Интерес российского бизнеса к CRM- и ERP-системам с интеграцией искусственного интеллекта за последний год вырос в два-три раза. Количество поисковых запросов «Битрикс24 ИИ» увеличилось на 600%, «CRM с нейросетью» — на 550%, «ИИ в 1С» — на 85%. При этом, по данным исследования «СберАналитики» и «Сбер Бизнес Софт», 39% российских организаций уже используют ИИ-агентов и ассистентов для автоматизации документооборота, финансов и HR. Однако в ERP-системы ИИ только начинает проникать. Чаще всего это пока отдельные подсистемы-сателлиты, которые интегрированы с ERP. Почему так происходит и как правильно встраивать интеллектуальные модули в уже работающие корпоративные приложения?
Рынок созрел, но внедрения с ИИ точечные
Объем российского рынка ERP-систем по итогам 2025 года оценивается примерно в 100 млрд. рублей и продолжает плавно расти. При этом интерес к использованию встроенных ИИ-инструментов в корпоративных системах огромный. Но пока еще процент компаний, реально применяющих ИИ в ERP, остается небольшим. Сейчас начинают появляться ИИ-сервисы, которые могут встраиваться по API в ERP-системы.
Но прежде чем браться за внедрение, компаниям предстоит ответить на несколько принципиальных вопросов.
Где ИИ действительно полезен
Искусственный интеллект эффективен там, где есть большие объемы данных или текста, много рутины, необходимы прогнозы, поиск аномалий или важен интерфейс для сотрудников на естественном языке. В корпоративных системах таких точек множество. Распознавание и обработка первичных документов — сканов и фотографий счетов, накладных, актов. ИИ позволяет заводить их в систему с автоматическим формированием документов. Сегодня такие проекты могут быть реализованы буквально в течение месяца.
Еще один вектор — прогнозирование спроса, закупок, производства и движения денежных средств на основе исторических данных. Контроль качества данных: выявление дублей, ошибок ввода, выбросов и аномалий. Копилоты и запросы к данным на естественном языке — например, в формате: «Покажи маржу по региону за квартал».
Также ИИ хорошо разгружает направление ИТ-поддержки и развития ERP-систем. Может заниматься классификацией и маршрутизацией обращений, next-best-action в CRM, автоподготовка проектов ответов в Service Desk. Успешно справляется с генерацией драфтов писем, коммерческих предложений, документации. И, наконец, это помощь разработчикам и эксплуатационным командам: ассистенты кода, разбор логов, ИИ ServiceDesk.
Три уровня встраивания ИИ: над, внутри и под
Встраивать ИИ в существующие системы можно тремя способами, и каждый имеет свою логику.
Слой над системой — копилоты, запросы на естественном языке, аналитика. Этот подход не затрагивает ядро системы, внедряется быстро и безопасно, поэтому считается отличной точкой старта ИИ-трансформации.
Сервисы внутри или рядом с системой — распознавание, прогнозирование, классификация. Подключаются через вызовы API и расширения. Именно здесь ИИ встраивается непосредственно в прикладные модули ERP, CRM, MES, Workflow.
Слой под системой — данные, СУБД, инфраструктура. Эффективен для разбора логов, мониторинга и контроля качества данных. Например, ИИ может за считанные минуты написать скрипт парсинга сотен гигабайт технологических логов и выявить причины сбоев и медленных запросов. За день интенсивной работы можно получить 100 Гб текста в формате логов. Даже профильный специалист будет разбирать такой объем вручную несколько дней, а ИИ выдает результат для оценки эксперта за минуты.
Заменять или достраивать — и когда все-таки заменять?
У многих компаний возникает соблазн: не мучиться с интеграцией, а просто заменить старую систему на AI-native решение следующего поколения. Однако опыт показывает, что это самый дорогой, долгий и рискованный путь.
При таком подходе «выбрасываются» годы настройки процессов, интеграции, накопленные данные и доверие пользователей. Сам по себе ИИ почти никогда не оправдывает полную замену. В коробочных решениях он как правило, универсален и не заточен под данные и процессы конкретного предприятия. Данные все равно придется мигрировать, процессы настраивать, а людей — переучивать. Полная замена оправданна лишь в нескольких ситуациях: система зашла в тупик по развитию, вендор ушел с рынка, а технологический стек нежизнеспособен. Во всех остальных случаях разумнее достраивать — дополнять текущую систему зрелыми проверенными компонентами, например сервисами «1С», GigaChat, YandexGPT, и настраивать их под контекст конкретного бизнеса.
Главный принцип: не навреди
Ключевое правило встраивания ИИ в традиционные бизнес-приложения — подключение интеллектуальных модулей как изолированного сервиса. Отказ или деградация модели не должны влиять на действующую основную систему. Обязательны резервный сценарий на случай отказа ИИ, сотрудник в контуре для критичных действий. Особенно это важно там, где ИИ касается цифр. Генеративные модели вероятностны и могут ошибаться правдоподобно. В черновике письма или в кратком пересказе такая ошибка стоит недорого и легко правится человеком, а в проводке или налоговом регистре — это уже последствия для отчетности перед ФНС и СФР. Именно поэтому в регламентированном контуре ИИ остается ассистентом: он распознает, предлагает, заполняет черновик, но официальную учетную запись формирует проверенный механизм системы, а критичное действие подтверждает человек. Каждое действие модели должно быть прослеживаемым — какая версия, на каких данных, кто подтвердил результат, — иначе аудитор не восстановит происхождение цифры. ИИ готовит цифру, но отвечает за нее система и человек.
Еще один важный аспект — безопасность данных. После 2022 года большинство крупных заказчиков стремятся развертывать ИИ-модели внутри собственного контура. Клиенты не готовы отдавать данные за пределы компании. Поэтому стараются делать так называемые ПАКи. Оборудование, операционная система и модель ставятся внутрь компании, и к ним через API добавляются необходимые ИИ-сервисы.
С чего начать: рекомендации для ИT-директоров
Первое и самое важное — посчитать экономику. Внедрение ИИ должно быть дешевле, чем решение задачи силами сотрудников, или приносить измеримый бизнес-эффект. Второе — выбрать пилотный проект с быстрой окупаемостью. Лучшие кандидаты для первых экспериментов — распознавание первичных документов, копилот для отчетности, ИИ Service Desk для первой линии поддержки. Третье — обеспечить изоляцию ИИ-сервиса от критического ядра системы. Четвертое — подготовить резервные сценарии: если ИИ не справляется, процесс должен продолжаться в ручном режиме. И пятое — не пытаться внедрить ИИ повсеместно. В системе нужно найти место, где ИИ применим и экономически обоснован, а также бизнес готов к его внедрению. Это поможет добиться первых побед для выделения инвестиций на новые кейсы.
Искусственный интеллект в ERP — это не хайп, а инструмент, который уже сегодня помогает снижать стоимость владения системами, ускорять разработку и эксплуатацию, а главное — создавать новую ценность для бизнеса. Но как и любой инструмент, он требует вдумчивого подхода. Начинать стоит с малого: копилоты, распознавание документов, прогнозирование. Постепенно наращивать компетенции и масштабировать успешные практики. И главное — помнить: ИИ должен работать на бизнес, а не бизнес — на ИИ.
