ИИ-навигация по данным: как «Картограф» меняет подход к корпоративной аналитике

ИИ-навигация по данным: как «Картограф» меняет подход к корпоративной аналитике

По данным Gartner, к концу 2025 года не менее 30% проектов в области генеративного ИИ были заброшены сразу после проверки концепта. IBM фиксирует, что лишь 25% ИИ-инициатив дали ожидаемый ROI. Причина не в технологии — в подходе: компании внедряют ИИ ради самого ИИ, не ответив на вопрос, какой измеримый результат нужен.

Российская компания «Первая Форма» предложила альтернативу — точечное внедрение ИИ под конкретные задачи. Результатом стал Картограф — семантический слой в BPM-платформе, который связывает разрозненные корпоративные системы и позволяет получать ответы на управленческие вопросы, опираясь на реальные данные.

Проблема: ответ «размазан» по пяти системам

В типичной крупной компании данные о клиенте разбросаны по CRM, проектному контуру, сервис-деску, документообороту и учётным системам. Каждая система — своя «карта» предметной области. Когда руководитель задаёт нетиповой вопрос, например «Почему клиент четыре месяца назад подписал договор, но так и не вышел на промышленную эксплуатацию?» — ответа в одной системе нет. Нужно переключаться между несколькими, сводить данные вручную или ждать аналитика. Итог — ответ через полдня или неделю.

BI-дашборды отвечают на заранее известные вопросы, корпоративный поиск выдаёт документы, но не собирает ответ, RAG-решения впечатляют формулировками, но не показывают источники фактов. Ни один инструмент не закрывает ключевой вопрос: «Что именно нужно проверить, чтобы принять решение?»

Картограф работает как дорожный навигатор: между данными систем и управленческим вопросом стоит семантический слой — словарь терминов, связи между объектами из разных систем, правила интерпретации. Например, «клиент» в CRM, «контрагент» в учётной системе и «заказчик» в проектном контуре — это один объект, и навигатор это знает.

Архитектура строится на трёх принципах: суверенитет данных (модель на инфраструктуре заказчика, поддержка российских языковых моделей), точечное применение ИИ (LLM только для семантического поиска и синтеза ответа, всё остальное — детерминированные инструменты) и проектирование от вопроса, а не от данных.

Этот подход показывает, что будущее корпоративного ИИ — не в замене человека, а в навигации между данными, которые уже есть, но не связаны друг с другом.