ИИ-агенты на данных компании: урок Databricks для Узбекистана

Пятница, закупка закрыта, а в понедельник в Юнусабаде снова нет ходового риса. Директор сети в Ташкенте не хочет слушать лекцию про искусственный интеллект. Он хочет ответ: где порвалась цепочка — в прогнозе, поставке, приемке или на полке?

Обычно после такого вопроса начинается ручная охота по 1C, Excel, Telegram и звонкам заведующим. Запуск Databricks Agent Bricks интересен не брендом, а сменой подхода: ИИ-агент перестает быть игрушечным чатом и становится рабочим сервисом, который отвечает по данным компании.

Для узбекского бизнеса вывод прямой. Агент должен работать рядом с ERP, CRM, договорами и отчетами, видеть только разрешенные данные и проходить проверку качества, как любой внутренний продукт. Databricks не принес волшебную кнопку. Он просто хорошо сформулировал зрелую схему: агент, данные, права, тесты и журнал действий в одном контуре. Начнете с узкого процесса — остатки, кредитная заявка, расписание клиники, заявки на ремонт — увидите пользу быстрее. Подключите ИИ «ко всем документам» — получите дорогого фантазера с уверенным голосом.

Почему это не очередной чат-бот

Чат-бот отвечает на вопрос. ИИ-агент закрывает небольшой кусок работы: находит записи, сверяет правило, просит уточнение, собирает вывод и оставляет след в журнале. Разница не академическая. Она видна в момент, когда закупщик спрашивает: «Покажи товары, где продажи растут, а поставщик второй месяц срывает сроки».

В Узбекистане это особенно чувствительно. Данные часто разбросаны между 1C, Odoo, Bitrix24, Excel и переписками. Один город могут записать на русском, узбекском, кириллицей и латиницей. Агент обязан жить в этом беспорядке, но не умножать его. Поэтому запуск Databricks я читаю как сигнал: рынок устал от красивых демо и перешел к инженерии доверия.

Сигнал рынка

Узбекистан пока не перегрет — и это плюс

По данным Microsoft, которые приводит The Times of Central Asia, доля пользователей генеративного ИИ среди трудоспособного населения Узбекистана выросла с 5,7% в первой половине 2025 года до 7,2% в первом квартале 2026-го. До мирового уровня в 17,8% еще далеко. Для бизнеса это не причина сидеть на месте, а редкий момент зайти без паники и раздутых бюджетов.

Компании, которые сейчас приведут данные в порядок и запустят 1–2 прикладных агента, через год будут считать экономию. Остальные будут покупать лицензии, а потом выяснять, что агент не узнает клиента, потому что тот заведен в системе тремя способами.

Где окупается первым

Хороший первый сценарий легко узнать: он повторяется часто, ошибка стоит денег, а данные уже где-то лежат — пусть даже не в идеальном виде.

Главная цена — не модель, а доверие к данным

Самая частая ошибка в таких проектах: компания спорит о выборе модели, хотя в справочнике товаров дубли, права доступа не чистили годами, а договоры лежат сканами без нормального распознавания. Агент на таких данных не «иногда промахивается». Он уверенно собирает неправильную картину.

Перед пилотом мы в Celion просим три вещи:

• карту источников — откуда агент берет факты;
• матрицу прав — кто что имеет право видеть;
• проверочные вопросы с эталонными ответами — как мерить качество.

Да, это скучно. Зато потом директор не спорит с ИИ в стиле: «Почему ты показал маржу филиала сотруднику, который не должен ее видеть?»

Агент ИИ хорош ровно настолько, насколько честно компания описала свои данные, права и исключения.

Celion

Чему учит подход Databricks

Урок не в том, что всем срочно нужен именно Databricks. Крупным банкам, холдингам и сетям с серьезной аналитикой такая платформа может подойти. Среднему бизнесу в Ташкенте часто хватает той же дисциплины на более легком стеке: хранилище, доступ через API, поиск по документам, роли и тесты качества.

Суть жестче, чем звучит на презентациях. Агент не должен жить отдельной «умной болталкой» сбоку от IT-системы. Он должен работать внутри контура данных, где видно, откуда взялся ответ, кто его запросил и почему этому ответу можно доверять.

План пилота на 30–45 дней

Такой пилот не доказывает «ИИ вообще». Он проверяет, снимет ли агент конкретную боль бизнеса.

1. Выберите дорогой вопрос Например: почему товар пропадает с полки, почему кредитная заявка зависла или где теряются заявки клиентов.
2. Подключите два источника Для старта хватит ERP и базы документов. Десять интеграций в первый месяц почти всегда тормозят проект.
3. Соберите 50 проверок Запишите реальные вопросы сотрудников и эталонные ответы, чтобы оценивать агента цифрами, а не впечатлениями.
4. Настройте права Продажи не должны видеть зарплаты, филиал — чужую маржу, подрядчик — внутренние регламенты.
5. Запустите с человеком рядом Первые недели агент предлагает ответ, а сотрудник подтверждает, исправляет и учит систему на реальных кейсах.

Что я бы не делал на старте

Я бы не давал агенту прямое право менять данные в ERP в первый месяц. Только чтение, черновики, рекомендации и понятный журнал. Запись в систему — позже, когда качество ответов стабильно держится на согласованном уровне, а бизнес понимает цену ошибки.

Еще я бы не начинал с «корпоративного помощника для всех». На слайде это выглядит приятно, в работе плохо меряется. Нормальный первый пилот в Узбекистане часто упирается не в стоимость модели, а в 60–150 млн сум интеграционных и подготовительных работ. Эти деньги надо тратить на процесс, где экономия времени или денег считается без гимнастики в Excel.

Что запомнить

Если убрать шум вокруг запуска Databricks, остаются практичные выводы.

• Агенту нужны ваши данные. Без ERP, CRM, документов и правил доступа он остается обычным чат-ботом с красивым интерфейсом.
• Начинайте узко. Один процесс с деньгами на кону лучше, чем абстрактный помощник для всех сотрудников.
• Проверяйте ответы заранее. Набор тестовых вопросов и эталонных ответов нужен до запуска, а не после первого скандала.
• Платформа не спасет хаос. Databricks, облако или локальный стек помогут только там, где компания готова описать источники и ответственность.
• Права доступа — часть продукта. Если агент видит лишнее, это уже не инновация, а риск для бизнеса.

FAQ

Обсудить пилот

В Celion мы проектируем ИИ-агентов вокруг реальных данных бизнеса: ERP, CRM, документов, прав и метрик качества. Напишите нам — разберем один процесс и покажем, где агент даст эффект без витринной магии.

Связаться с нами