CNews: Вы возглавляете ИТ-функцию «Сибура» почти год. Каким он стал для вас и компании?

Антон Рубенчик: Хочется по традиции сказать «это был тяжелый год». Но на самом деле он был просто интенсивным и интересным, мы искали баланс между освоением новых технологий и текущей работой. Где-то на рубеже 2025–2026 годов мы увидели резкое развитие генеративного искусственного интеллекта: до этого «Сибур» скорее наблюдал за ним, делал пилоты и экспериментировал, но не принял технологию по-настоящему. Да и сама она не была такой зрелой, как сейчас.

В первом квартале 2026 года случился драматический скачок — не столько в самих моделях, сколько в харнессе: инструментах, которые дают модели память, доступ к системам и правила, по которым она действует. Это позволило нам существенно поменять подход в ИТ: сегодня я не назову ни одного направления, где команда не использовала бы генеративные технологии. Одновременно у компании появился аппетит к тому, чтобы запустить с помощью ИИ новую волну цифровизации. Так что главный вызов первого года — поддержать в компании этот аппетит к переменам. И не дать ему уйти в простое решение обвесить старые процессы агентами. Потому что агент без реинжиниринга процесса — это дорогой робот.

CNews: ИИ в оптимизации процессов — это все еще экспериментальная технология или вы уже видите эффекты от внедрения?

Антон Рубенчик: Однозначная оценка эффекта от внедрения ИИ — в целом сложная задача, которую пытается решить весь рынок. На рынке, в том числе с участием «Сбера», формируется отраслевой совет по генеративной разработке. Одна из его задач — разработка методики, по которой эффект можно оценивать однозначно.

Мы в «Сибуре» оцениваем базовую линию любого процесса и делаем предположение, как он изменится после цифровизации. Например, мы взяли процесс закупок и посмотрели данные по каждой процедуре: на что тратится время, чем одна отличается от другой. С помощью больших языковых моделей проанализировали огромное количество процедур и синтезировали ряд идей, как двигать процесс дальше. Так мы увидели, что можно оптимизировать. Например, анализ предложений от поставщиков — трудоемкий шаг, когда сотрудник собирает предложения и сверяет их с опросным листом, проверяет полноту предоставленных данных. Мы отдали этот этап ИИ-агенту, и первичная проверка предложения стала быстрее в семь раз.

При этом выяснилось, что информация, необходимая для создания правил, живет в головах конкретных закупщиков: как именно они принимают решения, сколько раз нужно запрашивать предложения, если конкурентное поле недостаточно сформировано, и когда, наоборот, не стоит тратить время на ожидание. Эти знания пришлось формализовать в правила.

Заодно оказалось, что раньше закупщик многое прощал внутри процесса: кто-то присылал восемь лотов одним запечатанным архивом, кто-то не заполнял часть документации. Человек справлялся, а вот для надежной работы ИИ-агента такие случаи нужно описать, точно формализовать и встроить в правила процесса. Мелочей набралось много, но главное — теперь на это уходит существенно меньше усилий команды. Сам агент создается быстро, а донастройка процесса — это постоянная работа. В итоге на этом примере мы сформулировали внутренний подход к цифровизации других ключевых процессов компании.

В целом, с приходом ИИ-технологии в ее нынешнем виде у нас появилось понимание, что процессы можно сделать более согласованными меньшими ресурсами, быстрее и точнее. Можно и нужно устранять разрывы, когда часть процесса люди по-прежнему ведут в телефонно-почтовом Excel-режиме. Ярче всего это проявляется во взаимодействии с контрагентами, когда системы не интегрированы между собой.

CNews: То есть вы двигаетесь в сторону мультиагентной системы?

Антон Рубенчик: Многие платформы, которые называют мультиагентными, по факту становятся одним огромным агентом со скиллами, за который отвечает ИТ, а бизнес стоит к нему в очереди с запросами. Мы такого не хотим.

Разработчики платформ сегодня делают акцент на функциональных свойствах — как быстро создать агента. Понимаем, что для многих потребителей это важно, но для нас эта проблема в целом решена. Пройдя путь запуска первого десятка агентов, мы накопили опыт и сформулировали большой пул нефункциональных требований, и вот они оказались для нас крайне важны.

Главное свойство агента — он сам определяет, как выполнить задание. Ему говорят, что нужно получить, а способ он выбирает сам, и два раза одна и та же просьба может привести к разным действиям. Поэтому правила для агента живут не внутри него, а снаружи, как отдельный артефакт, по которому проверяется каждый его шаг. И для работы таких агентов в проде нужна особая среда, тот самый харнесс.

