Apsara 2026: 10 выводов главной ИИ-конференции Китая для бизнеса

«Ассистент» здесь - чат-бот, которого выдали сотруднику: помогает писать письма и искать информацию, а порядок работы остаётся прежним. Перестроить процесс - значит заново решить, какие шаги делает агент, какие человек и где стоит проверка. Accenture считает ценность заметной, если производительность выросла от 10% или выручка либо прибыль от 5%. За год ожидания подскочили с 46% до 88%, а доля получивших такой результат - только с 9% до 14%.

Deloitte вместе с Гонконгским университетом добавили деталей: у 97% организаций больше десяти пробных проектов, но у двух третей ИИ не дал измеримого эффекта ни по выручке, ни по затратам. Пример перестройки из того же доклада: проверка рисков договора занимала 2-3 рабочих дня. Весь путь от запроса клиента до договора перестроили, знания о рисках зашили в агента, и самопроверка теперь занимает 20 секунд. Рецепт Deloitte - один «маяковый» сценарий с заранее посчитанным ROI, потом платформа и тиражирование.

Для бизнеса в России вывод простой: подписки на чат-ботов для всех отдачи почти не дадут. Я начинаю с карты одного процесса и только потом решаю, где в нём агент. Подробный разбор.

Методику показал Юньбаба, партнёр Alibaba по внедрению. Недели 1-2 - установка, обучение и разбор требований. Недели 3-6 - настройка навыков агента и модели. С седьмой недели - база знаний и выделенный чат поддержки. Боль клиента выясняют без гипотез, тремя вопросами: кто принимает результат, по какой метрике и какой порог считается успехом. Совет заказчикам от них же: не начинать с аккаунтов для всех и прописать критерии приёмки до покупки.

Четыре признака сценария сформулировал производитель бытовой техники BSH. Там же прозвучала мысль: демо отвечает на вопрос «можем ли», продакшн - «можем ли каждый день стабильно», с акцентами, повторами и неполными данными. Линъян, подразделение Alibaba Cloud, продаёт «ИИ-сотрудника» по похожей схеме: однодневная диагностика, запуск за 7 дней, приёмка по конверсии, повторным покупкам и стоимости обращения.

Я работаю так же: одна операция, метрика приёмки в договоре, короткий пилот. Если результат не виден за пару месяцев, сценарий выбран неправильно. Подробный разбор.

Ускоришь одну часть работы - узким местом станет другая. Ван Цзыюй из Alibaba посчитал: код занимает 20-30% срока проекта, и если писать его в пять раз быстрее, срок сократится со 100 дней до 84. Около 70% затрат на согласование остаются. ИИ их даже утяжеляет: выбрать из трёх похожих вариантов дольше, чем прочитать один, а неписаные правила бизнеса модель пропускает. CIO Alibaba Cloud оценил, что ускорение рутинного кода затрагивает не больше 7% всего цикла.

Что предлагают взамен. Каждый этап заканчивается документом: требования, спецификация, код с тестами, отчёт проверки. Критерии приёмки пишут заранее и в виде проверяемых условий. В банке Minsheng посчитали обе стороны: разработка с агентами подешевела, а согласование требований с людьми подорожало. Метрика «доля кода от ИИ» там потеряла смысл, узкое место переехало в ревью, тесты и эксплуатацию.

Для заказчика в России вывод практичный: на постановке задачи не экономят. Я сначала пишу с клиентом спецификацию и условия приёмки, а код агента - потом, и этот код как раз самая быстрая часть проекта.

«Цифровой двойник» в Alibaba - агент, который действует с правами конкретного инженера и проходит за него этапы поставки, от разбора задачи до проверки. Один двойник ведёт 3-4 сессии параллельно. Простые задачи в двух случаях из трёх проходят всю цепочку без человека (66,7% от прошедших входной фильтр). Всё, что выходит за допуск, агент передаёт человеку, и отвечает за результат тоже человек.

Сокращение цикла с 51 до 14 дней показала команда безопасности Alibaba: задачу перестали передавать между отделами, её ведёт один ответственный от начала до конца. Пропускная способность выросла с 64% до 99%, хотя сами авторы признают, что воспроизводимость модели ещё надо проверить. Роли объединяют так: продукт, дизайн и фронтенд - одна роль, архитектура, бэкенд, тесты и эксплуатация - вторая. HR Alibaba нанимает за потенциал и универсальность, профильный опыт идёт вторым.

Небольшой компании это даёт понятный ориентир для найма: нужны люди, которые доводят задачу до результата и умеют ставить работу агентам. Подробный разбор.

Схема «вопрос → SQL» по-английски называется NL2SQL: модель сама пишет запрос к базе данных по вопросу, заданному обычными словами. Беда в том, что запрос выходит синтаксически верным, а цифра неверной: модель не знает, что в компании считают «выручкой» и из какой таблицы её брать. Семантический слой - словарь бизнеса: термины, определения метрик и источник каждой цифры.

У Starbucks China больше 8000 точек, и классический NL2SQL там не сработал. За четыре месяца словарь вырос с 99 до 167 метрик по 18 областям, принцип такой: сначала согласовать термин, потом отвечать. Yanfeng прошёл путь к 91% за четыре этапа, ответ на запрос к данным сократился с недели до двух минут. Картографический сервис Amap проверил подход на 98 реальных задачах: обычный агент решил 22%, агент с готовым навыком - 54%, а связка, где считает обычный код с предсказуемым результатом, - 78%.

