Изображение создано при помощи модели Шедеврум
Стратегический технологический проект НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач» был задуман для создания единой платформы ИИ-продуктов и сервисов для разных отраслей, где нужна автоматизация обработки больших объемов данных и принятия решений. Проект также включает разработку ИИ-агентов для адаптивного обучения, построения прогнозных моделей и создания интеллектуальных решений для различных отраслей. Заместитель проректора Елена Кожина и руководитель проекта Андрей Даркшевич рассказали IQ Media, как появился проект, чем сейчас занимаются команды и как будет выглядеть мультиагентная платформа через пять лет.
Елена Кожина
Заместитель проректора Высшей школы экономики, директор Центра управления проектной деятельностью Института искусственного интеллекта и цифровых наук факультета компьютерных наук (ФКН), курировала проект с 2024 по 2025 год.
Андрей Даркшевич
Заместитель директора Института искусственного интеллекта и цифровых наук ФКН Высшей школы экономики, руководитель проекта «Мультиагентная платформа отраслевых ИИ-решений» с 2026 года
- Елена, расскажите, пожалуйста, с чего начался проект. Каким был изначальный замысел, какие задачи планировалось решать?
- Елена Кожина: Высшая школа экономики участвует в программе Минобрнауки «Приоритет 2030» и уже много лет реализует масштабные стратегические проекты развития. Помимо этого, в ВШЭ есть программа «Исследовательские центры в сфере ИИ», которая появилась в 2021 году при поддержке Минэкономразвития. Она дала сильный импульс для повышения уровня компетенций в сфере искусственного интеллекта у различных подразделений университета.
В 2024 году появился стратегический проект «ИИ-технологии для человека». Его логика состояла в том, чтобы собрать воедино и усилить компетенции в сфере искусственного интеллекта, начать объединять людей в команды, способные решать задачи как самого университета, так и бизнеса.
В 2025 году проект усилили и провели ребрендинг: все стратегические технологические проекты прошли через некоторые обновления в рамках программы «Приоритет 2030». Кроме того, наш проект стал более понятным с точки зрения его наполнения и содержания. Сейчас он называется «Мультиагентная платформа отраслевых ИИ-решений» и имеет две основные задачи.
Для создания таких сервисов мы собираем команды, куда включаем и специалистов ВШЭ в сфере ИИ, и профессионалов в конкретной области. Например, это могут быть люди из Лаборатории исследований рынка труда и присоединившийся к ним ИИ-специалист. У нас есть большая команда, которая объединяет сразу три подразделения: Институт искусственного интеллекта, Институт информатики и технологий (Санкт-Петербург) и питерскую команду психологов.
В 2025 году появилась идея сделать универсальную платформу для всех, включая бизнес, а дальше наполнять ее проектами, ускорять внедрение сервисов и конкретных решений в отрасль.
Нужно объединять в команды людей с разными компетенциями, потому что, например, исследователь в сфере искусственного интеллекта не обладает достаточными знаниями в конкретной отрасли. Он не сможет качественно сделать, скажем, анализ рынка. Поэтому мы объединяем тех, кто хорошо пишет алгоритмы, с теми, кто знает специфику бизнеса или конкретной сферы, владеет темой, знает самые актуальные запросы и самые большие сложности отрасли. Именно так получается создавать востребованные ИИ-агенты.
Важно подчеркнуть, что один из фокусов развития ВШЭ сегодня – это цифровизация, так что все наши продукты предназначены для внедрения как в интересах бизнеса, так и внутри университета.
- Над чем работали команды проекта с самого начала?
- Елена Кожина: Внутри нашего проекта изначально было шесть независимых направлений работы. Моя задача заключалась в помощи командам с решением возникающих вопросов, обсуждении и принятии результатов. Команды разработчиков получали многоформатную поддержку, причем это касалось и финансирования, и обеспечения доступа и коммуникации с профильными исследовательскими командами. Результатом такого подхода стало то, что внутри каждого из наших проектов уже в этом году есть демо- или тестовые версии продуктов, то есть результаты, которые уже сегодня можно «пощупать». Это конкретные продукты и прикладные решения, а не те исследования в сфере ИИ, результатом которых становится научная публикация. В ключевые показатели эффективности наших команд не входит публикационная активность: акцент сделан именно на практическом применении результатов работы.
