Интеллектуальная автоматизация бизнес-процессов и гиперавтоматизация сегодня активно используются в корпоративном секторе. При этом сам термин остается размытым: под «интеллектуальной автоматизацией» часто понимают разные классы решений — от отдельных AI-инструментов до полноценных платформ, объединяющих RPA, машинное обучение и LLM.
Эта статья предназначена для ИТ-менеджеров, руководителей проектов, специалистов по информационной безопасности и закупкам, которым необходимо выбрать платформу интеллектуальной автоматизации бизнес-процессов и принять обоснованное решение. Основная задача — не ошибиться в ожиданиях и убедиться, что решение подходит для промышленного использования, соответствует требованиям архитектуры и обеспечивает надежную работу.
Чтобы это сделать, важно не ограничиваться внешними описаниями, а разобраться в том, как платформа устроена «под капотом» и какие реальные возможности она предоставляет.
Сложности выбора платформы интеллектуальной автоматизации
В каноническом виде интеллектуальная автоматизация — это интеграция технологий цифровой трансформации: программной роботизации (RPA), искусственного интеллекта (AI) и инструментов управления процессами (BPM).
Однако на практике каждый вендор реализует этот подход по-своему. Различаются архитектура, набор функций, подход к безопасности, возможности масштабирования и ценовая политика. В результате не существует универсальной «лучшей платформы» — для разных компаний важны разные характеристики.
Дополнительную сложность создает текущий рынок. Существует множество утверждений о том, что ИИ способен решить любые задачи, а AI-агенты могут полностью заменить традиционные подходы к автоматизации. Действительно, сегодня можно быстро собрать прототип решения, который будет успешно демонстрировать работу на тестовых сценариях.
Но при переходе к реальным бизнес-процессам возникают ограничения: нестабильность, сложность интеграции, отсутствие контроля и невозможность обеспечить требуемый уровень надежности.
Именно поэтому при выборе платформы важно учитывать не только демонстрационные возможности, но и пригодность решения для enterprise-среды. В первую очередь речь идет о крупных компаниях и государственных организациях, где критично соблюдение стандартов корпоративной архитектуры и требований информационной безопасности. В таких условиях платформа интеллектуальной автоматизации должна быть полноценным корпоративным инструментом, обеспечивающим надежную, безопасную и масштабируемую автоматизацию бизнес-процессов.
Риски «теневого ИИ» в бизнесе
Если компания не внедряет управляемую интеллектуальную автоматизацию бизнес-процессов, это не означает, что ИИ не используется. На практике сотрудники начинают применять внешние сервисы самостоятельно. Возникает эффект «теневого ИИ», при котором использование технологий выходит из-под контроля ИТ и служб безопасности. Это приводит к ряду рисков.
- Риск утечки данных. Загрузка кода или документов с чувствительной информацией может привести к нарушению NDA, коммерческой тайны и конфиденциальности, штрафам регуляторов, кибератакам
- Зависимость от внешнего сервиса. Изменение правил и тарифов, закрытие доступа. Нет гарантий стабильности и поддержки. Нужна возможность гибкого выбора, замены и адаптации LLM
- Недостоверные ответы. Риски ошибок, предоставления и использования недостоверной информации. Необходимы механизмы перепроверки
- Сложность кастомизации. Модель «не знает» особенности отрасли и корпоративной специфики. Нужны ресурсы для донастройки, дообучения и интеграции
Во многих организациях ИИ уже стал «вторым сотрудником», даже если это не зафиксировано формально, поэтому важно взять его под контроль и встроить в корпоративную архитектуру. Сделать это можно за счет внедрения управляемых платформ интеллектуальной автоматизации.
Один из подходов — развертывание LLM и других ИИ-инструментов внутри корпоративного контура. При этом важно сопоставить возможности инфраструктуры (или доступного бюджета) с требованиями задач. Во многих случаях нет необходимости использовать максимально мощные модели — достаточно специализированных решений, оптимизированных под конкретные бизнес-сценарии и работающих на ограниченных ресурсах.
Альтернативный вариант — использование облачных LLM при сохранении системы исполнения и базы знаний внутри защищенного контура. В этом случае обеспечивается анонимизация данных при передаче во внешние сервисы, что позволяет снизить требования к инфраструктуре. Однако такой подход сложнее в реализации и сохраняет риск того, что пользователи при недостаточном удобстве будут искать обходные способы использования ИИ.