Поэтому ИИ-аналитику я начинаю с описания метрик клиента. Без этого агент по 1С или CRM будет уверенно ошибаться. Подробный разбор.

Alibaba описала контроль агентов моделью 3A. Первое - кто действует: пользователь и вся цепочка агентов за ним. Второе - что можно: права агента равны пересечению прав пользователя и границ самого агента. Третье - журнал каждого шага. На демо поменяли одну строку политики, и возврат до 1000 юаней агент стал проводить сам, а 1400 уже отклонял. Массовые операции с пользователями уходили на согласование человеку. Зачем такие строгости: в тесте τ-bench агенты обходят правила в 9-16% случаев.

Ступени допуска показала компания Transfar: права расширяют по мере доверия, но границы и ручная проверка остаются всегда. ZTE добавил жёсткий потолок: деньги, персональные данные и безопасность агент трогает только на нижнем уровне автономии. Учёт тоже нужен: у Geely до появления общего шлюза из 4089 агентов на учёте стояли 188, около 4,5%.

Я даю агенту отдельную учётку и на старте только чтение. Деньги и договоры подтверждает человек, каждое действие пишется в журнал. Подробный разбор.

Токены - кусочки текста, по которым модель считает объём работы и выставляет счёт. Alibaba разобрала одну задачу агента по коду длиной 130 секунд: модель думала 16 секунд, инструменты работали 48,5 секунды, а 56 секунд ушло на ожидание и повторы. Одна и та же задача в разных запусках обходится до 30 раз дороже или дешевле. Запуски, которые закончились ничем, всё равно оплачены.

Отсюда формула: стоимость успешной задачи = все затраты (модель, инструменты, время, вмешательство человека) / число успешно сданных задач. В голосе рынок уже по ней живёт. Разработчик голосовых агентов Cloopen показал агента взыскания долгов, который обходится на 70% дешевле операторов, и агента ресторанной сети, подтверждающего 92% заказов. В больнице PKU Healthcare меряют долю ИИ-черновиков медкарт, которые врач принял без правок: она выросла с 61% до 85%.

Я считаю эффект в рублях за выполненную задачу и учитываю переделки. «Сэкономленные часы» без этой цифры мало что значат. Подробный разбор.

Контекст - всё, что агент знает о компании в момент задачи: документы, переписка, правила, прошлые решения. Память - то, что он сохраняет между задачами. Qoder, среда разработки Alibaba, на 40 сложных задачах SWE-bench Pro (тест, где агент правит реальные программные проекты) поднял результат с 30,2 до 38,4 балла, не меняя модель. Разброс между прогонами упал с 11,1% до 6,4%.

Долговременная память в хранилище Tablestore даёт точность 92% на тесте LoCoMo и срезает расход токенов на 90%: агенту не нужно каждый раз заново перечитывать всё подряд. Модель при этом сменная деталь. Игровая платформа TapTap проверила модели в реальном движке: Qwen3.8-Max прошла уровень в 83,3% случаев за $1,17, Flash - в 82,5% за $0,10. Платформа Alibaba позволяет поменять одну модель на другую без переделки интеграции.

Базу знаний клиента я закладываю в проект как отдельный актив, она останется, когда сменится модель. Модель выбираю замером на задачах клиента и начинаю с дешёвой.

Обвязка (по-английски harness) - всё, что окружает модель: инструменты, права, проверки, изолированная среда, память, журнал. ZTE сформулировал так: «модель только думает, надёжность в обвязке». Alibaba насчитала шесть блоков обвязки: управление, инструменты, контекст, песочница, память и хранение. Навык (skill) - готовая инструкция с инструментами под одну типовую задачу, агент подключает его, когда задача встречается.

SecOpsAgent, агент безопасности Alibaba Cloud, работает на 50+ готовых навыках плюс навыках самой компании. Перед опасным действием он запрашивает подтверждение человека, а действует от отдельной роли, чтобы в журнале было видно, что сделал именно агент. У Onewo, компании по управлению недвижимостью, агент данных собран из пяти слоёв навыков, итог подтверждает человек. В China Telecom самые ходовые навыки сотрудников - «мастер презентаций» (49,5 тыс. использований) и «очистка диска C».

Мои агенты устроены по той же схеме: модель, навыки под задачи клиента, права и журнал. Приятно видеть её на масштабе Alibaba. Подробный разбор.

OPC (one-person company) - компания из одного основателя, где роли целого отдела закрывают агенты. На конкурсе в Ханчжоу показали реальные бюджеты. Сервис туров Кэлимао: один основатель, пять ИИ-конвейеров (данные, разработка, дизайн, видео, маркетинг) и около 1300 юаней расходов в месяц. Проект TLabel тратит 500 юаней в месяц на вычисления, а результат сравнивают с командой из 3-5 человек. Выручки у большинства проектов конкурса пока нет.

Цифра про падения - из доклада основателя, который за семь месяцев один собрал систему управления производством на 1,1 млн строк кода. Когда несколько агентов работали параллельно, за день случалось 25+ аварийных остановок и 10+ перезаписей одного файла. Помогли отдельная копия проекта для каждого агента, один агент с правом записи и тысячи автотестов. Каждый инцидент он превращал в правило или навык.

Один человек с агентами вытянет продукт, если у него есть заказы и дисциплина. У меня каждая поломка агента тоже становится правилом, иначе она повторится. Подробный разбор.