Deloitte и UiPath запускают Agentic GBS: когда ИИ-агенты берут на себя бизнес-процессы

В июле 2025 года Deloitte и UiPath представили Agentic GBS — новую модель глобальных бизнес-сервисов, построенную на ИИ-агентах. За аббревиатурой GBS (Global Business Services) и модным словом «agentic» скрывается идея, которая при ближайшем рассмотрении оказывается не просто маркетинговой обёрткой, а реальным сдвигом в том, как крупнейшие корпорации мира организуют свои операционные процессы. Мы решили разобраться, что это означает на практике, чем отличается от того, что уже существует, и какие последствия это будет иметь.

Прежде чем обсуждать «Agentic», нужно понять «GBS». Global Business Services — это модель организации, при которой компания централизует рутинные бизнес-функции — бухгалтерский учёт, обработка счетов, расчёт зарплаты, HR-администрирование, закупки, IT-поддержка первой линии, обработка клиентских запросов — в одном подразделении или передаёт их внешнему провайдеру. Это эволюция того, что раньше называли аутсорсингом, а затем — shared services.

Рынок GBS колоссален и часто недооценивается. Крупнейшие транснациональные корпорации тратят десятки миллиардов долларов в год на операционные бизнес-процессы — всю ту «невидимую» работу, которая не создаёт продукт напрямую, но без которой бизнес не может функционировать. Крупнейшие BPO-провайдеры — Accenture, Infosys, Wipro, TCS, Cognizant — генерируют десятки миллиардов долларов выручки ежегодно, обслуживая эти процессы. Индия, Филиппины, Польша, Румыния построили целые индустрии — с миллионами рабочих мест — на обслуживании бизнес-процессов для западных компаний.

Agentic GBS — это заявка на следующий этап эволюции этого рынка. Вместо сотен или тысяч людей, сидящих в офисах Бангалора или Манилы и обрабатывающих счета, проверяющих данные и заполняющих формы, значительная часть этих задач выполняется ИИ-агентами. Не простыми скриптами или RPA-роботами, а автономными системами, способными понимать контекст, принимать решения и обрабатывать нестандартные ситуации.

Это ключевой вопрос, и на нём стоит остановиться подробно, потому что разница между RPA и агентным ИИ — не количественная, а качественная.

RPA-робот выполняет записанную последовательность действий: открыть приложение SAP, перейти на вкладку «Счета к оплате», скопировать данные из поля «Сумма» строки 15, вставить в ячейку B7 таблицы Excel, нажать кнопку «Сохранить». Если что-то в процессе изменилось — SAP обновился и кнопка переехала, формат данных поменялся, появилось новое обязательное поле — робот ломается и останавливается, ожидая, пока разработчик обновит скрипт. RPA — это автоматизация действий.

ИИ-агент работает принципиально иначе. Он получает цель — «обработай этот счёт от поставщика» — и сам определяет, как её достичь. Он может прочитать счёт в любом формате — PDF, скан, фотография, электронное письмо — и на любом языке. Он извлекает нужные данные, используя понимание структуры документа, а не жёстко заданные координаты полей. Он сверяет данные счёта с контрактом и заказом на поставку, выявляя расхождения. Если обнаружена аномалия — необычно высокая сумма, незнакомый поставщик, дублирующий счёт — он может эскалировать вопрос, запросить уточнение или отклонить счёт в соответствии с правилами. Если интерфейс системы изменился, агент адаптируется — он «понимает», что нужно сделать, а не слепо повторяет записанные действия.

Это не улучшение RPA. Это другая парадигма. RPA — автоматизация рук. Агентный ИИ — автоматизация головы.

Deloitte и UiPath позиционируют Agentic GBS как платформу, где RPA, ИИ-агенты и человеческий контроль работают вместе в оркестрированной системе. Простые, полностью стандартизованные, повторяющиеся задачи выполняет RPA — он для этого идеален. Более сложные задачи, требующие понимания контекста и принятия решений в рамках правил — ИИ-агенты. Стратегические решения, исключительные ситуации, отношения с ключевыми контрагентами — люди. Каждый уровень делает то, что у него получается лучше всего.

Рассмотрим несколько детальных примеров того, как Agentic GBS работает на практике, чтобы перейти от концепций к конкретике.

Обработка счетов к оплате (Accounts Payable). Это один из наиболее трудоёмких финансовых процессов в любой крупной компании. Крупная корпорация может получать тысячи счетов в день от сотен поставщиков — в разных форматах, на разных языках, с разной степенью структурированности. Традиционно каждый счёт проходит через несколько этапов ручной обработки: получение, ввод данных в ERP, сверка с заказом на поставку, получение одобрения, проведение платежа. ИИ-агент делает всё это автоматически: принимает счёт из любого канала (почта, EDI, портал поставщика), извлекает данные, сверяет с контрактом и заказом, маршрутизирует на одобрение (или одобряет автоматически в рамках заданных лимитов), инициирует платёж. Человек подключается только при обнаружении значимых расхождений или для счетов, превышающих определённый порог.

