Как внедрять AI‑агентов и не терять контроль над данными: организационная модель для бизнеса

Пока бизнес обсуждает стратегию внедрения AI, сотрудники уже проходят вводное обучение, участвуют в воркшопах и хакатонах, собирают AI-агентов и подключают их к рабочим процессам.

В итоге компании сталкиваются с трендом на agent sprawl: ситуации, когда созданные AI-решения без официального согласования получают доступ к корпоративным системам. Большинство организаций не знает ни точного количества таких цифровых помощников, ни уровня их полномочий, поскольку системного подхода к внедрению по-прежнему нет.

В материале директор по развитию бизнеса Just AI Светлана Захарова разбирает пошаговую модель внедрения AI-агентов: как выбрать кейсы для пилота, сохранить инициативу сотрудников и удержать контроль над данными.

Бизнес активно разворачивается к AI: компании хотят сократить операционные расходы и найти добавленную ценность в своих продуктах, услугах и процессах. Чтобы вовлечь команду, многие создают внутренние песочницы для тестов, формируют инициативные группы и запускают хакатоны. На таких площадках сотрудники экспериментируют с генеративными моделями и предлагают десятки идей для автоматизации рутины. Инициатива снизу растет, но именно в этот момент процессы часто начинают выходить из-под контроля.

Проблема начинается после. У AI-активностей внутри компании часто нет владельца. А значит нет стратегии, зона ответственности размыта между отделами. Инициативы собрали, но до полноценного использования в командах не довели — сотрудникам не выделили ни токенов, ни инструментов. Мотивированный сотрудник реализует идею сам, в обход процессов. Так появляется AI-агент, который не значится ни в одном реестре.

Это и есть главный риск внедрения ИИ-агентов: компания не видит ни агента, ни данных, к которым он подключен.

Управляемая модель снимает обе крайности между запретом и хаосом. Процесс и правила компания выстраивает одновременно с первыми инициативами, небольшими итерациями: берет один процесс или одну команду, выдает доступы и обезличенные данные, и сразу оформляет нормативную базу под этот пилот. Подход расширяют по мере того, как он подтверждается на практике — без месяцев согласований до старта и без открытого доступа ко всем данным.

Главная ошибка — пытаться написать всю нормативную базу до старта. Именно это растягивает запуск на полгода: пока юристы и безопасность согласуют полный пакет, инициативы уходят в тень. Вот чек-лист самых важных пунктов:

1. Пропишите зоны ответственности: где заканчивается ответственность сотрудника, который собирает агента, и начинается ответственность компании. Расширьте действующую политику информационной безопасности на работу с AI. Этот пакет проводят через топ-менеджмент в первую очередь.
2. Подготовьте окружение под рисковые процессы. Выделите защищенный контур для финансов, юристов, планирования — всего, где цена ошибки высокая. Параллельно расширяйте внедрение с пилотной команды на соседние.
3. Закрепите юридически — на будущее. Дополните трудовые договоры и соглашения о неразглашении пунктами о работе с AI. Эти документы оформляют последними, как страховку.

Ресурсы команды внедрения ограничены, поэтому взять в работу все инициативы невозможно. Поэтому каждый кейс проходит через два фильтра: влияние на P&L и насколько высоки риски для бизнеса при тестировании гипотезы.

Первый фильтр: влияние на P&L

Он измеряет, сколько дорогой ручной работы агент снимает с людей и насколько это снижает операционные расходы. Матрица отбора кейсов для внедрения AI-агентов складывается из двух частей: как часто повторяется процесс (объем) и сколько стоит час специалиста, который его сейчас выполняет (цена часа). Чем выше обе, тем больше компания экономит на автоматизации.

Первыми в работу идут кейсы, где сходятся высокий объем и дорогой час: агент снимает повторяющуюся работу с дорогого специалиста — например, с юриста, который ежедневно вычитывает типовые договоры. Кейс берут, когда у него есть и система учета для результата, и KPI для его измерения. 

Второй фильтр: риск

Отобранные кейсы делят по уровню риска, и от него зависит, как быстро кейс можно запустить.

• Низкий риск — открытый доступ. Сценарии без персональных и критичных данных: генерация контента в маркетинге, черновики коммерческих предложений, первичная обработка обращений. Эти процессы часто уже размещены в облаке, агента к ним подключают сразу.
• Высокий риск — защищенный контур. Финансы, юридическая функция, планирование — все, что затрагивает персональные данные и коммерческую тайну. Под такой кейс готовят отдельную среду: российская модель, маскирование данных, ограниченные доступы.

Тестирование высокорисковых кейсов закрывают обезличенными данными. Команде дают документы, максимально близкие к реальным по структуре, но без чувствительного содержимого: пилот проходит без риска утечки, а результат переносится в боевые процессы без переделки.

Когда у внедрения AI в компании есть владелец и понятные правила, остается снять последний барьер — мотивировать сотрудников показывать своих агентов. Сотрудник выходит из тени, если за инициативу его поддерживают: компания дает песочницу и доступ к инструментам, а за достигнутый результат — премию, продвижение или другое признание. Наказание дает обратный эффект: сотрудник уходит глубже в тень и перестает сообщать о своих разработках.

Дальше включается эффект масштаба. Кейс, который сэкономил время или деньги в одном департаменте, компания берет за основу и переносит на другие. Отдельные удачные инициативы складываются в библиотеку решений, и только на этом объеме внедрение начинает возвращать вложенные средства.

Между запретом и вседозволенностью есть управляемая модель — итеративное внедрение AI-агентов. Инициативу и правила компания запускает параллельно, документы оформляет по срочности, кейсы делит по уровню риска, а сотрудников выводит из тени мотивацией.

Компании, которые научатся выводить агентов из тени и поощрять сотрудников показывать свои разработки, получат на выходе библиотеку готовых решений и реальный эффект масштаба. Те, кто сделает ставку на запреты, через год обнаружат десятки агентов, о существовании которых никто не догадывался, и вместо отдачи получат счет за инциденты.