Обзор GenAI-платформы SimpleOne: как перестать делать пилоты и начать масштабировать ИИ

Генеративный ИИ всё активнее проникает в корпоративные процессы, но во многих компаниях его продолжают внедрять по-старому — точечными решениями под каждый отдельный кейс. Почему такой подход упирается в потолок и что приходит ему на смену, рассказывает Илья Радченко, директор по платформенным продуктам SimpleOne.

Почему точечные ИИ-решения не работают в enterprise

Генеративный ИИ уже перестал быть экспериментом, его начинают встраивать в настоящие бизнес-процессы. Но от красивого пилота до стабильной промышленной эксплуатации доходит далеко не каждый проект: 95% ИИ-пилотов в компаниях проваливаются, то есть не достигают измеримого ROI.

Если сильно упростить, у компаний сегодня есть два базовых подхода к ИИ‑автоматизации.

Первый путь — точечные решения под каждый сценарий.
Под конкретную задачу — помощь оператору первой линии, разбор счетов, поддержка продаж — берётся отдельный продукт или делается небольшой внутренний проект. В короткой перспективе это даёт быстрый эффект: один процесс ускорился, люди довольны. Но как только таких инициатив становится десятки, начинают всплывать системные проблемы:

• разные стеки и команды под каждый ИИ‑кейс;
• дублирование интеграций с одними и теми же системами;
• разные подходы к доступам, логированию, SLA и поддержке;
• невозможность перетаскивать удачный сценарий из одного блока бизнеса в другой без переписывания.

Второй путь — собирать свою ИИ‑платформу с нуля.
Здесь компания идёт в сторону максимального контроля: берёт open source, конструкторы пайплайнов, оркестраторы моделей, строит всё в своём контуре. На бумаге это выглядит как идеальный вариант, но на практике быстро превращается в тяжёлый инженерный продукт со своей дорожной картой, техдолгом, зависимостью от разработчиков и высоким порогом входа для бизнес‑подразделений.

И тот и другой подход упираются в одни и те же ограничения:

• Давление на скорость результата. Бизнесу нужен эффект за недели и месяцы, а не через год после длинного внедрения или внутренней стройки;
• Зависимость от вендора или нарастающий техдолг. Вендорский продукт плохо гнётся под живые процессы, самописная платформа со временем начинает есть всё больше ресурсов;
• Безопасность enterprise‑уровня. Надо одновременно контролировать данные, действия моделей, доступы и аудит, плюс укладываться в требования по персональным данным — задним числом это не прикручивается;
• Жёсткая привязка к LLM‑провайдеру. Модели, тарифы и политики меняются быстрее, чем успевает перестраиваться ИТ‑ландшафт, и любое негибкое решение рискует быстро устареть.

Третий путь — единая GenAI‑платформа.
Вместо того чтобы множить точечные решения или собирать свой зоопарк инструментов, компания опирается на инфраструктурный слой, в котором:

• разные подразделения могут собирать свои ИИ‑сценарии на общих строительных блоках;
• безопасность, доступы и аудит решены один раз на уровне платформы;
• интеграции и корпоративная память переиспользуются между кейсами;
• есть свобода переключаться между LLM‑провайдерами без слома процессов.

В этой статье обсуждаем, как эту роль исполняет GenAI‑платформа SimpleOne: она позволяет оставлять инициативу на уровне команд и бизнес‑процессов, но при этом держать всё в едином управляемом контуре, а не в наборе несвязанных ИИ‑пилотов.

Как применять

Ценность GenAI‑платформы проявляется в том, как меняется повседневная работа команд. Ниже — три сценария, которые можно реализовать на базе SimpleOne.

ИТ-поддержка: от классификации заявок до агентной аналитики инцидентов

В классическом сервис‑деске много времени уходит на рутину: разобрать заявку, найти статью в базе знаний, перекинуть запрос в нужную очередь, сбросить пароль. ИИ‑помощник в ITSM‑контуре SimpleOne закрывает эту часть без участия оператора: определяет тип обращения, подбирает релевантный ответ из корпоративной базы знаний через RAG и при необходимости сам выполняет технические действия — например, инициирует сброс пароля через интеграцию с Active Directory. Для пользователя это выглядит как обычный чат с поддержкой; для ИТ‑службы — как сокращение очереди и серьёзная разгрузка первой линии.

