От автоматизации по правилам к AI‑агентам: как меняется логика корпоративных систем
Классическая автоматизация действует по заранее прописанным инструкциям. AI‑агенты работают иначе: они анализируют ситуацию и принимают решения. Как пишет Towards AI, из этого различия вырастает другой взгляд на корпоративные системы. Компании начинают задавать себе уже не вопрос «может ли система выполнить задачу», а другой, более практический: можно ли доверять её решениям.
В материале описан пример одной организации. В 2019 году там использовали RPA‑бота для сопоставления счетов поставщиков. Бот заходил в SAP, считывал номера счетов из общей папки, сопоставлял их с заказами на закупку и помечал ошибки. Всё работало стабильно, пока не изменили интерфейс. Небольшая правка экрана оказалась достаточной, чтобы бот перестал работать. Команде пришлось два дня разбирать счета вручную, пока автоматизацию не починили.
В 2024 году в той же организации применяли AI‑систему для той же задачи. Когда от поставщика пришёл новый формат счета, которого система раньше не видела, процесс не остановился. Модель определила, где в документе находятся нужные данные, сравнила их с другими счетами того же поставщика и сопоставила с оценкой 0.87. При этом необычный формат система отметила для проверки человеком, а не остановила весь процесс.
Автор также описывает, как менялась корпоративная автоматизация.
- Stage 1, rules‑based automation. Системы вроде RPA‑ботов, ETL‑конвейеров, batch‑задач и инструментов workflow исполняют заранее заданные сценарии.
- Stage 2, ML‑augmented automation. В существующий процесс добавляют модель машинного обучения для одного узла принятия решения. Например, это может быть fraud score, прогноз спроса или вероятность оттока.
- Stage 3, orchestrated AI. Несколько моделей, включая языковые и vision‑модели, объединяются в одну цепочку. Например, Azure Logic App вызывает Azure OpenAI для извлечения данных из контракта, передаёт результат в Azure AI Search, затем использует кастомную ML‑модель и отправляет итог через Service Bus в другие системы.
Ключевые факты
В 2019 году организация использовала RPA‑бота в SAP для сопоставления счетов поставщиков с заказами; после небольшого изменения интерфейса процесс остановился, и команде пришлось два дня разбирать счета вручную.
В 2024 году та же задача выполнялась AI‑системой: при новом формате счета модель определила нужные поля и сопоставила данные с оценкой 0.87, пометив документ для проверки человеком.
Stage 1 корпоративной автоматизации включает rules‑based системы, такие как RPA‑боты, ETL‑конвейеры, batch‑задачи и инструменты workflow.
Пример Stage 3 orchestrated AI: Azure Logic App вызывает Azure OpenAI, затем использует Azure AI Search, кастомную ML‑модель и передаёт результат через Service Bus.