Внутри нее агент работает свободно. Наружу — только через контролируемые выходы: у него нет сети и паролей, он действует от имени пользователя и не шире его прав, каждое действие с последствиями проверяется до выполнения, а необратимое (письмо, платеж, удаление) подтверждает человек. Вся цепочка решений записывается, и в любой момент агента можно остановить. Именно это позволяет бизнес-пользователям самостоятельно создавать агентов в безопасных границах.

Пройдя этот путь с закупками, мы создали методологию: формулируем образ результата — следующую версию процесса, затем отвечаем на вопросы: сколько агентов нужно, от каких данных они зависят, каких правил нам не хватает? Так закупщик постепенно смещается от управления транзакциями к управлению категорийными стратегиями и правилами закупки.

CNews: Расскажите, какими языковыми моделями вы пользуетесь?

Антон Рубенчик: Если коротко, практически всеми теми же, что и остальной рынок. У нас есть пул on-premise моделей с открытыми весами, российских и китайских.

Самая нагруженная сейчас — китайская GLM 5.2, смотрим на следующие версии, но пока не увидели преимущества, ради которого стоило бы переходить. Для более простых задач хорошо подходит семейство Qwen. Для работы с русским языком используем российские модели.

Во внутренних ассистентах модели работают в связке: быстрые российские open-source модели уточняют запрос пользователя, а если нужен более глубокий анализ, подключается GLM с ее ризонингом (способность анализировать информацию, логически рассуждать и делать выводы — прим.ред.).

Используем и внешние модели, у нас есть набор правил, как снижать чувствительность данных перед отправкой во внешние сервисы. Еще весной мы разработали систему деперсонализации данных, а сейчас внедряем механизм гардрейлов (механизмы контроля и защиты, предназначенные для направления и ограничения действий ИИ-системы — прим.ред.) при работе с внешними моделями, в том числе с поддержкой аппаратного шифрования. Пока работаем в промежуточном режиме: если нужно использовать файлы во внешнем сервисе, их сначала обрабатывают на внутреннем портале. Во внешних моделях мы в основном работаем с задачами прототипирования и создания новых продуктов, а как только появляется объем кода для внутренних репозиториев, сверху добавляем внутреннюю модель, сейчас это GLM.

Для продуктового дизайна и инжиниринга не запрещаем разработчикам облачные сервисы. Но у нас достаточно строгие правила: любые результаты, полученные во внешнем контуре, перед переносом во внутренние системы проходят обязательную валидацию и полный цикл безопасной разработки.

Вайбкодинг мы понимаем широко: это не только создание кода, но и весь предшествующий процесс — синтез пользовательских сценариев, описание ролей и прочее. Раньше все это делали люди, сейчас первую версию делает модель.

CNews: В мае этого года «Сибур» и «Галактика» подписали соглашение о партнерстве. Как у вас продвигается замена ERP-системы?

Антон Рубенчик: Мы в той же стадии, что и весь рынок. С командой «Галактики» мы все еще ищем сценарий, который позволит максимально задействовать генеративный ИИ, чтобы минимизировать затраты на переход. Замена движка ради замены сама по себе производительности не добавляет, эффект дает то, что строится поверх него.

Дело ведь не только в том, что зарубежный софт неудобен из-за ограничений: нам не хочется, чтобы импортозамещение было самоцелью. Важно качественно измениться, а не только закрыть риски, связанные с правообладателем. Поэтому мы искали партнера, который смог бы дать больше, чем просто замену движка на другой. Мы обсудили с коллегами их видение, они не пытаются бороться с трендами и дают нам возможность переиспользовать имеющиеся наработки, подключаясь к их продукту.

Текущая ERP хорошо считает, но она построена как учетная система. Нам нужна другая роль: единый достоверный источник данных, на котором живут сквозные процессы и агенты. Старая архитектура под это не рассчитана, не хватает интеграции и гибкости. Точные сроки миграции назвать не готов, но они укладываются в ожидания регуляторов.

CNews: Как в целом обстоят дела с импортозамещением в промышленной автоматизации? Какие ниши все еще пустуют?

Антон Рубенчик: Мы здесь не одиноки во мнении, что рынку нужна консолидация. С одной стороны, игроков много, с другой — зрелых устойчивых продуктов в прикладном ПО мало. По системному софту страна прошла довольно бурный период создания продуктовой линейки, появились крупные игроки вроде «Астры», которые закрывают большой стек. Надеюсь, что и рынок решений из Реестра российского ПО постепенно укрупнится. Если посмотреть, скажем, на операционные системы в реестре, видно, что для нашего рынка их многовато.

