Как внедрять AI-агентов в бизнес-процессы в 2026 году: опыт Rocket Tech

В 2025 году компании всех масштабов пробовали тестировать языковые модели (LLM) и AI-агентов. В 2026 году за пилотами последуют точечные внедрения для ощутимого бизнес-эффекта. Казахстанский рынок тоже созрел: успешные кейсы появляются в финтехе, ритейле, логистике и медиа.  

Как сократить время и ресурсы на эксперименты с ИИ и получить от них измеримый результат, поделились специалисты из ИТ-компании Rocket Tech. 

ИИ хотят все, но до реального эффекта доходят единицы

Согласно отчету Массачусетского технологического института, компании чаще начинают эксперименты с базовых инструментов вроде Chat GPT и Copilot, но 95% пилотов не доходят до масштабирования. В то же время консалтинговая компания McKinsey отмечает, что в случае успеха эффект от внедрения AI-систем может достигать 20–60% роста производительности и существенного сокращения затрат. При этом недооцененными остаются такие направления, как бэк-офис, а также использование нишевых AI-решений.

«Работая в ИТ, нам нужно всегда быть на острие, а без AI мы рисковали начать “стареть”, как некогда кнопочная Nokia. Если не использовать ИИ как базу в разработке и операционке, можно потерять в скорости. Поэтому мы сознательно начали внедрять AI во внутренних процессах и в проектах клиентов», — объясняет сооснователь Rocket Tech Роман Надеин.

Чем занимается AI-подразделение в Rocket Tech?

В 2025 году Rocket Tech запустила несколько AI-сервисов на базе модели GPT-4o. Она превзошла GPT-5 в соотношении цены и качества ответов. Также в компании начали внедрять технологию поисковой дополненной генерации – Retrieval Augmented Generation (RAG). Благодаря ей LLM использует только документы компании. При этом система автоматически обезличивает чувствительные данные, исключая риск их утечки. 

Первым успешным проектом в компании стал чат-бот Wiki, обученный на внутренней базе знаний. С его помощью любой сотрудник за секунды получает понятный ответ на свой запрос – от шаблона отпуска до регламента управления проектами. По тому же принципу работники колл-центров, служб поддержки и других отделов могут быстрее отрабатывать запросы клиентов за счет оперативного поиска.

Пример автоматического поиска шаблонов документов

Также на основе RAG в Rocket Tech запустили несколько пилотных проектов, включая AI-агентов для разработки:

• Агент для тест-кейсов в Jira – раньше менеджеры и тестировщики вручную прописывали десятки пунктов: что и в какой последовательности проверять, какие сценарии важно учесть и т.д. Теперь ИИ сам формирует такие списки на основе ТЗ.

Пример готовых карточек от AI-агента в формате плагина для Jira. Получив задачу в виде текста или аудио, он пишет тест-кейсы и генерирует готовые карточки

• Агент для онбординга разработчиков – прямо в рабочей среде объясняет, что делает тот или иной кусок кода, подсказывает связи между модулями и отвечает на вопросы. 
• Агент для составления юнит-тестов – пишет их поверх готового кода для проверки функциональной работы модулей, что значительно повышает качество продукта.

Где точно нужна ИИ-автоматизация?

Ключевой критерий для внедрения ИИ-решений – наличие однотипных, повторяющихся задач с понятным процессом. Например, согласование договоров, где каждый участник проверяет документ, опираясь на четкий регламент. Зная его, AI-агент быстрее сверит документы с нормативами, подсветит риски и предложит правки. Финальное решение остается за ответственным специалистом. 

«В любом проекте наша главная цель – быстро проверить гипотезу и показать реальный эффект. Поэтому сначала делаем небольшой пилот и смотрим, дает ли он нужный результат. Если “сырое” решение уже закрывает потребность, превращаем его в полноценный продукт с интерфейсом, источниками данных и системой безопасности. Такой подход дает маленькие, но масштабируемые AI-решения с измеримой пользой для бизнеса», — объясняет Роман Надеин. 

Кейс 1. Интеллектуальный поиск по корпоративным регламентам

Когда компания управляет сотнями документов, поиск нужной информации может занимать много времени у сотрудников. Для крупного казахстанского дистрибьютора эта проблема стала системной, особенно в работе с объемными корпоративными инструкциями, где много таблиц, цифр и регламентов.

В качестве решения Rocket Tech предложила построить интеллектуальный поиск на базе RAG с диалоговым доступом через Telegram. Теперь сотрудник пишет в чат вопрос, а бот за секунду находит нужные фрагменты документации со ссылкой на источник.