Open source и LLM: ограничения и риски
Одним из распространенных подходов является использование open source решений и самостоятельное развертывание LLM в контуре компании. На первый взгляд это выглядит как быстрый и экономичный способ внедрения интеллектуальной автоматизации бизнес-процессов, однако на практике не все так просто:
- Модель ≠ готовый продукт. LLM — это «движок», но важна «упаковка»: интерфейсы, API, механизмы логирования, управление доступом и другие компоненты полноценной платформы интеллектуальной автоматизации.
- Качество и дообучение. Без адаптации LLM не учитывают отраслевую специфику. Требуются дообучение, RAG-механики, использование векторных баз данных и настройка работы с корпоративными знаниями.
- Защита и контроль. Необходима фильтрация вводимых данных, системы мониторинга и ролевые доступы, инструменты обезличивания данных и защиты от промт-инъекций
- Инвестиции и экспертиза. Внедрение требует времени, команды специалистов и существенных вложений. Простая установка модели не гарантирует окупаемость и получение бизнес-ценности.
- Не только и не столько LLM. Для оптимизации ресурсов и решения широкого круга задач требуется комбинирование и оркестрация классического ML, LLM и программной роботизации (RPA).
Таким образом, во-первых, open source и LLM не являются готовыми решениями для автоматизации — необходима экспертиза, чтобы развернуть систему, настроить ее, учесть ролевую модель и обучить работе с корпоративными данными.
Во-вторых, даже при наличии ресурсов на внедрение компания неизбежно сталкивается с рисками безопасности, уязвимостями, необходимостью постоянной поддержки и оперативной реакции на обновления и дефекты. Для этого требуется не только участие разработчиков и аналитиков, но и полноценное вовлечение DevOps и системных инженеров, поскольку вся ответственность за инфраструктуру лежит на компании.
В-третьих, необходимо учитывать правовые и геополитические риски использования open source решений. Многие из них разрабатываются и регулируются в других юрисдикциях, что означает потенциальные ограничения или недоступность в будущем. В такой ситуации компания остается с исходным кодом, но без поддержки, а стоимость владения системой может существенно возрасти.
Конечно, при достаточном количестве внутренних ресурсов и желании создать собственный ИТ-продукт этот путь может быть оправдан. Однако в большинстве случаев более рациональным решением является выбор готовой платформы интеллектуальной автоматизации от вендора, которая развивается вместе с бизнесом и обеспечивает необходимый уровень поддержки, безопасности и стабильности.
Не только ИИ: типы задач в автоматизации
Интеллектуальная автоматизация бизнес-процессов охватывает разные типы задач, и не все из них целесообразно решать с помощью ИИ.
Часть процессов является детерминированной: они выполняются строго по заданному алгоритму и всегда приводят к предсказуемому результату. К таким задачам относятся, например, финансовые операции, расчеты, регламентированные процедуры. Здесь особенно важна минимизация ошибок.
В других случаях процессы носят недетерминированный характер. Их выполнение может меняться в зависимости от контекста, а шаги заранее не определены. Это, например, анализ документов, сбор информации или взаимодействие с внешними источниками.
Также важно учитывать цену ошибки. В некоторых сценариях она может быть критичной — с финансовыми, репутационными или регуляторными последствиями.
Для детерминированных задач и тех, где цена ошибки высока, оптимально использование программных RPA-роботов, так как они работают строго по заданному алгоритму, минимизируя риски ошибок. В этом случае человек самостоятельно и с помощью естественного интеллекта создает робота из готовых «кубиков/действий», например: зайти в 1С, нажать кнопку и т.п.
Для других типов задач, например: «пройти по маркетплейсам и собрать данные по продукту», шаги выполнения могут различаться. Настраивать роботов под множество сайтов сложно и долго, особенно если интерфейсы регулярно меняются. Аналогичная ситуация возникает, например, при выписке справок в системах с постоянно обновляющимся интерфейсом. Для таких задач более эффективно использование AI-агентов на базе LLM, где искусственный интеллект выполняет роль «мозга», а роль «кубиков/действий» реализуют специальные MCP-серверы. Эта технология активно развивается и позволяет LLM взаимодействовать с корпоративными системами (например, 1С, Битрикс, браузерами, Excel и другими сервисами), расширяя возможности автоматизации.
