Apsara 2026 · Методика · октябрь 2026

Как внедрить ИИ-агента в компанию: один отдел, один сценарий, 90 дней

Как внедряют агентов партнёры Alibaba, Deloitte и бренды, выступавшие на Apsara 2026, и что из этого работает в России

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

Коротко

Внедрять ИИ-агента в компанию стоит с одного отдела и одного сценария, с результатом за 90 дней и критериями приёмки, записанными до договора. Так советовал клиентам партнёр Alibaba по внедрению на конференции Apsara 2026, и я с ним согласен. Ниже - как выбрать первый сценарий по четырём признакам, через какие этапы проходит внедрение от диагностики до запуска, как принять агента по бизнес-метрике и что нужно, чтобы он пережил переход от красивого демо к ежедневной работе.

С чего начать внедрение ИИ-агента в бизнес

Чаще всего начинают с аккаунтов для всех сотрудников. И чаще всего на этом застревают. Accenture на Apsara 2026 привела цифры: ассистентов раздали 63% компаний, процессы перестроили только 18%, заметную ценность от ИИ получили 14%. Откуда берётся этот разрыв, я разбирал в статье почему внедрение ИИ не даёт отдачи.

Юньбаба, партнёр Alibaba по внедрению офисного ИИ в средних компаниях, уложил свой опыт в три совета клиентам:

Не раздавать аккаунты всем подряд. Один отдел, один сценарий, результат за 90 дней.
Прописать критерии приёмки до покупки: кто принимает, по какой метрике, какой порог считается успехом.
Выбирать партнёра, который даёт и продукт, и сервис. Инструмент без сопровождения не приживается.

«Выбор инструмента - это от нуля к единице, внедрение - от единицы к сотне.»
Вэй Сяогуан, Юньбаба, секция «A Smart New Journey: AI-Driven Innovative Enterprises», Apsara 2026

Deloitte на своей секции нарисовала тот же маршрут. Один «маяковый» сценарий от начала до конца, ROI посчитан заранее. Потом общая платформа и управление. Потом тиражирование. Как и везде в моих разборах Apsara, цифры здесь - слова спикеров, независимо их никто не проверял.

Как выбрать сценарий для ИИ-агента: четыре признака

BSH, производитель бытовой техники, показал на секции об агентной рознице фильтр, который я теперь использую сам. Он отвечает на вопрос, есть ли вообще смысл делать ИИ в этом сценарии. Ответ «да» только если выполнены все четыре условия.

Частота и повторяемость

Задача приходит каждый день и решается по похожей схеме. Разовую или уникальную работу агент не окупит.

Много ручных решений

Люди тратят время на однотипный выбор: подобрать, сверить, классифицировать, ответить.

Данные уже есть

Нужная информация лежит в CRM, учётной системе или документах. Если её придётся собирать с нуля, это отдельный проект.

Результат проверяем

Можно однозначно сказать, правильно агент сделал работу или нет, и посчитать эффект.

И ещё одна мысль BSH, которая мне нравится. Отдельный чат-бот сбоку сотруднику не нужен. Нужен помощник внутри его работы, например подсказки оператору колл-центра прямо во время разговора. Агент встраивается в процесс, а не живёт в соседней вкладке.

Этапы внедрения ИИ-агента: от диагностики до запуска

У Юньбабы внедрение занимает 7 недель и три этапа. До них идёт поиск боли «без гипотез»: выясняют, кто принимает результат, по какой метрике и какой порог устроит. Затем быстрый прототип, причём на реальных данных клиента. Демонстрационные данные тут бесполезны.

Срок	Что происходит
Недели 1-2	Установка, обучение сотрудников, анализ требований
Недели 3-6	Настройка навыков агента и модели под сценарий
С 7-й недели	База знаний и выделенный канал поддержки

Линъян, подразделение Alibaba Cloud по корпоративным агентам, работает ещё быстрее: однодневная диагностика и «ИИ-сотрудник» под конкретную роль за 7 дней. Формула у них такая: агент + данные компании + инженер внедрения на стороне клиента. Эталоном для агента берут лучших сотрудников компании.

Для крупных перемен Alibaba в рознице называет горизонт длиннее. За 90 дней данные становятся читаемыми для агента, к 6 месяцам появляются первые работающие сценарии с эффектом, к 18 месяцам цикл замыкается. Если же речь об одном сценарии в среднем бизнесе, 90 дней - нормальная, реалистичная рамка.

Критерии приёмки ИИ-агента: бизнес-метрика до договора

Линъян принимает своих ИИ-сотрудников по бизнес-метрикам: конверсии, повторным покупкам, стоимости обращения. «Качество ответов» в этом списке нет. По их словам, на одном из проектов стоимость сессии поддержки упала с 4,2 до 0,1 юаня. Я пользуюсь простой проверкой: если метрику нельзя вписать в договор, сценарий выбран неудачно.

Кто принимает: конкретный руководитель с именем, а не абстрактная «компания».
Что меряем: время, деньги или доля ошибок в выбранном процессе.
Порог успеха: число, после которого проект считается сделанным.
Как считаем: на каких данных и за какой период сравниваем «до» и «после».

Хороший пример у Юньбабы из обслуживания лифтов. Ценность доказывали отчётом «три счёта»: аварийность, простой и стоимость обслуживания. Снижение заложили консервативно, 60-70% от расчётного, а час простоя оценили по допущению в 500 юаней. Расчёт с открыто названными допущениями убеждает лучше красивых цифр, и заказчику его легко перепроверить.

