Июль 2026 | В фокусе

ИИ-агенты заменят рутину в ERP: сокращение операций на 80% при сохранении контроля

ИИ-агенты берут на себя рутину, сокращая время финансовых операций на 80% и высвобождая 30 часов в месяц у каждого сотрудника. Вместо замены ERP-систем бизнес переходит к новой архитектуре, где надежное ядро хранит данные, а искусственный интеллект самостоятельно управляет процессами.

Содержание

Обзор

Новая архитектура: от монолита к управляемым агентам

Уровни внедрения и принцип контроля

Специфика рынка России и возможности миграции

Операционные последствия и практические аспекты

Компания MD Audit (входит в группу Softline) опубликовала исследование, прогнозирующее трансформацию корпоративных систем управления в период 2026–2028 годов. Главный вывод: бизнес движется не к отказу от ERP-систем, а к смене архитектуры. ERP останется надежным «ядром» для хранения данных и проведения транзакций, а управление процессами перейдет к специализированным ИИ-агентам. Вместо того чтобы вручную перемещаться между разделами программы, сотрудники будут получать готовые решения от цифровых помощников, которые сами находят информацию, сверяют данные и готовят документы.

Новая архитектура: от монолита к управляемым агентам

Исследование выделяет четыре сценария развития, но наиболее перспективным выглядит переход к компонуемой архитектуре. В этой модели минимальное транзакционное ядро соединяется с доменными сервисами через API, а ИИ-агенты выступают в роли универсального интерфейса и исполнителя.

Ключевые принципы новой модели:

Разделение функций: Юридически значимый учет, разделение полномочий и аудиторский след остаются в защищенной базе данных ERP.
Роль агентов: ИИ-системы находят информацию, сопоставляют данные из разных источников, выявляют аномалии и координируют действия между системами.
Экономия времени: Применение специализированных инструментов способно сократить время выполнения финансовых операций на 80%, высвобождая более 30 рабочих часов в месяц на одного сотрудника.

Ключевой момент: Максимальная ценность создается не универсальными чат-ботами, а узкоспециализированными агентами, подключенными к данным компании через контролируемый слой интеграции.

Уровни внедрения и принцип контроля

Эксперты определили три уровня взаимодействия человека и ИИ, где окончательное решение всегда остается за сотрудником. Это обеспечивает безопасность и прозрачность процессов.

Анализ: Агент ищет и анализирует информацию, но не меняет данные в системе.
Рекомендация: Система готовит проект действия или документ, который человек должен утвердить.
Исполнение: Агент самостоятельно выполняет разрешенные операции при наличии строгого разграничения прав и журналирования действий.

Главным правилом становится модель «предложение – согласование». Все действия агента должны быть прозрачными, проверяемыми и обратимыми.

Специфика рынка России и возможности миграции

В России развитие таких систем имеет свою траекторию из-за требований к локализации данных, защите критической информационной инфраструктуры и технологической независимости. Базовым сценарием становится локальный инференс (запуск моделей на собственных серверах).

Вынужденная миграция с зарубежных ERP-систем открывает для компаний уникальное окно возможностей. Вместо простого переноса старой монолитной архитектуры на новую платформу бизнес может провести глубокую модернизацию:

Создать лаконичное ядро системы.
Построить открытый интеграционный слой.
Внедрить управляемый контур ИИ-агентов.

ИИ уже помогает ускорять этапы модернизации: от анализа требований до тестирования и сверки данных. Однако оценка эффективности таких проектов должна базироваться на конкретных метриках: сокращении ручного труда, уменьшении количества ошибок и снижении совокупной стоимости владения, а не на демонстрационных возможностях языковых моделей.

Операционные последствия и практические аспекты

Изменение роли сотрудников: Работники переходят от рутинного ввода данных и поиска документов к роли контролеров и утверждающих лиц, что требует пересмотра должностных инструкций и навыков.
Требования к данным: Для эффективной работы агентов необходима высокая чистота и структурированность корпоративных данных, так как ошибки в исходной информации приведут к неверным рекомендациям ИИ.
Инфраструктурные затраты: Реализация сценария с локальным инференсом потребует инвестиций в серверное оборудование и вычислительные мощности, способные обрабатывать сложные модели без отправки данных в облако.
Риск автоматизации: Переход на третий уровень (автономное исполнение) возможен только при наличии надежных механизмов контроля и аудита, иначе возрастает риск неконтролируемых транзакций.

Важный нюанс: Победителями станут не компании, внедрившие наибольшее количество агентов, а те, кто построит управляемую архитектуру и свяжет каждый сценарий применения ИИ с измеримым бизнес-результатом.

Источник: softline.ru

Контакты Асектор ✉

Коротко о главном

Насколько вырастет эффективность финансовых операций при внедрении новой модели?

Применение специализированных инструментов способно сократить время выполнения операций на 80%, что высвобождает более 30 рабочих часов в месяц на одного сотрудника. Такой результат достигается за счет того, что ИИ-агенты самостоятельно находят информацию, сверяют данные и координируют действия между системами.

Почему окончательное решение по действиям ИИ-агентов всегда остается за человеком?

Эксперты определили три уровня взаимодействия, где сотрудник выступает контролером, чтобы обеспечить безопасность и прозрачность процессов. Даже на этапе автономного исполнения агент действует только при наличии строгого разграничения прав и обязательного журналирования всех операций.

Какой сценарий развития ИИ-систем является базовым для российского рынка?

Из-за требований к локализации данных и защите критической инфраструктуры основным путем становится локальный инференс, то есть запуск моделей на собственных серверах. Это решение необходимо для соблюдения норм технологической независимости и предотвращения отправки корпоративных данных в облако.

Как миграция с зарубежных ERP-систем влияет на архитектуру российского бизнеса?

Вынужденный переход открывает возможность не просто переноса старой монолитной системы, а проведения глубокой модернизации с созданием лаконичного ядра и открытого интеграционного слоя. Компании могут сразу внедрить управляемый контур ИИ-агентов, избегая копирования устаревших архитектурных решений.

Какие требования к корпоративным данным критичны для работы ИИ-агентов?

Для эффективной функционирования агентов необходима высокая чистота и структурированность информации, так как ошибки в исходных данных приведут к формированию неверных рекомендаций. Без качественной подготовки данных автоматизация не сможет обеспечить достоверность принимаемых решений.

Какие инфраструктурные затраты потребуются для реализации сценария с локальным инференсом?

Внедрение моделей на собственных серверах потребует инвестиций в специализированное оборудование и вычислительные мощности, способные обрабатывать сложные алгоритмы без выхода в облако. Эти расходы обусловлены необходимостью обеспечить полную автономность обработки данных внутри периметра компании.

Почему успех внедрения зависит не от количества агентов, а от архитектуры?

Победителями станут компании, построившие управляемую структуру, где каждый сценарий применения ИИ связан с измеримым бизнес-результатом. Простое увеличение числа агентов без привязки к конкретным метрикам, таким как сокращение ручного труда или снижение ошибок, не гарантирует эффективности проекта.