ИИ-агенты, их внедрение в бизнес и борьба с провалом пилотов. Какие решения и продукты представили на конференции «MLечный путь» в Москве — в обзоре редакции Hi-Tech Mail.Редактор Hi-Tech Mail
В 2026 году обсуждать ML и ИИ-агентов приходится уже на языке бизнес-метрик: банки, ритейлеры и промышленные компании прошли стадию пилотных проектов и теперь внедряют агентов в реальные процессы. На конференции «MLечный путь», организованной провайдером ИТ-инфраструктуры Selectel, 22 апреля представители Альфа-Банка, X5 Digital и других компаний поделились цифрами, кейсами и неочевидными инсайтами — от экономики внедрения до тонкостей выбора инфраструктуры под растущие нагрузки. Бизнес-трек конференции собрал руководителей (CEO, CIO, CTO), аналитикам и специалистам по стратегическому внедрению ИИ. Технический трек ориентирован на инженеров, архитекторов и специалистов по DevOps.
Обсуждение эволюции корпоративного AI прошло в рамках главного экспертного доклада представителей Selectel «MLечный путь: от цифровизации к агентским платформам». Доклад представили директор AI-вертикали Александр Тугов, директор по облачной интеграции Владислав Кирпинский и менеджер ML-продуктов Антон Чунаев. Спикеры сфокусировались на переходе от точечной автоматизации к созданию комплексных агентских платформ, отвечая на ключевой запрос бизнеса: как превратить инвестиции в ИИ в измеримый бизнес-эффект и сделать их частью системы принятия решений.
На конференции Selectel объявил сразу о трех ключевых шагах в развитии собственного AI-стека. Компания последовательно выстраивает вертикально интегрированное AI-предложение: от собственной инфраструктуры (AI-серверов) и платформенных сервисов для инференса (AI-платформа) до партнерских решений для внедрения ИИ.
Первый анонс — презентация собственного AI-сервера Selectel. Это 8U-платформа для высокопроизводительных вычислений, инференса и аналитики в проектах с ИИ. В основе — собственная материнская плата с поддержкой двух процессоров Intel Xeon 6 и до 8 ТБ оперативной памяти DDR5. Конфигурация допускает установку до 16 GPU, обеспечивая высокую вычислительную плотность и масштабируемость. Подсистема хранения включает 12 слотов для NVMe/SAS/SATA-накопителей и два M.2 PCIe Gen5 с высокой скоростью доступа к данным.
Кроме того, провайдер обновил собственную AI-платформу и входящий в ее состав каталог AI-моделей (Foundation Models Catalog) — с его помощью можно упростить запуск и интеграцию больших языковых моделей (LLM) в бизнес-процессы с управлением через API или интерфейс панели Selectel. Сервис упрощает внедрение ИИ в бизнес-процессы и позволяет быстро разворачивать и масштабировать модели в облаке без необходимости самостоятельно настраивать инфраструктуру. Оплата строится по модели pay-as-you-go за фактически потребляемые ресурсы, а в ближайшее время появится тарификация по количеству токенов.
Разработкой AI-сервера в Selectel занялись неспроста: в компании убеждены, что рынок AI в России и мире в будущем фундаментально возрастет. По этой же причине с 2020 года провайдер инвестировал около 3,6 млрд рублей в развитие экосистемы инфраструктуры для работы с ИИ. Кроме того, до 2031 года Selectel планирует направить еще 10 млрд рублей на специализированное оборудование для работы с AI, строительство и эксплуатацию дата-центров, а также в R&D.
Так Selectel, будучи провайдером AI-инфраструктуры для проектов любой сложности, предлагает комплексные решения для задач в сфере ИИ — от вычислительных мощностей c GPU до платформенных сервисов для инференса AI-моделей. Компания предоставляет специализированную IT-инфраструктуру и платформенные сервисы, позволяющие запускать и развивать проекты для решений для AI/ML-задач.Александр Туговдиректор AI-вертикали Selectel
Тему построения агентского стека продолжил директор продукта Kolmogorov компании Data Sapience Михаил Зайцев. В докладе «Мечтают ли агенты об ИИ-платформах» спикер отметил, что эпоха простых взаимодействий с большими языковыми моделями через чат уступает место растущему запросу бизнеса на полноценных агентов, а для их эффективной работы точечных решений уже недостаточно. Михаил Зайцев подробно разобрал ключевые компоненты платформенного стека для разработки и внедрения LLM-агентов, обозначил практические шаги для старта и дал реалистичную оценку ожидаемых результатов.
В рамках мероприятия Selectel, Data Sapience и GlowByte объявили о партнерстве в сфере разработки и внедрения корпоративных ИИ-решений. Сотрудничество охватывает полный цикл — от бизнес-задачи до промышленной эксплуатации. В рамках партнерства подтверждена совместимость инфраструктуры Selectel с платформой Kolmogorov AI от Data Sapience. Selectel обеспечит гибкую инфраструктурную основу с широкой линейкой серверов с GPU и преднастроенными платформенными сервисами, а GlowByte выступит интеграционным партнером, отвечая за консалтинг, дообучение моделей и внедрение решений в бизнес-процессы.
Партнерство ориентировано на решение широкого спектра задач: от автоматизации сложных корпоративных процессов с использованием ИИ-агентов до построения частных ИИ-сред в условиях строгих требований к безопасности.