Примечательно, что исследование практик использования технологий гиперавтоматизации в российских компаниях, проведенное TAdviser совместно с ROBIN, показало: несмотря на популярность и масштабное применение ИИ, именно технологии RPA чаще всего дают ожидаемый эффект и приносят максимальную практическую пользу в автоматизации бизнес-процессов.
Личная эффективность или автоматизация процессов
При выборе платформы интеллектуальной автоматизации важно определить цель внедрения. В одних случаях речь идет о повышении личной эффективности сотрудников — например, за счет использования чат-интерфейсов или генерации контента с помощью AI. В других — о полноценной автоматизации бизнес-процессов с использованием RPA и AI.
Первый подход дает локальный эффект: сотрудники выполняют задачи быстрее, но сам процесс остается неизменным и по-прежнему зависит от человека.
Второй подход предполагает, что процессы исполняются с минимальным участием сотрудников. Задачи распределяются между людьми, RPA-роботами и AI-системами в зависимости от контекста, ролей и доступных ресурсов.
Именно процессная автоматизация бизнес-процессов обеспечивает снижение затрат, уменьшение рисков и масштабируемость решений на уровне всей организации.
Критерии выбора платформы интеллектуальной автоматизации
| Техническая характеристика | Какие возможности предоставляет |
|---|---|
| Создание сквозных бизнес-процессов, в которые могут быть вовлечены как сотрудники, так и программные RPA-роботы, AI-агенты, чат-боты, модули ИИ, OCR и т.п. | Использование программного RPA-робота в качестве шага процесса. Использование AI-агента, подключаемого по MCP-протоколу, в качестве шага процесса. Использование экранных форм для диалога с пользователем в качестве шага процесса. Возможность настраивать последовательное и параллельное выполнение шагов процесса. То есть на выбранном шаге может запускаться не один программный робот, AI-агент или API-вызов, а несколько задач может выполняться параллельно. Оркестрация выполнения шагов процесса с учетом ролевой модели. Шаги процесса могут выполняться на разных рабочих местах: AI-агент — на своей виртуальной машине, робот — на своей, а когда требуется участие сотрудника, он заполняет экранную форму со своего рабочего места. Возможность включать сотрудника в процесс на этапах принятия важных решений или в спорных ситуациях. При этом есть возможность распределения таких задач между сотрудниками. Прозрачный контроль сроков выполнения задач сложных процессов в визуальном интерфейсе со статусной моделью. Настройка крайнего срока выполнения каждого шага процесса. Возможность просмотра логов выполнения задач, которые могут состоять из нескольких программных роботов и экранных форм. |
| Кроссплатформенный веб-интерфейс, настраиваемый под корпоративный стиль. Единый стиль и логика настройки всех компонентов платформы интеллектуальной автоматизации | Наличие единого веб-интерфейса как единой точки входа ко всем приложениям платформы интеллектуальной автоматизации. Среда исполнения устанавливается только на рабочее место, где выполняется AI-агент или программный робот. Выводимые сотруднику экранные формы реализованы на веб-технологиях, что позволяет обеспечить работу на любых ОС: Windows, Linux, а также на мобильных устройствах (планшетах и смартфонах). Использование существующего корпоративного стиля. Возможность создания кастомизированных экранных форм. В экранных формах есть модуль, позволяющий писать JS-код и добавлять CSS-стили, что позволяет настраивать как внешний вид формы, так и ее поведение при взаимодействии пользователя с ней. |
| Бесшовная передача данных и документов между всеми этапами выполнения бизнес-процессов (роботами, AI-агентами и сотрудниками) | Возможность передачи документов между роботами, AI-агентами и пользовательскими экранными формами. Результаты работы одного программного робота и AI-агента можно использовать в качестве входных данных для работы других роботов и AI-агентов, в том числе передавать их в экранные формы и из экранных форм. При настройке процесса у разработчика есть возможность указывать входные данные и результаты с помощью ссылок на данные из других блоков процесса. Экранные формы позволяют пользователям работать с данными в таблицах. У конечных пользователей есть возможность в задачах корректировать данные, переданные в виде таблиц, а также заполнять таблицы данными, чтобы они использовались в работе роботов и AI-агентов. Пользователь может запускать бизнес-процессы на естественном языке и прикреплять документы через чат-интерфейс. |
