Apsara 2026 · Организация · октябрь 2026

Что такое AI Native компания и чем она отличается от компании с ИИ

Инженер с цифровыми двойниками, шесть ролей, слитые в две, и узкое место, которое переехало в постановку задачи: как Alibaba перестраивает работу вокруг агентов

Артём Борисов - бизнес-консультант, внедрение AI-сотрудников · октябрь 2026

Коротко

AI Native компания - это компания, где работу ведут небольшие команды владельцев результата, а исполнение берут на себя ИИ-агенты: человек ставит цель, задаёт права и принимает результат. Процент кода, написанного ИИ, и ассистент у каждого сотрудника тут ничего не решают, меняются роли и процессы. Я разобрал, как это устроено в самой Alibaba, по докладам Apsara Conference 2026: инженеры с цифровыми двойниками, слияние ролей, узкое место, которое переехало в постановку задачи и приёмку, инженеры FDE на стороне клиента и контекст, который ценнее модели.

AI Native - это перестройка организации, а не инструмент

На Apsara 2026 определение звучало в нескольких секциях почти одними словами. AI Native - когда продукт, процессы и организацию перестраивают вокруг агентов. Встроить функцию ИИ в старый процесс - это другое. CIO Alibaba Cloud Цзян Линьцюань сказал жёстче: AI Native организацию определяют не инструменты и не доля кода от ИИ, а умение раз за разом находить и снимать узкие места и превращать производительность ИИ в деньги.

CTO туристического сервиса Fliggy напомнил про закон Амдала: узкое место никуда не исчезает, оно переезжает. Поэтому стать AI Native - решение про организацию, технология тут вторична. Команда Qoder даже назвала пропорцию: 10% успеха дают технологии и алгоритмы, 20% - данные и инфраструктура, 70% - люди, процессы и организация. Цифра условная, но по моему опыту внедрений похоже на правду.

Оговорка, которая действует на всю статью: цифры ниже - заявления спикеров Alibaba и её клиентов, независимо их никто не проверял.

Команда владельцев результата: инженер плюс 3-4 цифровых двойника

Главная модель форума AI Native разработки устроена так: один инженер и несколько проверяемых цифровых двойников. Двойник - агент, который действует с правами конкретного человека, и отвечает за него этот человек. Всё, что выходит за рамки допуска, агент отдаёт хозяину.

Двойники инженера

Агенты круглосуточно проходят 9 этапов поставки в 4 продуктовых линиях. Один двойник держит 3-4 сессии параллельно. Простые задачи в 66,7% случаев проходят всю цепочку вообще без человека.

Один владелец вместо передач

Центр мониторинга безопасности перестал перекидывать задачу между отделами и назначил одного ответственного от начала до конца. Цикл требования сократился с 51 до 14 дней, пропускная способность выросла с 63,9% до 98,9%.

Маркетинг: 2 человека и 7 агентов

Два сотрудника, агент-руководитель, который раздаёт и принимает задачи, и 6 агентов-исполнителей. Заявлено десятикратное ускорение: кампания за неделю вместо нескольких месяцев.

Мне понравилось, что авторы кейса с циклом 51 → 14 дней сами признали: воспроизводимость такой оргмодели ещё надо проверить. Долгосрочным преимуществом на форуме назвали накопленные активы системы поставки - контекст, данные, тесты качества и обратную связь. Инструменты в этот список не попали.

Шесть ролей в две и новая роль FDE

Когда исполнение уходит агентам, узкие специализации начинают мешать. Задача дольше путешествует между людьми, чем делается. Поэтому Alibaba Cloud сливает шесть ролей в две:

PDFE: продукт, дизайн и фронтенд в одном человеке.
ABE: архитектура, бэкенд, тестирование и эксплуатация.
Согласование требований и проверка качества сдвигаются в начало, работа идёт от спецификации, а архитектор отвечает за целостность решения.

HR-вице-президент Alibaba Cloud Бао Чэньсин сформулировал кадровые принципы так: выращивать, а не покупать; потенциал важнее резюме; универсальность важнее узкой экспертизы. Danone на той же конференции перечислил роли, которых раньше не было: FDE, владелец процесса от начала до конца, архитектор возможностей, владелец данных.

