Почему без порядка в данных ИИ-агенты бесполезны: разбор на примерах

Компании всё чаще говорят о переходе от «умных ассистентов» к автономным ИИ-агентам, которые сами выполняют цепочки задач. Но на практике выясняется: главный барьер — не модель, а данные. Без порядка в документах и доступах агент просто не может работать.

Что показали цифры

По данным McKinsey (исследование The state of AI in 2026), значимый эффект от ИИ — не менее 5% EBIT — получают лишь 6% компаний, и за год эта доля не изменилась. Одна из ключевых причин — данные: по оценке Gartner, 63% организаций не имеют подходящих практик управления данными для ИИ или не уверены, что они есть. А до конца 2026 года компании откажутся от 60% ИИ-проектов, под которые не подготовлены данные.

При этом большая часть корпоративной информации не структурирована и лежит в почте, мессенджерах и на личных компьютерах сотрудников. Найти документ ещё не значит, что он пригоден для работы агента.

Три требования к данным

На конференции «Авандок.Пульс» 14 октября эксперты сформулировали три условия к слою данных, до которого вообще стоит допускать ИИ-агента:

выдерживать рост объёмов без деградации поиска;
строго соблюдать права доступа — ошибка, которая покажет человеку пару лишних документов, агенту откроет всё;
содержать семантический слой — связи между сущностями, которые у каждой компании свои.

Первые два требования технические и решаемые. Третье пока размечают вручную: предельная автоматизация, которая уже работает, — когда система сама раскладывает файлы по папкам и расставляет теги. По сути, все три требования предъявляются не к модели, а к системе, в которой живут документы. Подробности на сайте TAdviser.

Как это выглядит на практике

«Ростелеком» перевёл 120 тысяч сотрудников и 300 млн документов на отечественную платформу без остановки работы: релизы, которые раньше выходили раз в квартал, теперь выходят раз в две недели. Один из крупнейших банков РФ мигрировал электронный архив, который велся с середины 2000-х, — сегодня это больше 2 млрд документов и около 1200 терабайт файлового хранилища; миграция заняла полтора года.

В РЖД с данными работают девять тысяч аналитиков, а в корпоративных системах накоплено почти 50 млн показателей. Один и тот же показатель в разных отчётах разошёлся на 20%, потому что считался по-разному. Это и стало поводом строить отдельный репозиторий метаданных: без единого глоссария бизнес-терминов ни один агент не поймёт, какая из двух цифр правильная.

Показательный пример: в одной из компаний всё знание о статусе конкретной отгрузки хранилось не в учётной системе, а в голове одного сотрудника, который сверял почту, переписку и три разные базы вручную. Для ИИ такого «фундамента» не существует — агенту нечего читать, если знание нигде не записано формально.

Что это значит

Для регулируемых отраслей добавляются ещё два условия: весь контур — от хранилища до модели — должен работать внутри периметра компании, без передачи данных во внешние сервисы, а каждое обращение агента к данным должно оставлять след для службы безопасности, аудитора или регулятора. Поэтому платформы управления корпоративным контентом перестают быть просто электронным архивом и становятся фундаментом для ИИ: именно в них хранятся права доступа, метаданные, версии и связи между документами.

Если вы хотите разобраться, как устроен путь от порядка в данных к цифровым сотрудникам и что это значит для вашей работы, узнайте больше.

📌 Чтобы не пропустить новые публикации, подписывайтесь там, где вам удобнее: Дзен или MAX.

💛 Если статья оказалась полезной, поддержите автора донатом.

Материал подготовлен на основе информации из открытых источников. Все права на исходные материалы принадлежат их авторам. Если вы являетесь правообладателем и возражаете против использования, свяжитесь с нами по адресу info@11st.press.