| Планирование и контроль выполнения задач с помощью настраиваемых экранных форм | Конструктор экранных форм позволяет создавать экранные формы, настраивать порядок отображения полей, кастомизировать их внешний вид и указывать правила отображения полей. Такая экранная форма может быть этапом бизнес-процесса, когда для дальнейшей работы роботов и AI-агентов необходима информация от сотрудника либо валидация данных от него (human-in-the-loop). В этом случае назначение задач происходит либо на конкретного сотрудника, либо на группу сотрудников. Экранная форма может использоваться для инициации бизнес-процесса сотрудником и передачи данных роботам и AI-агентам. Или являться завершающим этапом процесса, когда результат отображается сотруднику в структурированном виде на экранной форме. Например, задача — проверить контрагента. Сотрудник инициирует процесс по нажатию на кнопку, заполняет реквизиты юридического лица, и далее введенные данные передаются нескольким RPA-роботам и AI-агентам, которые выполняются последовательно и параллельно, собирая информацию из различных источников. Результат процесса проверки выводится сотруднику на экранную форму. Все процессы, в которых требуется участие сотрудника и которые инициированы сотрудником, отображаются в едином рабочем месте в виде списка задач с разными статусами выполнения. Возможность прямой интеграции с другими системами по API, инициируемой событием из экранной формы. |
| Делегирование типовых задач с помощью голосовых и текстовых ботов | Создание и использование чат-ботов в качестве средства общения сотрудника с программными роботами и AI-агентами. Создание и использование голосовых ботов в качестве средства общения сотрудника с программными роботами и AI-агентами. Создание и использование голосовых ботов для получения информации от пользователя и передачи данных в программного робота и AI-агента. Возможность интеграции AI-агента в телефонию для автоматизации речевой коммуникации. |
| Распознавание и интеллектуальная обработка документов (от сканов «первички» до анализа договоров) | Наличие встроенных функций распознавания и обработки сканов документов как на базе LLM, так и с использованием моделей машинного обучения. Наличие инструментов ИИ для работы с неструктурированной текстовой информацией (как на базе LLM, так и с помощью моделей машинного обучения) для классификации текста и документов, понимания разговорной речи, определения интентов, извлечения сущностей и атрибутов из текста. В частности: классификация обращений и документов, проверка документов (договоры, ТЗ, счета, акты и т.д.) на соответствие корпоративным правилам, нормам и требованиям законодательства, интеллектуальный поиск информации по различным источникам данных (базы знаний, информационные системы, документы — положения, инструкции и т.п.) |
| Автоматическая оптимизация распределения задач в зависимости от приоритетов и загрузки ресурсов (последовательная или параллельная работа) | При исполнении процесса используется алгоритм автоматического выбора рабочей станции, на которой будет запускаться тот или иной шаг процесса. Если выбранная машина уже занята выполнением робота, шаг процесса будет ожидать освобождения ресурса или автоматически будет выбрана другая свободная машина (в противном случае сотрудникам пришлось бы отслеживать доступность ресурсов вручную). Возможность добавления запуска программного RPA-робота в очередь при отсутствии свободного рабочего места для выполнения. При исполнении процессов, если шагом является робот, он запускается в соответствии со своими требованиями. Робот, предназначенный для работы на Linux, запускается на подходящей ОС. Робот, для которого требуется графический интерфейс, не запускается в консольном режиме. Возможность запуска нескольких роботов одновременно на одной машине. Возможность автоматического перезапуска выполнения программного робота в случае возникновения ошибки выполнения сценария заданное количество раз. Возможность автоматически запускать процессы и роботов по расписанию, в том числе с учетом производственных календарей. Шаги процесса могут выполняться на разных машинах в соответствии с правами доступа. Выполнение отдельной функции процесса может требовать специальных полномочий, например доступа к бухгалтерской системе, доступ к которой возможен только с ограниченного списка машин. В этом случае только робот, работающий с данной системой, будет запускаться на такой машине, а остальные шаги процесса — на других ресурсах. |