С прикладным ПО ситуация иная: рынок еще раздроблен, многие игроки пытаются делать продукты, но зачастую это результат отдельных проприетарных внедрений, а не устойчивые универсальные продукты. Мы тоже участники этого процесса: часть продуктов в рамках программы технологического суверенитета разрабатываем сами. У нас есть опыт участия в отраслевых консорциумах заказчиков. Но говорить, что рынок зрелый, пока нельзя.

Мы со своей стороны стараемся строить партнерства, а не разрабатывать все самостоятельно. Даже если где-то начали разработку вынужденно, ищем партнера, который выведет решение на рынок. Риск в части технологического суверенитета мы оцениваем как умеренный, за последние годы он снизился, но расслабляться рано: часть созданных продуктов пока внедрена ограниченно, на одном-двух предприятиях, и в ближайшие годы предстоит тиражирование, которое позволит вывести из эксплуатации старые системы.

CNews: Что мешает консолидации рынка — просто прошло мало времени или нужны другие условия?

Антон Рубенчик: То, что могло бы помочь, и так делается: поддержка со стороны регуляторов, центры компетенций. Действий, которые сейчас предпринимает государство для становления рынка, достаточно, но нужно время: для системного ПО его хватило, для прикладного понадобится больше.

Я изучал китайский опыт, там аналогичные процессы идут активнее уже около десяти лет, у нас — активно лет пять. Китай при похожей масштабной господдержке за десять лет набрал с десяток заметных игроков в сегменте замены ERP и сейчас идет по пути дальнейшей консолидации. Мы проходим похожую траекторию.

Укрупнения рынка хочется по двум причинам: оно позволит сконцентрировать ресурсы на конкретных продуктах, даст больше функциональности и снизит стоимость владения для экономики в целом. У нас структура экономики такая, что ограниченный пул крупных компаний формирует львиную долю ВВП, поэтому именно у них часто появляются свои подразделения-разработчики. Было бы полезно выводить такие продукты и на внешний рынок, тогда он развивался бы быстрее.

CNews: Недавнее падение цен на нефть и перебои на российских НПЗ как-то повлияли на ИТ-стратегию компании?

Антон Рубенчик: Безусловно, мы участники рынка, и на нас влияет как страновая, так и мировая макроэкономика. Но это обуславливает потребность в эффективности, и нельзя сказать, что раньше таких целей у нас не стояло.

Low/no-code-революция: новая архитектура цифровой независимости Конференция

Более серьезно на нашу стратегию повлияло изменение возможностей искусственного интеллекта. Рост этих возможностей позволил нам перейти от большого количества разрозненных точечных пилотов к системному внедрению технологии в нашу работу. По сути, это позволило менеджменту сделать серьезную ставку: вовлечь ресурс и придать той энергии, которая необходима для такой серьезной трансформации.

Технология позволила преодолеть ряд барьеров, которые еще год назад были шоу-стоперами (критические проблемы, ошибки или факторы, которые полностью останавливают разработку, тестирование или релиз продукта — прим.ред.). Пример: для моделей с малым контекстным окном плохие данные были ядом. Сейчас наоборот — для решения проблемы плохих данных мы используем большие языковые модели: они позволяют структурировать данные, увязать их между собой и превратить в максимально полезные.

Другой пример. Для внедрения ИИ и раньше, и сейчас крайне важно менять бизнес-процесс — автоматизировать участки, где все еще есть разрывы. Раньше стоимость такой доавтоматизации зачастую была такой, что на известном горизонте планирования это не выглядело целесообразным. Сейчас, с приходом AI SDLC (AI-native Software Development Life Cycle — это переосмысление классического жизненного цикла разработки программного обеспечения, в котором инструменты ИИ встроены в каждый этап процесса — прим.ред.), стоимость доавтоматизации существенно снизилась. Это дало возможность менять процессы и тем самым повышать потенциальный эффект от внедрения искусственного интеллекта.

CNews: А как изменился ИТ-бюджет компании за год?

Антон Рубенчик: В номинальном выражении расходы снизились умеренно. Но с учетом инфляции и роста объема задач реальная экономия — десятки процентов.

При этом мы не стали делать меньше: часть проектов мы осознанно отложили, пройдя через длинные дискуссии на уровне топ-менеджмента. Это не про то, что нам денег жалко или мы не видим ценности, а про то, что если повысить фокус ИТ-функции, эти же задачи в будущем можно будет реализовать проще, быстрее и эффективнее. В первом полугодии 2026 года мы осознанно снижали количество проектов, потому что функции нужен был воздух для трансформации.

