На первом дне AI Expo 2026, прошедшей параллельно с AI & Big Data Expo и Intelligent Automation Conference, ключевой темой стали ИИ-помощники вроде цифровых коллег. Технические доклады сосредоточились на инфраструктуре, которая делает такие системы реальностью.
На стендах активно обсуждали сдвиг от простых автоматизаций к "агентным" системам. Эти инструменты сами анализируют задачи, строят планы и выполняют их, а не просто следуют скриптам. Amal Makwana из Citi объяснил, как такие агенты работают в корпоративных процессах. Это отличает их от традиционной роботизированной автоматизации процессов (RPA).
Scott Ivell и Ire Adewolu из DeepL назвали этот прогресс преодолением "пробела в автоматизации". По их словам, агентный ИИ становится настоящим цифровым коллегой, а не обычным инструментом. Истинная польза возникает, когда расстояние между замыслом и результатом минимально. Brian Halpin из SS&C Blue Prism добавил, что компании обычно осваивают базовую автоматизацию, прежде чем переходить к агентам.
Такой переход требует надежных механизмов управления, способных справляться с непредсказуемыми результатами. Steve Holyer из Informatica вместе с представителями MuleSoft и Salesforce подчеркнул необходимость жесткого контроля. Слой управления должен регулировать доступ агентов к данным и их использование, чтобы избежать сбоев.
Качество данных мешает внедрению
Результаты автономных систем зависят от входных данных. Andreas Krause из SAP отметил, что без надежных и связанных корпоративных данных ИИ не сработает. Генеративному ИИ в бизнесе нужны точные и релевантные данные.
Meni Meller из Gigaspaces рассказал о борьбе с "галлюцинациями" больших языковых моделей (LLM). Он предложил eRAG (retrieval-augmented generation) в сочетании с семантическими слоями для решения проблем доступа к данным. Так модели получают актуальные корпоративные факты в реальном времени.
Хранение и анализ данных тоже создают трудности. На панели с участием Equifax, British Gas и Centrica обсудили важность облачных аналитических систем с обработкой в реальном времени. Для этих компаний преимущество дает возможность масштабировать и запускать аналитику мгновенно.
Безопасность в физическом мире и наблюдаемость
ИИ проникает в реальные пространства, принося новые риски помимо софтовых ошибок. Панель с Edith-Clare Hall из ARIA и Matthew Howard из IEEE RAS разобрала развертывание embodied AI на заводах, в офисах и общественных местах. Протоколы безопасности нужно внедрять до контакта роботов с людьми.
Perla Maiolino из Oxford Robotics Institute поделилась техническими деталями. Ее работы по сенсорам Time-of-Flight (ToF) и электронной коже дают роботам осознание себя и окружения. В производстве и логистике такие системы предотвращают инциденты.
В разработке софта наблюдаемость играет похожую роль. Yulia Samoylova из Datadog показала, как ИИ меняет создание и отладку кода. Чем автономнее системы, тем важнее отслеживать их внутренние состояния и логику для стабильности.
Инфраструктура и препятствия для внедрения
Для запуска нужны крепкая инфраструктура и подходящая корпоративная культура. Julian Skeels из Expereo настаивал, что сети должны заточены под ИИ-задачи. Речь о суверенных, защищенных и круглосуточных сетевых тканях с высокой пропускной способностью.
Людской фактор остается сложным. Paul Fermor из IBM Automation предупредил, что привычные взгляды на автоматизацию недооценивают трудности с ИИ. Он назвал это "иллюзией готовности к ИИ". Jena Miller согласилась: стратегии должны учитывать людей, иначе инструменты не приживутся и не принесут отдачи.
Ravi Jay из Sanofi посоветовал руководителям рано задавать вопросы по операциям и этике. Успех зависит от выбора: строить свои решения или покупать готовые платформы.
Доклады первого дня показывают: технологии движутся к автономным агентам, но запуск требует прочной базы данных.
Руководителям IT стоит сосредоточиться на механизмах управления данными для retrieval-augmented generation. Нужно проверить сети на поддержку низкой задержки для агентных задач. Параллельно развивать культуру принятия технологий.