| Управление правами, ролями, уведомлениями и логированием действий вплоть до индивидуальной настройки компонентов платформы интеллектуальной автоматизации | Есть возможность настройки прав доступа для групп пользователей. Пользователь с ролью «Администратор прав доступа» имеет возможность управлять пользователями и их правами в системе. Также есть возможность создания тенантов (логически изолированных пространств), при этом один пользователь в разных тенантах может иметь разные права. Система уведомлений позволяет пользователям не пропускать важные задачи, которые необходимо выполнить в рамках процесса. Дополнительно каждый пользователь может настраивать уведомления индивидуально, чтобы не получать лишние уведомления. Пользователь может получать уведомления в интерфейсе системы или по электронной почте, а также выбирать тип уведомлений: о поступлении новой задачи, истечении срока выполнения и т.д. Для работы с платформой у пользователя нет необходимости устанавливать на свое рабочее место дополнительное ПО для запуска процессов, RPA-роботов или работы с пользовательскими задачами (экранными формами). Для использования сценариев автоматизации сотрудник может использовать: виджет, встроенный в другие системы, в виде чат-интерфейса, веб-интерфейс приложения, при необходимости — установить «агент», который будет выводить задачи на рабочем столе. Есть возможность взаимодействовать с решением через виджет, встроенный в другие системы, без создания дополнительных пользовательских приложений. Возможность мониторинга состояния выполнения процессов (в том числе RPA-роботов), контроля этапов и статусов выполнения, а также получения информации о возникающих ошибках: просмотр статусов выполнения процессов, просмотр логов уровня процесса, просмотр логов уровня программных роботов. Возможность централизованно управлять выполнением процессов, включая обработку ошибок и принудительное прерывание выполнения. |
| Визуальный конструктор с поддержкой безопасного Low-Code и полноценного No-Code режимов, доступный пользователям с минимальной квалификацией, без программирования | Используется визуальный конструктор в виде простой блок-схемы без программирования, поэтому настроить сценарий робота и процесса из готовых действий может пользователь с минимальной квалификацией. Переключение в Low-Code режим позволяет расширять возможности платформы «из коробки» с соблюдением стандартов корпоративной информационной безопасности, включая защиту от подмены при запуске и исключение несанкционированного доступа к исходному коду. В No-Code режиме создание роботов и процессов полностью исключает программирование (не допускается появление встроенных «микропрограмм» внутри сценариев). В этом режиме отсутствует техническая возможность использовать операторы и методы языков программирования, что исключает инъекции кода и обеспечивает высокий уровень информационной безопасности, а также поддерживаемость и контролируемость автоматизаций. Сокращение сроков и трудоемкости достигается за счет разделения ролей (разработчик создает действия, аналитик настраивает процессы), а также за счет централизованного хранения действий — они переиспользуются без необходимости написания кода в каждом сценарии. Для расширения системы дополнительными функциями «под себя» можно создавать собственные действия на .NET и Python. |
| Соответствие корпоративным стандартам enterprise-архитектуры и информационной безопасности. Учет требований крупных компаний и государственных организаций | Возможность гибко спроектировать ИТ-ландшафт и развернуть платформу в соответствии с требованиями служб безопасности, инфраструктуры и эксплуатации. Гибкое управление правами доступа сотрудников к объектам платформы: сценариям процессов и роботов, экземплярам процессов, машинам (серверам или АРМ) для запуска роботов, а также доступным действиям в среде разработки. Возможность запрета на просмотр, редактирование и копирование схем роботов и процессов вне приложений платформы, что исключает несанкционированное изменение сценариев. Выполнение сценариев автоматизации без компиляции при каждом запуске исключает внедрение вредоносного кода в сценарии роботов и процессов. Возможность использования рабочих мест на базе любых операционных систем (не только для разработки, но и в первую очередь для исполнения), что позволяет соответствовать требованиям импортозамещения при переходе на отечественное ПО и ОС. Работает под любой ОС (Windows, семейства Linux, включая отечественные, MacOS). Не зависит от проприетарных технологий и фреймворков (например, Microsoft Workflow Foundation). |
Вывод
Выбор платформы интеллектуальной автоматизации бизнес-процессов — это стратегическое решение, которое определяет дальнейшее развитие цифровой трансформации компании.
Решение должно обеспечивать не только использование RPA и AI, но и их интеграцию в единые бизнес-процессы с учетом требований безопасности, надежности и масштабируемости.
Только в этом случае платформа интеллектуальной автоматизации становится не экспериментом, а полноценным инструментом повышения эффективности бизнеса и устойчивого развития компании.