Понимание, что нужно перераспределить ресурсы в пользу приоритетных направлений, пришло еще в 2024–2025 годах, на это ушел и 2025-й, и частично 2026 год. Мы перестроили ИТ-функцию так, чтобы сократить затраты на единицу создаваемой ценности, при этом потребность в результатах команды не снижается, а только растет.

Функция стала компактнее и эффективнее, и это повысило важность нового этапа цифровизации: вся стратегия направлена на то, чтобы ускорить оборачиваемость изменений. В терминах ИТ это способность ландшафта к быстрому внедрению ИИ-агентов: синтез внутренних правил, благодаря которым можно создавать агентов, не опасаясь, что они что-то испортят.

А еще выстраивание цикла AI SDLC, в который можно включить пользователей, способных создавать тестовые прототипы агентов или интерфейсов. Это резко сокращает время на постановку задачи: мы двигаем харнесс ближе к постановщику задачи, оставляя команде интеграцию с существующим ландшафтом.

CNews: А что именно отложили?

Антон Рубенчик: Тут скорее мелкая россыпь проектов, а не какие-то крупные инициативы. Обычно вокруг знаковых проектов всегда есть большой ворох задач по доавтоматизации и улучшениям, который в среднем съедает 20–30% ресурсов. Эту часть мы смогли отложить, чтобы переосмыслить, что вообще нужно делать. Часто приходит запрос вроде «давайте автоматизируем еще один процесс согласования». Мы сортируем такие инициативы иначе: может, согласование в принципе стоит упразднить, перейдя на другую логику процесса, а не автоматизировать его в прежнем виде?

Был период, когда казалось очевидным, каких агентов делать, — по сути, следующее поколение RPA-решений, дополненных возможностями больших языковых моделей: нужно просто посадить такого робота вместо человека на транзакцию.

Но я давно считаю, что RPA может стать ловушкой, если автоматизировать с его помощью неудачно устроенный процесс: мы можем освободить человека от рутины, но одновременно закрепить в системе неэффективную логику, из-за которой эта рутина вообще возникла. Возвращаться к нему потом уже не хочется, а поставить роботу новую задачу оказывается той еще историей. Следующее поколение устроено похоже, только вместо роботов агенты, выполняющие транзакции.

Поэтому мы отложили эту часть не в смысле «сделаем позже», а чтобы всерьез продумать дизайн процесса и ответить на вопрос: если бы он работал иначе, понадобился бы нам этот агент вообще?

Если совсем коротко: очевидные на первый взгляд ИИ-агенты, как правило, закрывают хвост процесса. Но когда занимаешься по-настоящему реинжинирингом, агенты смещаются в голову процесса и превращают его в цикл, где выход в сторону человека — это исключение, а не правило. У таких процессов фактически нет хвоста, и агентов, которые бы его обслуживали, тоже.

CNews: За какими цифровыми технологиями в нефтехимии будущее, кроме искусственного интеллекта?

Антон Рубенчик: По поводу ИИ, с одной стороны, я верю в его способность привести нас к настоящему дизрапту, с другой — за годы работы я не раз наблюдал, как в реальности разворачивается гартнеровский хайп-цикл: всегда завышенные ожидания, всегда фрустрация.

Вот цифровые двойники: вокруг них тоже были завышенные ожидания, но я считаю, что они нужны как фундамент для следующих этапов цифровизации. Только двойник — это не сбор больших данных об оборудовании. Производства «Сибура» и так очень хорошо оснащены датчиками, добавление новых само по себе ничего не даст.

Цифровой двойник — это способность наблюдать все изменения в компании, видеть, насколько они приживаются, и синтезировать конкретные предложения: как менять поведение процессов, как менять сами процессы. Это история не только про производство и оборудование, а про компанию целиком. Чтобы построить такой двойник, нужно описать огромную модель, и силами одних дата-сайентистов делать это крайне расточительно, нужен механизм наблюдения в режиме, близком к реальному времени. До этого мы еще не дошли, идем постепенно, маленькими шагами.

Так будет с каждой новой веткой технологии: от каждой ждут магии, но на деле следующая хорошо объясняет, зачем была нужна предыдущая, просто это понимаешь только спустя время. Мы поняли, зачем нужна была виртуализация, только когда научили инфраструктуру разворачиваться по запросу приложения. А сейчас, имея ИИ-инструменты разработки, можем объяснить, зачем нужна была инфраструктура как код. И, думаю, через пару лет ИИ-агенты объяснят нам, зачем был нужен цифровой двойник.