ИИ в обучении персонала: как внедрить машинное обучение
Какие задачи решает ИИ в корпоративном обучении, пошаговый план внедрения и риски, которые стоит закрыть заранее.
Бизнес · 20 ноября 2026 Читать20 ноября 2026 · чтение ~3 мин · Редакция «ИИ-генератор ответов»
Консалтинговая компания Axenix оценила, сколько российские финансовые организации вложат в ИИ-агентов в 2026 году — и показала, что большинство банков пока использует их лишь для рутинных задач.
19 ноября 2026 года консалтинговая компания Axenix опубликовала исследование «Мультиагентные системы в финансовом секторе: от изолированных пилотов к промышленной операционной автономии». Об этом сообщил CNews. По оценке авторов, в 2026 году российские финансовые организации направят на ИИ-агентов 10–20 млрд рублей: 3,6–6,7 млрд руб. — на покупку готовых вендорских решений, и ещё примерно вдвое больше, 7,2–13,4 млрд руб., — на собственную разработку. Эти цифры не включают инвестиции Сбербанка в собственную генеративную ИИ-платформу — они считаются отдельно.
Практика пока отстаёт от бюджетов. По данным исследования, у Сбербанка в продуктиве работает свыше 900 ИИ-агентов — в кибербезопасности, поддержке клиентов и внутренней разработке. Среди зарубежных примеров авторы приводят бразильский Nubank: там языковые модели обрабатывают около 8,5 млн обращений клиентов в месяц, и на старте разговора ИИ закрывает до 60% запросов без участия человека.
При этом большинство российских банков, по выводам Axenix, пока ограничивается «агентами-помощниками для разработчиков», автоматизацией рутинных операций и чат-ботами первого поколения — то есть зрелые мультиагентные системы, способные самостоятельно вести сложные процессы, в массовом порядке ещё не внедрены.
Авторы исследования ожидают, что зрелые мультиагентные системы в непроцессинговых задачах (аналитика, поддержка, внутренние сервисы) станут нормой к 2028–2029 году. В платёжных операциях — там, где ошибка агента стоит дороже всего, — массового внедрения не ждут раньше 2030 года: регуляторные требования и риск-менеджмент в этой зоне заведомо консервативнее.
Для бизнеса за пределами финансового сектора вывод похожий: ИИ-агенты уже окупают себя в задачах с понятным сценарием и измеримым результатом — обработка обращений, первичная аналитика, рутинные согласования, — а не там, где нужна полная автономность. Если компания планирует заменить агентами не точечные задачи, а целый бизнес-процесс, разумно начинать с пилота на одном контуре и только потом масштабировать. Такой подход лежит в основе автоматизации бизнес процессов компании с помощью ИИ — от аудита текущих операций до внедрения конкретных агентов.