Интересное
Операционная эффективность. Как цифровые сотрудники меняют бизнес-процессы
Светлана Слободенюк
Директор дивизиона «Операционный центр» Сбера
За 15 лет цифровой трансформации производительность Операционного центра Сбера выросла в 16 раз, а уровень автоматизации процессов достиг 99,43%. Начиналось всё в 2009 году, когда на базе 800 отделений Сбера было создано несколько крупных Центров сопровождения клиентских операций. Там были сформированы лучшие практики и стандарты, а также разработаны ИТ-решения для сопровождения процессов. Именно тогда началось системное внедрение классической автоматизации, в развитии и масштабировании которой ключевую роль сыграла команда «Операционного центра». Этот этап стал фундаментом для дальнейшего технологического прорыва.
С появлением технологии RPA (Robotic Process Automation) все массовые и повторяющиеся задачи взяли на себя программные роботы. Они переносили данные между системами, проверяли информацию на соответствие шаблонам, формировали стандартные отчёты и обрабатывали типовые задачи.
Однако затем в Операционном центре столкнулись с ограничениями классической автоматизации: она хорошо работает с детерминированными алгоритмами, но не справляется там, где есть многообразие сценариев и требуется понимание контекста. Решить эту проблему призвана качественно новая технология — интеллектуальные цифровые сотрудники (ИЦС).
О том, чем ИЦС принципиально отличаются от других технологических решений и как проходит их внедрение, рассказывает директор дивизиона «Операционный центр» Сбера Светлана Слободенюк.
Кто такие цифровые сотрудники
Интеллектуальные цифровые сотрудники — это мультиагентная AI-система на базе LLM, предназначенная для автоматизации сложных недетерминированных участков операционного производства. ИЦС состоит из интеллектуальных цифровых агентов, которые взаимодействуют в одной сети, тем самым обеспечивая выполнение функций, направленных на оптимизацию ресурсов бэк-офиса. Их внедрение предполагает радикальное изменение роли сотрудника операционного производства: от исполнения операций к обучению и контролю мультиагентных AI-систем. Он становится для них наставником и партнёром.
В отличие от классических RPA-алгоритмов, ИЦС способны работать с неструктурированными данными — текстами, изображениями, документами. Они понимают смысл, делают выводы, уточняют, ведут диалог. Это не просто выполнение инструкций, а полноценное выполнение сложных рабочих функций, что создаёт возможность эффективного партнёрства с реальными сотрудниками. Классический RPA строго следует алгоритму, а цифровой сотрудник на базе LLM анализирует контекст, выделяет смысл и адаптирует своё поведение.
Ключевое отличие — в способности интерпретировать естественный язык. NLP (Natural Language Processing, обработка естественного языка) даёт доступ к задачам, где справлялся только человек: работа с письмами, инструкциями, чатами, обработка нестандартизированных запросов — всё это стало возможно.
Виды цифровых сотрудников в Сбере
Два типа ИЦС в Сбере:
При внедрении ИЦС существует два сценария:
ИЦС особенно эффективны в фронт- и бэк-офисе, где важно понимать смысл. Самый высокий потенциал в тех сферах, где много рутины, высокая нагрузка на персонал и дефицит кадров, — финансы, логистика, здравоохранение, госсектор, различные службы технической поддержки.
Пилотное внедрение
Идея внедрить ИЦС возникла в 2024 году: мы оценили возможности мультиагентных систем, собрали команду и начали проработку идеи. В марте 2025-го запустили первый пилот — ИЦС для обработки судебной документации бизнес-клиентов. Весь путь от идеи до ввода в эксплуатацию занял около 9 месяцев.
Ключевым фактором при принятии решения о внедрении был мультипликатор Cost/Value. В затратах (Cost) учитывались реализуемость проекта с технической точки зрения, количество и сложность интеграций с другими системами, а также масштаб сценариев обработки и принятия решения. Экономический эффект (Value) определялся исходя из сокращения длительности операции и количества сотрудников, задействованных в процессе. Далее все кандидаты ранжировались и отбирались самые эффективные.