Как довести ИИ-агента от демо до ежедневной работы

В BSH разницу сформулировали так: демо проверяет «можем ли мы», продакшн - «можем ли мы каждый день и стабильно». На демо всё гладко. В жизни у клиентов акценты, они повторяются, а данные приходят неполными.

Человек на рискованных решениях

Если агент не уверен, а риск высокий, решение уходит человеку. Вопрос «что будет, если ИИ ошибся» важнее вопроса «может ли ИИ».

Доступ через API, а не клики

CIO Alibaba Cloud: агенты, которые кликают по интерфейсу, редко бывают успешны. Лучше дать системе прямой доступ с правами сотрудника и начать с самых частых операций.

Решение остаётся за человеком

У интегратора Сайи «цифровой приёмщик» поставок сверяет фото с правилами, а финальное решение принимает сотрудник.

Цельный сценарий показал всё тот же Юньбаба. Производителю арматуры собрали конвейер «запрос → подбор → спецификация → КП → риски», и клиент получает ответ в день запроса. Менеджеру тут не выдали помощника. Перестроили весь процесс продажи.

Что это значит для бизнеса в России

Доступ российских компаний к продуктам Alibaba Cloud не подтверждён, поэтому забираем методику, а платформу оставляем. Методика переносится один в один: она про выбор сценария и приёмку, облако тут вторично.

Во внедрениях я иду тем же порядком. Сначала диагностика: ищем процесс, который съедает больше всего времени и денег и при этом проходит по четырём признакам. Потом один сценарий и метрика приёмки, согласованная до начала работ. За следующий процесс берёмся только после результата по первому.

Электромонтажная компания: пакет документов по проекту за 15 минут вместо 2-3 дней, освобождено 35% времени команды.
Юридическая компания: пакет до 13 документов за 3-5 минут вместо 30-60.
Серф-школа: ИИ-продавец 24/7 и ежедневный отчёт руководителю по работе менеджеров в CRM.

Все три сценария частые, в них много ручных решений, данные у компании уже были, а результат проверяется. Что такое агент и чем он отличается от чат-бота, я рассказываю в статье что такое цифровой сотрудник. Из чего складывается бюджет - в разборе стоимости ИИ-агента. Внедрение у меня стоит от 250 000 ₽.

Вывод

Первого ИИ-агента внедряют в одном отделе, на одном сценарии и с горизонтом 90 дней. Сценарий годится, если задача частая, в ней много ручных решений, данные уже есть и результат можно проверить. Метрику приёмки записывают до договора, тогда спор о результате сводится к сравнению цифр. Так, по словам спикеров, стоимость сессии поддержки упала с 4,2 до 0,1 юаня, а у нас пакет документов собирается за 15 минут вместо 2-3 дней.

Что сделать

1Выпишите 5 задач, которые ваши сотрудники делают каждый день по похожей схеме, и время на каждую.
2Прогоните каждую через четыре признака: частота, ручные решения, наличие данных, проверяемый результат. Оставьте те, что прошли все четыре.
3Для одной оставшейся задачи заполните четыре строки приёмки: кто принимает, что меряем, порог успеха, как сравниваем «до» и «после».
4Запишите, что произойдёт, если агент в этой задаче ошибётся, и какие решения должен подтверждать человек.

Частые вопросы

Как внедрить ИИ-агента в компанию?+

Начать с одного отдела и одного сценария, без аккаунтов для всех сотрудников. Заранее записать метрику приёмки и порог успеха, сделать прототип на реальных данных и дать агенту поработать в процессе. Партнёр Alibaba на Apsara 2026 советовал ставить цель получить результат за 90 дней.

Как выбрать первый сценарий для ИИ-агента?+

Сценарий должен пройти четыре проверки: задача частая и повторяемая, в ней много ручных решений, данные уже есть и результат можно проверить. Этот фильтр показала компания BSH на Apsara 2026. Если не выполнено хотя бы одно условие, эффект будет трудно и получить, и доказать.

Сколько времени занимает внедрение ИИ-агента?+

Партнёр Alibaba Юньбаба проходит внедрение за 7 недель в три этапа, а результат по одному сценарию обещает за 90 дней. Подразделение Линъян запускает агента под одну роль за 7 дней после однодневной диагностики. Всё упирается в то, насколько готовы данные.

Как принимать работу ИИ-агента?+

По бизнес-метрике: время процесса, стоимость обращения, конверсия, доля ошибок. Впечатление от ответов агента - плохой критерий. Кто принимает, что меряем и какой порог считается успехом, записывают до договора. Тогда спор о результате превращается в сравнение цифр.

Почему ИИ-агент работает на демо, а в работе ломается?+

Демо проверяет, справится ли агент в принципе. Работа требует стабильности каждый день, на неполных и неаккуратных данных. Поэтому рискованные решения при низкой уверенности агента передают человеку, а вопрос «что будет, если агент ошибся» решают до запуска.

Источники

Apsara Conference 2026, Ханчжоу, 22-24 сентября 2026
A Smart New Journey: AI-Driven Innovative Enterprises (методика партнёра Alibaba, Apsara 2026)
Turn to AI for Growth: Capable, Trusted, and High-Performing AI Employees (Линъян, Apsara 2026)
Operate and Evolve: New Growth for Agentic Retail (BSH, Starbucks, Danone, Apsara 2026)
Deloitte AI Innovation Forum: Leading with Intelligence, Empowering a New Digital Era (Apsara 2026)
Accenture Breakout Session: Becoming AI Native - From Agents to Reinvention (Apsara 2026)
2026 Apsara Conference - AI-Native Organization Forum

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