Следующий уровень — ИИ‑агент, например, для аналитики инцидентов. Его задача — не просто ответить на вопрос, а пройти цепочку действий. Получив сигнал о сбое, агент сам собирает данные из нескольких источников: историю аналогичных инцидентов, журналы мониторинга, конфигурационную базу. Дальше он анализирует закономерности, формулирует вероятную корневую причину и создаёт задачу на команду с уже заполненным контекстом. Дежурный инженер видит не поток сырых алертов, а структурированный вывод с рекомендациями и может тратить время на устранение проблемы, не на сбор информации.

Финансы: обработка счёта за 2 минуты вместо 15

Согласование входящих счетов остаётся одной из самых энергозатратных операций: получить документ, вытащить реквизиты, сверить с заказом, отправить на согласование, поставить на оплату. В SimpleOne этот цикл собирается из трёх компонентов. OCR распознаёт скан или PDF счёта. Smart Filling автоматически заполняет поля карточки — номер, дату, сумму, контрагента, статью затрат. Затем включается workflow согласования с маршрутизацией по правилам: лимит суммы, тип расхода, ответственный. В результате время обработки одного счёта сокращается примерно с 15 до 2 минут — без доработок ERP и без масштабного переобучения сотрудников.

Продажи: от звонка до заполненной CRM

В продажах одна из самых болезненных тем — заполнение CRM вручную после переговоров. Менеджер провёл встречу или звонок, а потом 20–30 минут переносит из головы в систему: что обсуждали, какие договорённости, какие следующие шаги. ИИ‑помощник SimpleOne встраивается прямо в этот процесс: расшифровывает запись звонка, вытаскивает ключевые сущности — контакт, потребность, возражения, итог — и автоматически заполняет карточку сделки в CRM. Менеджеру остаётся быстро проверить результат и при необходимости что‑то подправить. Время экономится, а качество данных в системе растёт: карточки становятся полными и актуальными.

SimpleOne GenAI Platform: архитектура и ключевые компоненты

Все описанные выше сценарии работают не как набор разрозненных модулей, а как единая система. Дело в том, что GenAI‑функциональность встроена прямо в платформу SimpleOne, которая уже объединяет Low‑code инструменты разработки, ESM‑слой (Enterprise Service Management) и готовые бизнес-приложения — ITSM, HR, продажи.

Технологический фундамент

RAG и корпоративная память. Языковые модели из коробки ничего не знают о том, как именно устроена конкретная компания: её процессы, базы знаний, CMDB, регламенты. RAG‑подход (Retrieval‑Augmented Generation) даёт модели возможность узнать всё нужное. Перед обращением к модели платформа ищет релевантные фрагменты в корпоративном хранилище — статьи БЗ, инструкции, историю обращений, записи о конфигурации — и передаёт их в запрос как контекст. В итоге ИИ отвечает в рамках фактов и правил, которые действуют внутри организации. Важно, что эта корпоративная память живёт в самой SimpleOne, без выгрузки данных во внешние SaaS‑сервисы.

Оркестрация моделей через Nexus. Вторая опора — работа с разными LLM без жёсткой привязки к одному провайдеру. За это отвечает компонент Nexus: он даёт единый endpoint для приложений и агентов, сам решает, к какой модели отправить запрос, и позволяет подключать несколько провайдеров параллельно — от публичных API до развёрнутых on‑prem решений. Когда меняются цены, политика безопасности или просто выходит более подходящая модель, бизнес-процессы и сценарии переписывать не нужно: меняется конфигурация Nexus, а не логика workflow. За оркестрацию моделей отвечает наш технологический партнёр Ainergy.

Универсальные инструменты

GenAI‑платформа SimpleOne предоставляет два типа ИИ‑сущностей, которые можно использовать как по отдельности, так и вместе: готовые ИИ‑инструменты и кастомные ИИ‑агенты.

Готовые ИИ‑инструменты и сервисы — это базовые «кирпичики» под конкретные задачи, которые можно напрямую встраивать в процессы. В коробке доступны инструменты для типичных операций с данными и текстом: OCR для распознавания документов, Smart Filling для автозаполнения форм, классификация, суммаризация, генерация текстов, семантический поиск. Такие инструменты настраиваются один раз для класса задач и затем переиспользуются в разных сценариях без необходимости писать код или запускать отдельный интеграционный проект.

