ИТ-директор «Сибура»: агент проверяет предложения поставщиков в 7 раз быстрее человека
ИТ-директор «Сибура»: агент проверяет предложения поставщиков в 7 раз быстрее человека ИТ-директор нефтегазохимической компании «Сибур» Антон Рубенчик в интервью CNews рассказал, как компания перешла от разрозненных пилотов к системному внедрению ИИ-агентов — программ, которые сами выполняют задачу и сами выбирают способ. По его словам, перелом случился в первом квартале 2026 года — не столько в самих моделях, сколько в «харнессе»: среде, которая даёт модели память, доступ к системам и правила поведения. Теперь, сообщает он, нет ни одного направления в ИТ, где не использовались бы генеративные технологии. Главный показательный кейс — закупки. Сначала языковые модели проанализировали огромное количество закупочных процедур и подсказали, что можно оптимизировать. Затем трудоёмкий этап — первичная проверка предложений поставщиков на полноту и соответствие опросному листу — отдали ИИ-агенту. Первичная проверка стала быстрее в семь раз. Грабли, о которых говорит Рубенчик: знания о том, как принимать решения, жили в головах конкретных закупщиков, и их пришлось формализовать в правила. Раньше человек многое «прощал» — например, восемь лотов одним запечатанным архивом или незаполненную документацию; для надёжной работы агента каждый такой случай нужно точно описать. Сам агент создаётся быстро, а донастройка процесса — постоянная работа. На этом примере компания сформулировала внутренний подход к цифровизации других процессов. Свою модель «Сибур» противопоставляет «одному огромному агенту», к которому бизнес стоит в очереди: у них много узких агентов, у каждого — владелец в бизнесе. Правила живут не внутри агента, а снаружи — как отдельный документ, по которому проверяется каждый его шаг. Агент не имеет сети и паролей, действует от имени пользователя и не шире его прав; необратимые действия (письмо, платёж, удаление) подтверждает человек, вся цепочка решений записывается, агента можно в любой момент остановить. Это, по словам Рубенчика, и позволяет бизнес-пользователям самим создавать агентов в безопасных границах. Модели — практически те же, что у всего рынка: пул локально установленных моделей с открытыми весами, российских и китайских. Самая нагруженная — китайская GLM 5.2; для простых задач подходит семейство Qwen, с русским языком работают российские модели. Во внутренних ассистентах они работают в связке: быстрые модели уточняют запрос, для глубокого анализа подключается GLM. Внешними облачными сервисами пользоваться не запрещено, но данные перед отправкой деперсонализируются (из них убирают личные сведения), а результаты из внешнего контура проходят обязательную валидацию перед переносом внутрь. О деньгах: в номинальном выражении ИТ-расходы за год снизились умеренно, но с учётом инфляции и роста объёма задач реальная экономия — десятки процентов, сообщает Рубенчик. Часть проектов (в основном мелкая россыпь доавтоматизации, съедающая 20–30% ресурсов) осознанно отложили, чтобы переосмыслить дизайн процессов: возможно, согласование стоит упразднить, а не автоматизировать в прежнем виде. Он предостерегает от «ловушки RPA» (роботов, сажаемых на неудачно устроенный процесс): рутина исчезает, а неэффективная логика закрепляется в системе. Оценить эффект от ИИ однозначно — сложная задача, которую решает весь рынок; при участии «Сбера» формируется отраслевой совет по генеративной разработке, который разрабатывает методику такой оценки. «Сибур» оценивает базовую линию процесса и делает предположение, как он изменится после цифровизации. Источник: https://www.cnews.ru/articles/2026-10-01_agenty_bez_reinzhiniringa_protsessa