Пример создания векторной базы знаний для проекта на основе RAG

Для этого разработчики перевели всю документацию в векторную базу знаний, где информация упакована в смысловые блоки и индексируется в формате, понятном LLM. Запрос сотрудника система тоже преобразует в вектор и ищет наиболее близкие по смыслу фрагменты. Повысить точность ответов помог гибридный поиск по смыслу и совпадениям. По оценке команды, такой подход повысил качество ответов примерно на 40%.

Кейс 2. AI-агент по оценке проектов на этапе presale 

Чтобы сделать первичную оценку проекта, бизнес-аналитикам нужно узнать сроки выполнения и другую важную информацию у разработчиков и тимлидов. Ту же часть работы теперь выполняет AI-агент. Достаточно отправить боту промт с ТЗ, и он рассчитает объем часов, бюджет, план работ, состав команды и т.д. Аналитику остается уточнить детали и внести корректировки.  

Пример использования бота для оценки проектов на этапе presale

Такой AI-агент может работать практически в любой компании, которая регулярно оценивает проекты: ИТ-подрядчики, digital-агентства, консалтинг, интеграторы, продуктовые команды.

Кейс 3. Event-бот для автоматизации регистрации

Организаторы офлайн-мероприятий часто сталкиваются с однотипными проблемами, будь то очереди на регистрации, поиск участников по Excel-таблице и т.д. Event-бот автоматизируют большую часть рутины: участник регистрируется через Telegram, получает напоминания о мероприятии, а на входе проходит по QR-коду – без списков и ручной проверки. После мероприятия бот сам отправляет нужному человеку именные сертификаты и материалы.

«Разница в работе колоссальная. Без бота нам бы понадобилось больше людей и в 3–4 раза больше времени. К примеру, у нас сертификат приходит сразу после запроса в Telegram-чате, а на другой конференции, где организаторы все делали вручную, мы получили их только через полторы недели», — отмечает директор по маркетингу в Rocket Tech Ольга Панферова.

Кейс 4. AI-агент для телеграм-канала 

Если компании нужно регулярно публиковать контент, например, посты или новости в соцсетях, но держать команду копирайтеров затратно, можно использовать для этого AI-агента. В Rocket Tech под эти потребности создали AI-агента с настроенным tone of voice. Он принимает любые «сырые» материалы, включая голосовые заметки, ссылки, документы, и превращает их в черновики текстов в едином стиле. Редактор проверяет результат и дорабатывает финальную версию.

«Наш объем рерайта и оригинального контента требует отдельного сотрудника. Такой AI-агент экономит нам ресурсы и может решать схожие задачи для разного бизнеса, который регулярно создает контент. Например, в ритейле, B2B, образовании и т.д.», — считает Ольга Панферова.

Что стоит учитывать при внедрении AI в бизнес-процессы в 2026 году?

Следующим этапом AI-трансформации в Rocket Tech рассматривают переход от автоматизации отдельных задач к полуавтономной разработке. На каждом участке будет свой агент под конкретную роль, что поможет разгрузить сотрудников от рутины в пользу более сложных и креативных задач. 

«ИИ начинает приносить пользу только тогда, когда инструмент соответствует уровню компетенций команды. Если дать джуниору решение, рассчитанное на сеньора, эффективность не вырастет – он просто не сможет корректно интерпретировать результат. Поэтому под каждый уровень экспертизы нужны свои AI-сценарии работы», — подчеркивает сооснователь Rocket Tech Олег Качалин.

При внедрении ИИ специалист обращает внимание на три аспекта:

 1. Качество данных

ИИ-решение не заработает, если «скормить» ему разрозненную или устаревшую информацию. На этапе запуска нужно закладывать чистку, структурирование и актуализацию данных, иначе модель будет красиво формулировать неправильные ответы.

 2. Работа с людьми и регламентами

Инструмент должен стать частью официального процесса. Если просто выдать AI-сервис сотрудникам, использовать его не будут. Нужны обучение, поддержка руководителей и понятные правила, где AI – это обязательный шаг.

3. Изменение рабочих процессов

ИИ не просто ускоряет рутину, но и создает новые этапы работы. То, что раньше сотрудники делали вручную, теперь генерируют агенты, а их ответы нужно проверять и дорабатывать. Процесс меняется, но после адаптации возвращаться к привычной рутине никто уже не хочет. Главное – заложить время на освоение нового инструмента. 

Пример использования AI-агента в рабочих процессах

Как показывает опыт Rocket Tech, тестирование гипотез и запуск пилотных AI-проектов – естественный этап автоматизации бизнеса. Чтобы внедрение любых новых инструментов принесло пользу, компании важно четко понимать свои боли, изучать кейсы на рынке и закладывать время на адаптацию к изменениям. ИИ не меняет бизнес-процесс за один день, но там, где подход системный и осознанный, результат не заставит себя долго ждать.