Про FDE стоит сказать отдельно. Forward Deployed Engineer - инженер, который сидит на стороне клиента и доводит ИИ до продакшна. Alibaba запустила под эту роль партнёрскую программу с сертификацией по уровням L1-L3. Юй Хайтао, FDE платформы данных, описал три разрыва, которые он закрывает: смысловой, инженерный и разрыв доверия. Опыт каждого внедрения закрепляют в базе знаний и навыках агента, и следующий проект идёт быстрее. По сути, это то, чем я занимаюсь у клиентов, только теперь у роли есть название.

А Fliggy со сцены рассказал о трёх своих ошибках перехода: продакт сам пишет фронтенд, всё переделывают разом и ставят на 100% автоматизацию. Узнаваемо.

Код подешевел, а постановка задачи и приёмка подорожали

Это, на мой взгляд, самый практичный вывод конференции. Агенты пишут код почти бесплатно. А сроки проектов почти не сокращаются, потому что код - малая часть работы.

Кто сказал	Факт
CIO Alibaba Cloud	Кодинг - около 20% цикла поставки, ускорение рутинного кода затрагивает не больше 7% цикла
Инфраструктура разработки Alibaba	Написание кода - 20-30% времени поставки, в части команд 90%+ кода пишет ИИ
Ван Цзыюй, Alibaba	Ускорение кода в 5 раз сокращает срок со 100 до 84 (-16%), около 70% затрат на согласование остаются
Банк Minsheng	Разработка с агентами по спецификациям дешевле на 30-50%, согласование требований дороже на 10-30%
Taobao Shangou	Из ~2000 задач ИИ мог взять ~1000, приёмку прошли 66, срок поставки -30%

Из этого в Alibaba вывели четыре правила. Каждый этап заканчивается артефактом: требования, спецификация, код с тестами, отчёт проверки. На каждом этапе есть точка ручного ревью. Критерии приёмки пишут заранее, в виде условий, которые можно проверить. Решает человек, а ИИ генерирует и проверяет.

«Сделать агента рабочим - только старт, сделать его стабильно полезным - инженерная задача.»
Сюй Сяобинь, руководитель инфраструктуры разработки Alibaba, Apsara 2026 (пересказ)

Контекст - главный актив, модель заменяема

Если код ничего не стоит, что тогда ценно? Все технические секции ответили одинаково: контекст. Под этим словом понимают правила процессов, определения данных, накопленные навыки агентов, тесты и разборы ошибок.

Qoder: на 40 сложных задачах SWE-bench Pro лучший контекст поднял результат с 30,2 до 38,4 (+27,1%) при той же модели, а разброс между прогонами упал с 11,1% до 6,4%.
Круглый стол главного доклада: модель и среду запуска агента держать заменяемыми, а копить бизнес-факты, схемы данных, семантику и правила процессов. Проверочный вопрос для любого вложения: «после следующего обновления модели это вложение заменится или усилится?»
Команда QoderWork: первую версию продукта сделали 5 человек за 7 дней. Причиной назвали общую цель и общий контекст, а ИИ - лишь одним из факторов. Личное ускорение само по себе на организацию не переносится.
Lenovo: через 12-24 месяца модели сравняются, и отличать компании друг от друга будет обвязка вокруг модели - контекст, инструменты, права, проверки.

Что это значит для бизнеса в России

Доступ российских компаний к продуктам Alibaba Cloud не подтверждён, так что с конференции я забираю схемы. Для небольшой компании AI Native начинается с одного процесса. Перестраивать сразу весь штат я бы не стал.

Один процесс, один владелец. Я выбираю процесс, где задача ходит между тремя-четырьмя людьми, и назначаю одного ответственного за результат, который работает вместе с агентом.
Спецификация и приёмка до кода. Любой проект начинается с описания задачи и проверяемых критериев приёмки. Это самая дорогая часть работы, и модель её не ускорит.
Контекст в файлах, а не в головах. Регламенты, определения, шаблоны и разборы ошибок записываем в правила и навыки агента. Этот актив переживёт смену модели.
Модель выбираем по замеру. Начинаю с дешёвой и меняю её, только если она не проходит набор проверочных задач.