Управление заявками сотрудников (Employee Service Center). Когда сотрудник запрашивает отпуск, изменение банковских реквизитов, справку о доходах, доступ к новой системе — ИИ-агент обрабатывает заявку от начала до конца: проверяет на соответствие политикам компании (есть ли у сотрудника дни отпуска? согласован ли доступ с руководителем?), выполняет необходимые действия в HR-системе, информирует сотрудника о результате. Для типовых запросов — а они составляют 70–80% всех обращений — процесс полностью автоматизирован и занимает минуты вместо дней.

Закупки (Procurement). Агент анализирует потребности подразделений на основе текущих запасов и прогнозов потребления, находит поставщиков в базе одобренных вендоров, сравнивает предложения по цене, качеству и срокам, формирует заказы на поставку. Для рутинных закупок (офисные расходные материалы, стандартные комплектующие, расходники для производства) процесс полностью автоматизирован. Для стратегических закупок крупных партий или нового оборудования агент готовит детальную аналитику, сравнительные таблицы и рекомендации для принятия решения человеком-закупщиком.

Партнёрство Deloitte и UiPath — это союз одного из четвёрки крупнейших консалтинговых и аудиторских фирм мира с ведущей платформой автоматизации. Deloitte привносит глубокую экспертизу в реорганизации бизнес-процессов, знание специфики десятков отраслей и, что критически важно, огромную клиентскую базу из числа крупнейших корпораций мира — компаний Fortune 500, для которых GBS — не абстракция, а повседневная операционная реальность.

UiPath — технологическую платформу, объединяющую RPA, ИИ-компоненты (Document Understanding, Communication Mining, Process Mining), оркестрацию процессов и теперь — агентный ИИ. Их платформа уже установлена у тысяч корпоративных клиентов, что снижает барьер для перехода к агентной модели.

Для Deloitte Agentic GBS — это эволюция их консалтинговой практики и, что важнее, их бизнес-модели. Вместо того чтобы рекомендовать клиентам перенести операции в страну с дешёвым трудом (и брать комиссию за организацию этого переезда), Deloitte теперь предлагает автоматизировать операции с помощью ИИ-агентов (и брать fee за внедрение и поддержку). Маржинальность такого предложения потенциально выше, масштабируемость лучше, а зависимость от географии рабочей силы — радикально ниже.

Мы считаем необходимым обсудить то, о чём многие предпочитают молчать: что Agentic GBS означает для миллионов людей, работающих в индустрии BPO (Business Process Outsourcing) в Индии, на Филиппинах, в Польше и других странах.

Краткосрочно — в ближайшие два-три года — ничего катастрофического. Внедрение таких платформ в крупных корпорациях занимает годы: пилот, доказательство концепции, поэтапное развёртывание, параллельная работа старой и новой систем. Далеко не все процессы одинаково хорошо поддаются автоматизации. И даже самые продвинутые ИИ-агенты требуют человеческого контроля — для обработки исключений, для обучения моделей, для аудита решений.

Среднесрочно — через три-семь лет — изменения будут серьёзными и болезненными. Рутинные операции, которые сегодня выполняют миллионы людей — ввод данных, сверка документов, типовые клиентские запросы, стандартная отчётность — будут автоматизированы. Это неизбежно приведёт к сокращению рабочих мест в BPO-секторе. Не к полному исчезновению — но к значительному сокращению. Для стран, чья экономика существенно зависит от BPO-индустрии (BPO составляет 8% ВВП Филиппин, например), это серьёзный макроэкономический вызов.

Мы уже видим, как крупнейшие BPO-компании — Infosys, Wipro, TCS, Cognizant — активно инвестируют в ИИ и автоматизацию, переподготовку сотрудников, развитие высококвалифицированных сервисов. Они понимают, что их текущая бизнес-модель «масса людей делает рутинную работу» под экзистенциальной угрозой, и пытаются трансформироваться в компании, которые управляют ИИ-агентами и разрабатывают решения, а не просто предоставляют рабочую силу.

Agentic GBS — убедительная концепция, но её реализация в реальных корпоративных условиях сопряжена с серьёзными техническими вызовами, о которых вендоры предпочитают говорить тише, чем о возможностях.

Надёжность и точность. Бизнес-процессы финансового характера не терпят ошибок. Неправильно обработанный счёт — это задвоенный или пропущенный платёж. Ошибочный расчёт зарплаты — это недовольные сотрудники и потенциальные судебные иски. Нарушение комплаенс-требований — это штрафы регуляторов. ИИ-агенты должны быть не просто «обычно правильными» — они должны быть надёжными на уровне, приемлемом для финансового аудита.

Прозрачность и объяснимость. Когда решение принимает бухгалтер, аудитор может спросить его, почему он классифицировал расход определённым образом. Когда решение принимает ИИ-агент, объяснить его логику значительно сложнее — и для аудиторов, и для регуляторов, и для руководства. Для регулируемых отраслей — банки, страхование, фармацевтика, здравоохранение — это серьёзный барьер, который нельзя обойти.

