"Норникель" совместно с Яндексом разработал решение для безопасного ИИ в облаке

Руководителям, которые хотят внедрить генеративный ИИ в производственные процессы, обычно приходится выбирать между скоростью экспериментов и контролем над корпоративными данными. По данным MASHNEWS, «Норникель» совместно с Яндексом разработал облачное решение, рассчитанное на использование ИИ-агентов внутри корпоративного контура, включая сценарии без доступа к интернету. Для рынка SaaS это важный кейс: речь идет не о единичном чат-боте, а о масштабной программе, затрагивающей более 30 производственных и корпоративных процессов.

Гибридная архитектура вместо единого облачного сценария

Как сообщает издание, в проекте используется гибридная архитектура: собственные вычислительные мощности «Норникеля» объединены с инфраструктурой Yandex Cloud. Такой подход позволяет разделить рабочие сценарии и требования к размещению данных, не отказываясь полностью от облачных инструментов.

Отдельно партнеры разработали схему подключения по выделенному каналу без сохранения данных у провайдера. По данным источника, это дает возможность использовать ИИ-агентов внутри корпоративных сетей без выхода в интернет. Для крупной компании такая конструкция важна прежде всего как элемент процесса внедрения: команде не нужно выбирать между полной изоляцией и доступом к облачным возможностям, если конкретный сценарий можно разместить в подходящем сегменте архитектуры.

MASHNEWS также называет «Норникель» первой горно-металлургической компанией, внедрившей большие языковые модели в собственный контур в облаке. Поскольку источник не приводит дополнительных технических характеристик решения, это утверждение корректно воспринимать именно как сообщение издания, а не как независимую оценку отраслевого рынка.

От экспериментов с чат-ботами к агентским системам

Текущий этап программы связан с применением генеративного ИИ для управленческих процессов. По данным MASHNEWS, «Норникель» разрабатывает агентские системы на базе MetalGPT для проектирования, управления капитальными проектами, работы с запасами и финансового контроля. Большие языковые модели интегрируются в том числе в формате чат-ботов, а в тестировании находятся десятки сложных агентских систем и множество персональных ассистентов.

Для бизнеса здесь особенно показателен сам масштаб сценариев. ИИ рассматривается не как отдельный интерфейс для сотрудников, а как слой автоматизации внутри уже существующих процессов — от добычи до поддерживающих функций. В отдельных сценариях, как утверждает источник, длительность задач сокращается с 30 дней до нескольких часов. Однако при оценке такого результата важно заранее зафиксировать, о каких именно задачах идет речь, какие этапы остаются за сотрудниками и как измеряется качество результата. Иначе эффект легко перепутать с ускорением только одного участка процесса.

Следующий этап, согласно публикации, — предоставление ИИ-инструментов офисным сотрудникам. Параллельно компании разрабатывают модуль Yandex AI Studio, который должен позволить создавать простых агентов без специальной подготовки. Для команд цифровизации это потенциально меняет модель онбординга: часть решений смогут собирать не только разработчики, но и владельцы бизнес-процессов. При этом перед запуском стоит определить права доступа, источники данных и границы ответственности пользователя за результат работы агента.

Что проверить компаниям, выбирающим корпоративный ИИ

Этот кейс полезен не готовым универсальным рецептом, а набором вопросов для собственной дорожной карты:

• какие процессы действительно требуют агентской системы, а где достаточно чат-бота;
• какие данные должны оставаться в корпоративном контуре;
• нужен ли конкретному сценарию доступ к интернету;
• можно ли подключить решение по выделенному каналу;
• как будут разделены собственные мощности и облачная инфраструктура;
• кто отвечает за проверку результата и изменение бизнес-процесса;
• какие метрики покажут эффект: время выполнения, стоимость операции, нагрузка на команду или качество управленческого решения.

В компании, где ИИ внедряется сразу в десятки процессов, главный риск связан не только с технологией, но и с масштабированием. Если команда сначала не описала процесс «как есть», не определила владельца и не зафиксировала контрольные точки, даже защищенная инфраструктура не гарантирует нужной эффективности. Поэтому плавное внедрение разумно начинать с ограниченного набора сценариев, где можно сопоставить базовые показатели с результатом после запуска, а затем расширять контур на основании измеримого эффекта.

По данным MASHNEWS, новый подход уже используют банк из топ-10 и крупная горнодобывающая компания. Для остальных участников рынка это пока скорее сигнал к проверке собственных требований к безопасности, архитектуре и ROI, чем повод немедленно переносить подобную модель в свою ИТ-среду.