Пример из моей практики. В электромонтажной компании «ЧенцЭлектро» пакет документов по проекту собирается за 15 минут вместо 2-3 дней, у команды освободилось 35% времени. Сработал не ум модели: правила сметы и шаблоны документов стали контекстом агента. Что такое цифровой сотрудник, я разбираю здесь, а как связать несколько агентов - в статье про мультиагентную систему.

Вывод

AI Native компания перестраивает роли и процессы вокруг агентов: один владелец ведёт задачу от начала до конца, агенты исполняют, человек ставит цель и принимает результат. У Alibaba так цикл требования сократился с 51 до 14 дней. Код при этом почти ничего не стоит, и ускорение кода в 5 раз сокращает срок проекта всего на 16%, поэтому деньги лежат в постановке задачи и приёмке. Копить стоит контекст: правила, шаблоны, данные и тесты, а модель держать заменяемой.

Что сделать

1Найдите процесс, где одна задача проходит через 3-4 человек, и запишите, сколько дней она идёт от начала до конца.
2Назначьте по этому процессу одного владельца результата и запишите, кто он и по какой метрике принимает работу.
3Соберите в одну папку регламенты, шаблоны документов и определения терминов по этому процессу и отметьте, чего не хватает и что хранится только в чьей-то голове.
4Составьте 10 проверочных задач из реальной работы с правильными ответами, чтобы по ним сравнивать модели перед выбором.

Частые вопросы

Что такое AI Native компания?+

Компания, где исполнение берут на себя ИИ-агенты, а люди ставят цели, задают права и принимают результат. Процессы и роли перестроены вокруг агентов, ИИ не встраивают в старую схему. Успех меряют скоростью и стоимостью результата, а доля кода от ИИ тут мало что говорит.

Чем AI Native отличается от компании, которая просто использует ИИ?+

Компания с ИИ раздаёт сотрудникам ассистентов и оставляет процессы как были. AI Native компания меняет сами процессы: один владелец ведёт задачу от начала до конца с агентами, роли объединяются, приёмку описывают заранее.

Почему ИИ ускоряет код, но не ускоряет проекты?+

Написание кода занимает 20-30% срока проекта, остальное уходит на постановку задачи, согласование и проверку. По расчёту Alibaba, пятикратное ускорение кода сокращает срок только на 16%. Выигрыш дают точная постановка задачи и приёмка.

Кто такой FDE в ИИ-внедрении?+

FDE, Forward Deployed Engineer, - инженер, который работает на стороне клиента и доводит ИИ-решение до рабочего состояния. Он закрывает разрыв между продуктом и реальными данными и процессами компании. Alibaba запустила под эту роль партнёрскую программу с сертификацией.

Что важнее для ИИ-агента: модель или контекст?+

По данным Apsara 2026, контекст. В тесте Qoder лучший контекст поднял результат на 27% при той же модели. Модель стоит держать заменяемой, а копить свои правила, данные, навыки агентов и тесты.

Источники

Apsara Conference 2026, Ханчжоу, 22-24 сентября 2026
Секция «2026 Apsara Conference - AI-Native Organization Forum»
Секция «AI-Native Research and Development Organization Forum»
Секция «Igniting AI-Native, Envisioning the Future of R&D: Alibaba Group AI-Native R&D Practice Forum»
Секция «Product Manager Showcase: Everyone Is a Product Manager in the AI Era»
Секции «Qoder for the AI-Native Super Organization» и «Qoder: AI Coding for the Super Individual»
Секция «AI-Native: Reshaping Enterprise Productivity» (партнёрская программа FDE)
Секции «International AI Agent Tech Forum» и «Technology Keynote Session: Agentic Cloud»
Секция об Apsara Stack (кейс банка Minsheng) и «The Agent Moment for SaaS» (Taobao Shangou)

Об авторе. Артём Борисов - бизнес-консультант, внедряет AI-сотрудников в малом и среднем бизнесе: продажи, документы, учёт, мониторинг. Кейсы с цифрами - на главной странице.

Хотите применить это в своей компании?

Опишите процесс, который съедает больше всего ручного времени. Я покажу, как выглядело бы решение на ИИ-агенте и какие метрики оно изменит.

Обсудить в Telegram