Почему бизнесу недостаточно ИИ

Гиперавтоматизация — это не ставка на один AI, а системный подход к автоматизации бизнеса. По мере охлаждения хайпа вокруг ИИ компании переходят от экспериментов к прагматичным сценариям, где искусственный интеллект работает в связке с RPA, BPM, OCR/IDP и другими технологиями. О том, как это выглядит на практике, объясняет Павел Сергеев, исполнительный директор ROBIN компании SL Soft.

🔘ИИ — катализатор, но не «волшебная таблетка». После всплеска интереса к GenAI в 2023-2024 годах рынок вошел в фазу переосмысления, которую Gartner называет «пропастью разочарований». Массово закрываются PoC-проекты, запущенные без стратегии, бизнес-целей и готовых процессов.

🔘Главные причины неудач — не технологии. Провалы ИИ-пилотов связаны с отсутствием дорожных карт, сопротивлением сотрудников, дефицитом компетенций, неготовыми данными и инфраструктурой, а также незрелостью продуктов. Вопрос для бизнеса сегодня — не «где применить ИИ», а «как встроить его в процессы и обвязать другими технологиями».

🔘80% эффекта дают 10-15% сценариев. Показателен опыт Johnson & Johnson: из сотен кейсов GenAI реальную ценность принесли лишь единицы, остальные были закрыты. Это усилило тренд на фокусировку и отказ от экспериментов «ради галочки».

🔘Гиперавтоматизация — это экосистема. Глобальный тренд — уход от «зоопарка» разрозненных решений к централизованным платформам, где RPA, BPM, OCR/IDP и ИИ-модели работают как единый операционный контур. ИИ становится встроенным компонентом, а не отдельным продуктом.

🔘ИИ пока оценивается неоднозначно, но планы по его развитию есть у большинства компаний. По данным исследования с TAdviser, бизнес чаще всего использует чат-боты, LLM/ML и BPM-системы. При этом программные роботы (RPA) дают самый высокий измеримый эффект, даже если внедрены не у всех.

🔘AI «размывает» границы технологий. OCR/IDP и голосовые боты перестают восприниматься как отдельные решения — их функциональность становится частью ИИ-агентов и интеллектуальных сценариев автоматизации. Ценность смещается от отдельных инструментов к их синергии.

🔘Будущее — за практичными кейсами. Компании делают ставку на распознавание и проверку документов, интеллектуальный поиск (RAG), верификацию данных и соответствие регламентам. Это не «громкие», а самые устойчивые сценарии.

🔘Стратегия важнее технологии. Устойчивый эффект дает не сам ИИ, а планомерное развитие гиперавтоматизации на базе платформенных решений, встроенных в ИТ-ландшафт, модель безопасности и роли сотрудников.

📄 Дело в цифрах

Российский рынок RPA переходит от пилотов к промышленному применению

По оценкам TAdviser, объем российского рынка RPA-систем в 2024 году составил около 24 млрд руб. В 2025 году цифра увеличилась примерно на 40%, что отражает переход от точечных внедрений к тиражированию решений внутри холдингов и групп компаний.

🔘Промышленное применение RPA означает расширение зоны ответственности роботов.
🔘Если на ранних этапах автоматизировались отдельные операции, то сегодня RPA внедряется в сквозные бизнес-процессы — в контактных центрах, финансах, бухгалтерии, снабжении, логистике и промышленном управлении.
🔘Эффект выражается не только в сокращении ручного труда, но и в снижении операционных рисков, стандартизации процессов и повышении управляемости.

RPA оценивается как инвестиционный инструмент с обязательным расчетом совокупной стоимости владения и эффекта на всем горизонте эксплуатации. Ошибки этапа пилотов — завышенные ожидания, слабый анализ процессов и недооценка затрат на сопровождение — на стадии промышленного внедрения приводят к росту издержек и снижению отдачи.

Дополнительным фактором становится зрелость данных и ИТ-ландшафта. Без стандартизированных источников, прозрачных регламентов и устойчивой архитектуры RPA-сценарии требуют постоянной доработки, что снижает масштабируемость решений. В условиях промышленного применения это превращается в ключевой риск для окупаемости проектов.

📄 Дело в цифрах