4 этапа внедрения ИЦС
Вначале мы определили функционал продукта и его архитектуру. Исходя из этого, были разработаны компоненты системы. Далее — интеграция AI-агентов со смежным ПО и создание шаблонов нейросети GigaChat. При разработке шаблонов большим вызовом стало создание инструкций для агентов в AI-ready формате, позволяющем максимизировать качество ответов. Кроме того, периодически возникала проблема «галлюцинаций» нейросети. Она решалась путём уточнения инструкций методом Few-Shot, который позволяет модели «обучаться» на ограниченном количестве примеров.
Далее — этап тестирования и внедрения. Вначале испытывается продукт с минимально необходимым функционалом, затем он насыщается оптимальными свойствами для решения поставленных задач. После запуска продукта самое сложное — поддержка стабильности и качества его работы. Здесь важно выстроить системное сопровождение.
Например, у наших ИЦС есть свои KPI (Key Performance Indicators, ключевые показатели эффективности) — процент выполненных задач, скорость и качество их обработки. За этими показателями регулярно следят и ИТ-службы, и сотрудники Операционного центра, так как, кроме технических метрик, нужно оценивать суть рекомендаций, которые выдаёт ИЦС. За счёт такого анализа ошибок и детализации инструкций в западающих зонах агента (в том числе методом Few-Shot — добавления примеров, которые позволяют агенту «понять» ожидаемый от него результат) удалось увеличить качество с 25 до 70%.
Реальные + цифровые
Разработка ИЦС занимает порядка 40 человеко-дней и зависит от количества интеграций. Очень важную роль в ней играет экспертный опыт реальных сотрудников Операционного центра.
В частности, у них появились новые ключевые компетенции:
Важно: при внедрении ИЦС необходимо пересмотреть инструкции. У нас они называются СОП — стандарты операционных процедур. Когда мы разрабатывали инструкции только для человека, то могли многое в них не отразить — как само собой разумеющееся. ИЦС другое дело, он как новичок. Для внедрения пришлось разработать стандарты и подходы СОПов, которые использовались бы и ИЦС, и человеком.
Кроме того, при реализации таких проектов необходимо учитывать и социальное сопротивление. Для компании, вставшей на путь цифровой трансформации, важно максимально открыто рассказывать сотрудникам о новых цифровых решениях и их синергетическом эффекте. Например, Сбер выпускает регулярные дайджесты о GenAI-технологиях. Также мы откровенно говорим об успехах и неудачах, которые случаются при внедрениях. Это нужно для того, чтобы сохранить доверие команды и преодолеть её сопротивление новому.
Уже сейчас партнёрство ИЦС и реального сотрудника даёт свои плоды. Например, в процессах, где предусмотрена обработка операции в «две руки», мы заменяем одну из рук на ИЦС:
Формируя практику с нуля
Самая большая сложность в таких проектах — это то, что «не у кого списать». На рынке не было никаких best practices, на которые можно было бы ориентироваться. В таких условиях необходимо очень быстро проверять гипотезы. Кроме того, нужно учитывать все риски и не допустить ухудшения клиентского сервиса. Поэтому мы сначала реализовывали сценарий, когда ИЦС формирует рекомендации сотрудникам, а не выполняет задачи полностью автономно.
Для разработки цифровых сотрудников мы используем собственную мультиагентную систему, которая состоит из планировщика, исполнителя и фасилитатора. Для взаимодействия с внешними системами применяется отдельный агент — ACI (agent composible interface). В качества RAG (Retrieval-Augmented Generation, генерация, дополненная поиском) — общий банковский сервис RAGaaS.
На этой базе мы и будем осуществлять дальнейшее масштабирование технологии. До конца этого года введём в промышленную эксплуатацию ещё около семи ИЦС, а в 2026-м их количество увеличится кратно.