с большими объемами специализированной информации: кодом, результатами проверок, техническими характеристиками, спецификациями, нормативной документацией и договорами.

1. Т‑Банк: рекомендации по уязвимостям прямо в процессе разработки

Т‑Банк, входящий в группу Т‑Технологии, разработал Safeliner — ИИ‑помощника для проверки безопасности программного кода. Он анализирует предупреждения автоматических проверок, помогает определить, какие из них требуют внимания, и предлагает разработчику варианты исправления. Это позволяет отрабатывать замечания по безопасности до выпуска программного продукта.

Источник: CNews — «Т‑Банк» создал ИИ‑ассистента в сфере кибербезопасности.

2. Т-Технологии: агент выполняет последовательность действий в разработке

В сентябре 2025 года Т‑Технологии сообщили о создании ИИ‑агента для разработчиков, способного выполнять последовательности действий в процессе разработки, включая работу с кодом и его ревью. Агент входит в более широкий набор ИИ‑инструментов компании.

Это один из немногих найденных примеров, где система не ограничивается ответом или рекомендацией, а выполняет последовательность разрешенных действий. Масштаб использования и фактический эффект агентского режима компания не раскрыла.

Источник: CNews — «Т‑Технологии» создали ИИ‑агента для разработчиков.

3. Росагролизинг: ожидаемое сокращение времени работы с документами до 50%

Агропромцифра, одним из учредителей которой является Росагролизинг, разработала по его заказу ИИ‑помощника для работы с договорами и другими документами. Решение внедрили совместно с ИТ‑специалистами Росагролизинга. В публикации указывается, что при активном использовании время работы с документами может сократиться до 50%. Это ожидаемый, а не фактически подтвержденный эффект проекта.

Источник: CNews — Внедрение ИИ‑ассистента в «Росагролизинге» позволит сократить работу с документами до 50%.

4. СИБУР: разработка ИИ-помощника для подбора аналогов оборудования

В 2024 году СИБУР и Сбер сообщили о разработке пилотного ИИ‑помощника на базе GigaChat. Решение должно было анализировать техническую документацию и помогать специалисту подбирать аналоги оборудования и материалов с учетом характеристик, цены и доступности. Стоимость первой версии оценивалась в несколько десятков миллионов рублей.

Компания ожидала снижения трудоемкости закупок, расширения выбора аналогов и более эффективного использования складских запасов. Фактические результаты, завершение пилота и актуальный масштаб применения публично не раскрыты.

Источник: CNews — «Сибур» создал ИИ‑помощника, подбирающего замену подсанкционным комплектующим.

ИИ‑помощники сотрудников первой линии: быстрое решение текущей задачи

Сотрудники первой линии работают в постоянном потоке коротких задач и часто взаимодействуют с клиентом в реальном времени. Им нужен не длительный анализ, а быстрый ответ, инструкция или следующий шаг прямо в рабочем интерфейсе. Поэтому ИИ‑помощники встраиваются в мобильное приложение, карточку клиента или рабочее место сотрудника и используют контекст текущей ситуации.

1. МегаФон: от пилота на 50 человек до 3 тыс. сотрудников розницы

В декабре 2024 года МегаФон запустил ИИ-помощника «Ежедневный герой» на фокус-группе из 50 сотрудников. Он подводит итоги работы, анализирует выполнение показателей и формирует персональные задачи. К июлю 2025 года решение масштабировали на объединенную розничную сеть МегаФона и Yota — доступ к помощнику получили более 3 тыс. менеджеров по продажам.

Источник: CNews — В салонах «МегаФона» появился виртуальный помощник.

2. Альфа‑Капитал: доля ответов за 20 секунд выросла с 72% до 89%

Альфа‑Капитал разработал AI‑Суфлер — ИИ‑помощника для сотрудников контакт‑центра, который подсказывает ответы в режиме реального времени во время общения с клиентом. После внедрения решения доля обращений, на которые сотрудники отвечали в течение 20 секунд, выросла с 72% до 89%, а оценка консультаций клиентами — с 4,50 до 4,78.

Источник: CNews — «Альфа‑Капитал» рассказал о возможностях ИИ в финсекторе.

Корпоративные ИИ‑платформы: единый контур для разных сценариев

Корпоративные ИИ‑платформы служат общей технологической основой для разных сценариев. На них компании запускают ассистентов и агентов, подключают корпоративные системы и централизованно управляют доступом к моделям и данным.

1. ФосАгро: локальная корпоративная GPT‑платформа

В марте 2026 года АО «Апатит», входящее в группу ФосАгро, сообщило о развертывании локальной корпоративной GPT-платформы «Ясень». Система работает в собственном ЦОДе компании, ищет информацию во внутренних документах, анализирует и кратко пересказывает тексты, распознает накладные, счета-фактуры и УПД, а также формирует протоколы встреч.

На момент публикации платформой пользовались около 2,5 тыс. сотрудников. Средняя точность ответов составляла 88%, а время подготовки и анализа документов сократилось примерно на 15%.

Источник: «Открытые системы» — корпоративная GPT‑платформа.

2. X5: платформа для создания специализированных ИИ-решений

X5 развивает CoPilot — корпоративный ИИ‑ассистент общего назначения. Он помогает сотрудникам готовить тексты, анализировать материалы и работать с информацией. По словам президента X5 Екатерины Лобачевой, сервисом пользуются более 32 тыс. человек.

На внутренней платформе ACE X5 сотрудники могут самостоятельно создавать специализированные ИИ‑решения под конкретные задачи. Компания называет их агентами. По данным X5, на платформе создано более 2,3 тыс. таких решений, обработавших свыше 150 тыс. запросов. Из открытого описания нельзя однозначно определить, все ли они выполняют самостоятельные действия в корпоративных системах и соответствуют принятому в статье определению агента.

Источник: CNews — ИИ‑решения принесли Х5 5 млрд руб. дополнительной операционной прибыли.

Пять архитектурных паттернов ИИ в корпоративных процессах

Рассмотренные проекты различаются по отрасли, масштабу и стадии внедрения — от пилотов до решений для тысяч сотрудников. При этом в их архитектуре повторяются пять подходов: работа с проверенными источниками, интеграция с корпоративными системами, контроль значимых действий человеком, выбор контура по чувствительности данных и встраивание ИИ в привычный интерфейс.

Эти паттерны работают в связке. Корпоративные источники дают решению проверяемый контекст, интеграции возвращают результат в рабочий процесс, а разграничение полномочий и подходящий контур ограничивают последствия ошибки. Встраивание в привычный интерфейс завершает схему: сотруднику не приходится переносить данные между отдельным ИИ‑сервисом и рабочей системой.

Что показывает эта подборка

Рассмотренные проекты показывают движение от чатов и ассистентов к решениям, которые анализируют рабочий контекст и выполняют отдельные действия в корпоративных системах. При этом полноценные агентные сценарии пока раскрываются значительно реже, чем поиск по внутренним знаниям, подготовка ответов и рекомендации специалистам.

Подборка не претендует на полноту. Если вам известны другие российские внедрения с конкретными данными о масштабе, фактическом эффекте или экономике проекта, поделитесь ими в комментариях. Особенно интересны кейсы, где можно отделить пилот от промышленной эксплуатации, а заявленный результат — от реально достигнутого.