"Если ты не измеряешь объект, на котором рассчитываешь получить эффект, ты никогда не определишь, произошёл эффект или нет. Вопрос не в искусственном интеллекте на самом деле. Если ты умеешь измерять свои процессы с точки зрения стоимости, качества, времени — ты можешь ответить на вопрос про эффекты. Метрики — это важнейшая вещь, которая не позволяет "лоскутному одеялу ИИ расползаться", когда каждый сделал инновацию без оглядки на то, зачем это нужно", — заявил Дмитрий Маркосьянц.

Ключевым условием масштабирования ИИ в организации, по словам спикера, является сочетание единой платформы и единых правил игры с децентрализацией разработки. Д. Маркосьянц предостерег от двух крайностей: "партизанщины", когда каждое подразделение "что-то крутит на своей непонятной инфраструктуре", и "колодца" — жесткой централизации, где вся организация выстраивается в очередь за AI-решениями. "Централизованное управление — локальная реализация. Мы отдаём инструменты в подразделения. Нельзя превращать AI-платформу в колодец", — пояснил он, развивая тезис, который ранее детализировал на конференции IT Ось 2026: трёхслойная архитектура (менеджер канала, агенты-эксперты в доменах, агенты-специалисты от юнитов) и принцип, что "каждый юнит может сделать своего агента для внутренней продуктивности, не завися от других".

Среди зон, где узкопрофильные ИИ-агенты уже дают измеримый эффект, Дмитрий Маркосьянц выделил подготовку сотрудников контакт-центра (доступ к системам знаний, напоминание регламентов, формулировка ответов), интерпретацию банковских документов и неструктурированных текстов, а также анализ цифрового следа — чатов, голосовых обращений, логов, где LLM эффективно структурируют большие объёмы данных. При этом он подчеркнул: попытка создать "одного очень умного агента для HR" — тупиковая ветка. Нужно делать много узкопрофильных агентов и сразу строить мультиагентную инфраструктуру, чтобы агенты могли общаться друг с другом. Это обеспечивает масштабируемость на всю организацию.

Совокупный экономический эффект от внедрения технологий искусственного интеллекта в ОТП Банке по итогам 2025 года превысил 1 миллиард 30 миллионов рублей. В банке подчеркивают, что не используют универсальные формулы расчета возврата инвестиций, оценивая результаты комплексно — через сочетание количественных и качественных метрик, включая рост производительности, сокращение операционных рисков, снижение cost to serve и улучшение клиентского опыта (NPS). При этом самые большие эффекты лежат в ростовом домене, где LLM конвертирует знание о клиенте в продажи и удержание.

"Дело не в том, где агенты себя хорошо показывают. Дело в том, насколько они встроены в организацию. Чтобы агентная экосистема заработала, каждая часть организации должна иметь возможность сделать своего агента для внутренней продуктивности, не завися при этом в производственном процессе от другого", — резюмировал Дмитрий Маркосьянц.