Конструктор workflow и ИИ‑действия. Все ИИ‑компоненты — в том числе инструменты и агенты — доступны внутри визуального конструктора рабочих процессов. В нём ИИ‑действия используются как отдельные шаги: можно задать входные данные, условия запуска, ветвление и последующие действия. Типичный пример процесса: «счёт пришёл на почту → OCR → Smart Filling → согласование по правилам → постановка на оплату». Такой сценарий собирается из готовых блоков за несколько часов и не требует постоянного участия разработчиков.

Конструктор ИИ‑агентов. ИИ‑агент в SimpleOne — это не просто сценарный чат‑бот, а компонент, который может самостоятельно выбирать последовательность действий в зависимости от контекста. В отличие от жёстко заданного workflow, агент работает как адаптивный исполнитель внутри процесса или пользовательского сценария. Агент состоит из:

• самого агента — слой, который на базе LLM принимает решения, что делать дальше;
• адаптера — отвечает за подключение конкретной модели через Nexus;
• методов — атомарные операции над сущностями платформы (например, создать заявку, обновить карточку, прочитать запись);
• инструментов — внешние интеграции, в том числе по Model Context Protocol (MCP), когда агенту нужно выйти за пределы SimpleOne.

Такой агент может жить почти в любом месте платформы: на портале самообслуживания, внутри процесса согласования, в интеграционном сценарии с внешней системой. Везде, где простой набор «если‑то» уже не справляется, а нужен участник процесса, который умеет подстраиваться под контекст.

Диалоговый интерфейс для создания агентов. Агент, у которого есть методы для работы с платформенными сущностями, может создать конфигурацию нового агента прямо из диалога: пользователь описывает задачу, ассистент собирает агента под неё. Это следствие общей архитектуры: агент работает с сущностями платформы через методы — и сущность агента здесь не исключение.

Безопасность и соответствие требованиям

Когда речь заходит о GenAI в больших компаниях, первый серьёзный вопрос звучит не про качество ответов, а про управляемость: кто именно и что может делать с помощью ИИ, как это фиксируется и что потом показывать аудиторам и регуляторам. В SimpleOne эти вещи заложены в архитектуру платформы, а не навешаны сверху отдельными плагинами.

Управление доступом и аудит. Любое ИИ‑действие — запрос к модели, вызов инструмента, шаг агента в процессе — выполняется в рамках ролевой модели платформы (RBAC). Агент физически не может прочитать данные или запустить операцию, если это ему не разрешено. Параллельно платформа пишет подробный лог: промпт, ответ модели, расход токенов, ID пользователя, время, контекст выполнения. Это помогает и расследовать инциденты, и вести учёт стоимости ИИ‑сценариев в разрезе команд и процессов.

Развёртывание внутри периметра. Для компаний с чувствительными данными — персональные данные сотрудников, финансовая отчётность, медицина, госсектор — принципиально важно, чтобы данные не утекали в облака сторонних вендоров. В SimpleOne GenAI‑компоненты могут развёртываться полностью on‑prem: RAG‑цепочка, работа моделей и интеграции происходят внутри инфраструктуры заказчика. Это существенно снимает барьеры для тех, кто по соображениям безопасности или по закону не может использовать публичные GenAI‑сервисы.

Работа в рамках регуляторной повестки. GenAI сейчас попадает в фокус сразу нескольких наборов требований: от EU AI Act и NIST AI RMF до ISO/IEC 42001 и национального законодательства о персональных данных. Платформа изначально проектировалась с учётом этих рамок: есть средства журналирования, управления доступом, контроля жизненного цикла моделей и их версий. За счёт этого компания может не только «формально соответствовать», но и внятно показать на проверке, какие решения принимались с участием ИИ, на каких данных и по каким правилам.

Вывод

Точечные ИИ‑решения действительно умеют быстро приносить пользу в рамках одного процесса, но плохо складываются в цельную картину: под каждый новый сценарий приходится тащить новый инструмент, городить отдельную интеграцию и придумывать свой контур безопасности. Платформенный подход меняет эту логику: вместо россыпи пилотов появляется единая среда, где ИИ‑автоматизация собирается, запускается и масштабируется по одинаковым правилам.

GenAI‑платформа SimpleOne помогает перейти от одного успешного кейса к системной работе с ИИ по всей компании. Инструменты, агенты и процессы живут в одном пространстве, подчиняются общей ролевой модели и оставляют полный след для аудита. В таком формате ИИ перестаёт быть экспериментом и становится нормальной управляемой функцией бизнеса.