Экономическим аспектам внедрения ИИ-агентов был посвящен доклад ведущего исследователя Axenix Андрея Малькова. Эксперт поделился результатами масштабного исследования о внедрении ИИ-агентов в бизнес-среду. Он рассмотрел спектр решаемых агентами задач, их влияние на бизнес-модели и трансформацию рабочих процессов. Отдельный акцент спикер сделал на финансовой стороне вопроса: стоимости внедрения и измеримом экономическом эффекте в различных отраслях. В частности, он привел данные о совокупных затратах на ИИ-агентов за три года в зависимости от размера компании. Для малого бизнеса они составляют около 5−15 млн рублей, для среднего — 30−60 млн рублей, для крупного — 200−300 млн рублей, а для корпораций с численностью от 50 тыс. человек — от 950 млн рублей. Помимо перспектив, эксперт обозначил сопутствующие риски и ключевые направления развития технологии в ближайшем будущем.
Раньше процесс цифровизации всегда включал в себя человека. Но постепенно мы идем к тому, чтобы освободить работника от рутинных операций и создать операционный слой управления компаниями из нескольких ИИ-агентов. Человек останется стратегом, идеологом, который занимается целеполаганием, координацией действий агентов, контролирует результат на уровне не отдельных транзакций, а общей политики системы, занимается управлением. А ИИ-агенты будут взаимодействовать друг с другом, выполняя рутинные и операционные задачи.Андрей Мальковведущий исследователь Axenix
В свою очередь, руководитель направления GenAI-решений компании Just AI Антон Саушкин обратил внимание на статистику успешности ИИ-пилотов. Согласно данным Массачусетского технологического института, 95% генеративных ИИ-пилотов так и не доходят до стадии измеримого результата. Спикер поделился методикой выбора точки входа и критериями оценки процессов под автоматизацию, подкрепив теорию тремя кейсами: голосовой ИИ-рекрутер обработал 177 тысяч звонков за три месяца в промышленной компании, клиентский бот Knauf эволюционировал от 17-страничных сценариев до гибкого ИИ-консультанта, а голосовой ассистент на ПМЭФ-2025 вдвое снизил нагрузку на контакт-центр. Отдельное внимание уделили расчету эффекта на каждом этапе и преимуществу стратегии малых шагов перед радикальным подходом «все снести и переписать».
Практическим опытом внедрения ИИ-агентов в корпоративную среду поделились представители Альфа-Банка: руководитель Центра разработки MLOps-сервисов Марк Кузнецов и техлид RAG Platform Алексей Фатеев. Выступление посвятили интеграции ИИ-агентов непосредственно в MLOps и DevOps-среду банка. Так, эксперты разобрали три работающих в инфраструктуре решения: агент для инспекции моделей с анализом логов и код-ревью, агент сопровождения «Кьюб» с отслеживанием runtime-статуса и маршрутизацией задач, а также бизнес-агент в процессах начисления кэшбэка. По каждому кейсу раскрыли достигнутые эффекты, реальный объем затрат и неизбежные ошибки на пути внедрения.
Руководитель группы машинного обучения X5 Digital Виктория Верезубова рассказала о проблеме фрагментации корпоративных знаний. Доклад описал принцип применения RAG — технологии, соединяющей языковую модель с корпоративной базой знаний. Спикер отметила, что классические базы знаний не решают проблему фрагментации данных, требуют ручного сопровождения и замыкаются в контуре одной команды. Виктория Верезубова показала, как консолидировать информацию из разных источников без полной миграции данных, снизить зависимость от конкретных экспертов и добиться ощутимого ускорения типовых бизнес-процессов.
Допустим, в процессе разработки у нас возник вопрос. Например, как оформить какой-то коммит согласно регламенту нашей команды. Если у нас нет RAG, что мы будем делать? Мы пойдем в документацию, которая у нас есть, найдем нужный документ, прочитаем его. Если там содержится ответ на наш вопрос — супер. Если нет, то мы пойдем к кому-нибудь из коллег и переспросим, уточним. Если у нас есть RAG, который внедрен в наши процессы, например, какой-нибудь чат, то мы можем просто задать вопрос в том же чате. Система найдет нам нужные документы и даст короткий и понятный ответ на наш вопрос.Виктория Верезубоваруководитель группы машинного обучения X5 Digital
Вопросы аппаратной независимости затронул в своем докладе технический директор Chaitex Дмитрий Шилов. Спикер сделал подробный обзор китайских MetaX, Moore Threads, Iluvatar, Huawei Ascend и Baidu Kunlun, по словам эксперта, уже работающих в российских дата-центрах, оценив их способность справляться с актуальными AI-нагрузками и совокупную стоимость владения при замене NVIDIA. Отдельное внимание было уделено платформе АРКА как способу объединить гетерогенную GPU-инфраструктуру в единый ресурс с унифицированным API и работой в изолированной среде. Ключевой вывод доклада: мультивендорная стратегия сегодня — не временный компромисс, а осознанный путь к независимости от единственного поставщика.
В завершение конференции эксперты дискутировали о будущем разработки; в частности, способен ли вайбкодинг заменить классический системный подход или останется нишевым инструментом для быстрых прототипов. В разговоре приняли участие Technical Solutions Manager компании Veai Константин Волков, системный архитектор SelectOS Никита Староверов, Founding Engineer KodaCode и Lead Data Engineer Лаборатории ИИ «Финам» Дмитрий Попов, а также CDO компании «Аквариус» Егор Шорохов. Модерировала дискуссию руководитель по развитию технологических партнерств Selectel Мария Седельникова.