«Без этого руководства никто не сможет по-настоящему успешно внедрить автономный ИИ, которому мы могли бы доверять принятие решений и который понимал бы, как мы на самом деле работаем», — заявил в среду основатель и генеральный директор UiPath Даниэль Динес.
Динес использовал свое выступление на FUSION, ежегодной конференции UiPath в отеле Wynn Las Vegas, чтобы обосновать необходимость такого руководства. Затем он представил продукт, созданный UiPath для его написания: UiPath Cartographer, который формирует то, что компания называет «Картой работы» (Map of Work).
По словам Динеса, это мероприятие ознаменовало десятилетие с момента проведения первой конференции UiPath, которая состоялась в Лондоне в 2016 году примерно для ста человек. Тогда годовая регулярная выручка компании составляла от 3 до 4 миллионов долларов, а клиентов было всего несколько десятков. Он сообщил аудитории, что сейчас этот показатель превышает 2 миллиарда долларов, а число клиентов перевалило за 10 000.
Три вещи, которые не умеют делать большие языковые модели (LLM)
Динес рассказал, что написал книгу «Оставшаяся работа» (The Work That Remains) с помощью ИИ. Он использовал Claude и ChatGPT параллельно: одну модель в качестве соавтора и спарринг-партнера, а другую для редакционной проверки. Каждый участник конференции получит копию книги.
По его словам, работа над книгой привела его к осознанию трех ограничений больших языковых моделей. Первое — это ответственность за последствия. LLM не несет ответственности за свои действия, в то время как большинство действий на уровне предприятия имеют последствия. Второе — это обучение.
«LLM не обучаются. У них есть память, а память — это совсем не то же самое, что обучение», — отметил Динес.
Третье ограничение он назвал точностью. LLM носят вероятностный характер, пояснил он, тогда как платежная транзакция должна быть безошибочной каждый раз. Динес заявил, что не видит на горизонте технологий, способных преодолеть эти три ограничения.
Чтобы LLM эффективно работала внутри корпоративных процессов, по словам Динеса, ей необходим полный и подробный регламент этой работы. Он добавил, что ни у одной компании нет такого документа, а версии, составленные консультантами, устаревают в течение нескольких недель.
Как Cartographer строит карту
Cartographer обрабатывает технологические схемы, схемы процессно-майнингового анализа, документы и стандартные операционные процедуры. Система также может опрашивать эксперта в конкретной предметной области, просить его записать происходящее на экране и объяснить, почему был выбран тот или иной путь. На основе этого создается первая Версия Карты работы. Динес охарактеризовал эту первую карту как «неизбежно неполную».
Затем агенты по написанию кода создают автоматизацию на основе этой карты. Когда агент разбирает кейс, человек проверяет его предложения и вносит корректировки. UiPath сохраняет эти исправления в специальном реестре решений (Decision Ledger) и возвращает новые исключения в систему для обновления карты, пояснил Динес.
Согласно анонсу UiPath, ее агенты кодирования теперь доступны широкой аудитории. Claude Code, Cursor, Codex и Antigravity также могут работать на платформе нативно. Cartographer уже доступен для пользователей, однако компания не назвала стоимость продукта.
SMBC: 73% — это недостаточно
Кей Ямамото из Sumitomo Mitsui Financial Group (SMBC), которую Динес назвал одним из крупнейших клиентов UiPath, сообщил, что с 2017 года банк автоматизировал более шести миллионов часов рутинной работы. По его словам, это высвободило около 3 000 сотрудников для других задач. В этом году бухгалтерский агент, созданный с помощью UiPath, за один месяц обработал более 10 000 запросов на возмещение расходов.
«Если процесс состоит из трех шагов, и точность каждого составляет 90%, общая точность сквозного процесса падает примерно до 73%, что неприемлемо для бухгалтерского учета», — сказал Ямамото.
Теперь SMBC комбинирует правила, исторические данные, генеративный ИИ и точки контроля со стороны человека, благодаря чему нестандартные ситуации передаются сотрудникам. Ямамото сообщил, что в планах банка — протестировать Cartographer.
Мнения клиентов об осторожности
В ходе панельной дискуссии с клиентами Никки Харпер из клиники Майо отметила, что команды должны сначала полностью понять процесс от начала и до конца. Уильям Абрамс из Medline заявил, что уровень точности производства в 73% является «немыслимым» для его компании, поскольку больницы-клиенты ожидают показателя в 99%. Он добавил, что агенты, действующие во всех подразделениях компании, демонстрируют уровень автономности, к которому ни Medline, ни ее клиенты пока не готовы.
Вторая панельная дискуссия была посвящена UiPath Test Cloud и тому, что компания называет «темной тестовой фабрикой» (dark testing factory), где тестирование происходит автономно. Аналитик Forrester Диего Ло Джудице заявил, что целью не должна быть полная автономия ради самой автономии.
«У темной тестовой фабрики есть будущее, если она укрепляет доверие», — подчеркнул Ло Джудице.
«Продолжайте нанимать новичков»
В завершение выступления Динес затронул тему кадрового состава. Он заявил, что ИИ не способен проявлять инициативу или волю, и именно люди задают цели для искусственного интеллекта. Сокращение найма начинающих специалистов он назвал ошибочным подходом — точку зрения, которую он высказывал и ранее. Ранее он также призывал руководителей не увольнять сотрудников слишком быстро из-за развития ИИ.
По его словам, теперь молодые специалисты должны учиться у окружающих их людей, а не писать простые функции, с которыми ИИ уже справляется самостоятельно. Опытные сотрудники, в свою очередь, должны выступать в роли их наставников.
Опубликовано 23 сентября 2026 - 11:39 Наверх