Масштабирование и операционная устойчивость. Один ИИ-агент, обрабатывающий десять счетов в день в контролируемых условиях — это proof of concept. Тысяча агентов, обрабатывающих миллион документов в день в двадцати странах с разными языками, валютами, налоговыми системами и регуляторными требованиями — это задача совершенно другого масштаба и сложности.

Когда ИИ-агент принимает бизнес-решение — кто несёт юридическую ответственность? Если агент неправильно интерпретировал условия контракта и компания понесла убытки, кто отвечает: разработчик ИИ (UiPath), компания-интегратор (Deloitte), компания-клиент? Если агент принял решение, которое формально соответствует правилам, но привело к нежелательным последствиям — кто виноват?

Эти вопросы пока не имеют чётких правовых ответов ни в одной юрисдикции мира. Регуляторная среда отстаёт от технологий — это обычное дело, но в данном случае разрыв особенно велик, потому что ИИ-агенты действуют в области, жёстко регулируемой десятилетиями бухгалтерских стандартов, трудового права и финансового регулирования.

Мы ожидаем, что по мере распространения агентных решений регуляторы начнут формировать правовую базу, но процесс займёт годы. А пока компании, внедряющие Agentic GBS, действуют в условиях правовой неопределённости, что создаёт дополнительные риски.

Deloitte и UiPath сделали первый громкий шаг, но они не одиноки. Accenture развивает свою платформу автоматизации на базе собственных разработок и партнёрств. EY и KPMG инвестируют в агентный ИИ для аудита и консалтинга. McKinsey продвигает концепцию «AI-native operations». Microsoft интегрирует агентные возможности в Power Automate и Dynamics 365. Salesforce с Agentforce целится в те же процессы из стороны CRM.

Конкуренция ускорит развитие рынка, снизит цены и повысит качество решений. Для клиентов это хорошая новость — выбор станет шире, а торговая позиция сильнее. Для BPO-индустрии — тревожная, потому что давление автоматизации будет нарастать со всех сторон.

Agentic GBS поднимает этические вопросы, которые выходят за рамки технологии и бизнеса. Когда тысячи решений в день принимаются алгоритмами, а не людьми, вопросы предвзятости, прозрачности и подотчётности становятся критически важными.

ИИ-модели могут наследовать предвзятости из данных, на которых они обучены. Если модель обучалась на исторических решениях людей, она может воспроизводить те же предубеждения — отклонять заявки от определённых категорий, устанавливать разные условия для разных групп. В контексте HR-процессов — отпуска, повышения, дисциплинарные решения — это может привести к системной дискриминации, которую сложно обнаружить, потому что она скрыта в алгоритме.

Deloitte и UiPath заявляют о встроенных механизмах контроля предвзятости и аудита решений. Но насколько эффективны эти механизмы на практике — вопрос, который требует независимой оценки.

Есть и более фундаментальный вопрос: имеет ли человек право знать, что решение о нём принято алгоритмом, а не другим человеком? В Европейском Союзе GDPR требует «значимого человеческого участия» в автоматизированных решениях, которые существенно влияют на людей. Как это требование будет применяться к Agentic GBS — пока неясно, но можно ожидать, что регуляторы обратят на это внимание.

Для компаний, рассматривающих внедрение агентной автоматизации бизнес-процессов, мы видим несколько ключевых рекомендаций, основанных на опыте ранних внедрений.

Начинать нужно с процессов, которые хорошо документированы и имеют чёткие правила. Чем более формализован процесс, тем проще обучить агента и тем надёжнее он будет работать. Процессы с большим количеством исключений и субъективных решений — не лучшие кандидаты для первого пилота.

Человеческий контроль должен быть встроен в архитектуру, а не добавлен как формальность. Это означает чёткие пороги эскалации, обязательный человеческий аудит определённого процента решений и возможность быстрого «отката» к ручному режиму.

Метрики успеха должны включать не только скорость и стоимость обработки, но и качество, точность и удовлетворённость внутренних и внешних клиентов процесса. Автоматизация, которая ускоряет процесс, но снижает качество — это не прогресс, а проблема.

И наконец — изменение управления. Внедрение агентной автоматизации — это не только технологический, но и организационный вызов. Сотрудники, чьи задачи автоматизируются, должны понимать, что происходит и какова их новая роль. Руководители должны научиться управлять гибридными командами из людей и агентов. Культура компании должна адаптироваться к новой реальности, где часть коллег — это ИИ-системы. Компании, недооценивающие организационный аспект трансформации, регулярно терпят неудачу даже при наличии лучших технологий.

Когда ИИ-агент обрабатывает ваш счёт, закрывает вашу HR-заявку или формирует отчёт для налоговой, вам, скорее всего, совершенно всё равно, сделал это человек в Бангалоре или алгоритм в облаке — важен результат. Но как быть, когда ИИ-агент принимает решение, которое непосредственно влияет на вас — одобрить кредит, отклонить страховую выплату, изменить условия контракта? Где, по-вашему, должна проходить граница автономности ИИ-агентов в бизнес-процессах?