- Андрей, сейчас управление проектом перешло к вам. С чем связана эта трансформация?
- Андрей Даркшевич: В 2026 году произошло плановое изменение вектора развития проекта. Весь прошлый год мы потратили на то, чтобы отрегулировать наши внутренние процессы. Мы целенаправленно тестировали первые версии инструментов на внутреннем пользователе — сотрудниках и студентах Вышки. Мы придерживались принципа «сапожник с сапогами»: не хотели выводить на рынок сырые продукты. И это дало свои плоды.
Мы, например, столкнулись с типичными проблемами платформы: где-то ИИ-агент неверно интерпретировал запрос из-за шума в данных, где-то интерфейс был неочевиден для пользователя без технического бэкграунда. Благодаря обратной связи от коллег-гуманитариев и экономистов мы оперативно доработали модели и пользовательские сценарии.
Теперь, когда платформа обрела устойчивость, мы переориентированы на индустрию. Наша задача — упаковывать накопленную экспертизу в готовые отраслевые решения. Поэтому руководство проектом передано мне — человеку, отвечающему за интеграцию научных решений Института в реальный сектор.
- Похожа ли работа участников проекта на разработку обычного ПО? Чем отличается разработка ИИ-продуктов?
- Елена Кожина: Отчасти эта работа действительно похожа на классическую разработку ПО: здесь также нужно сделать сайт, наполнить его функционалом для заказчика, для продаж и так далее.
Но, когда мы говорим, что внутри продукта работает искусственный интеллект, добавляются существенные изменения. Скажем, в «обычной» разработке есть техническое задание, когда ты реализуешь конкретные функции, решаешь набор задач – и получаешь конкретный результат.
Когда речь идет об искусственном интеллекте, здесь тоже есть ТЗ, есть метрики и определенные ожидания. А дальше мы строим гипотезу – что сработает, а что нет. Мы действуем итеративно: пробуем один, другой, третий алгоритм, пока не найдем их оптимальную комбинацию. Естественно, у разработчиков есть понимание, какой алгоритм лучше решает те или иные задачи. Но, тем не менее, это каждый раз большая исследовательская задача по трансформации бизнес-процессов, подбору наилучшего алгоритма для бизнеса контрагента и огромная работа по поиску и подготовке данных.
Успех искусственного интеллекта на самом деле – это успех в сборе и хранении данных. Без хорошо подготовленного датасета ИИ будет бесполезен.
И с этим также связан большой блок нашей исследовательской работы.
- Задействуете ли вы ИИ, созданный вами или какой-то из существующих, непосредственно в работе над проектом? Отдаете ли ему на аутсорс какие-то задачи?
- Андрей Даркшевич: Такое случается, хотя нельзя сказать, что это постоянная практика. Мы используем искусственный интеллект для того, чтобы «причесать» технические задания и отчеты, где-то – чтобы оптимизировать написание кода. Можно сказать, что это один из наших рабочих инструментов.
- Какие задачи вы точно не отдадите ИИ?
- Елена Кожина: Не отдадим специфичные, узконаправленные задачи без предварительной подготовки. Не делегируем принятие сложных решений в вопросах, где велика вероятность ошибки. Не отдадим персональные данные людей и высокочувствительную информацию.
- Андрей, каким вы видите будущее платформы, скажем, лет через пять? Как она будет работать, кем будут ее пользователи?
- Андрей Даркшевич: Наша цель – это экосистема, где размещено большое количество сервисов и ИИ-агентов, используемых как внутри ВШЭ, так и нашими партнерами и заказчиками. Все эти агенты будут уметь коммуницировать между собой и будут использовать самые передовые технологии ИИ. Так что пользователь нашей платформы сможет быстро выбрать нужных помощников или создать собственного ИИ-агента, протестировать свою гипотезу и затем спроектировать кастомизированное решение под свои задачи.
Этот процесс должен быть быстрым, бесшовным и интенсивным – решение задач бизнеса или исследователя с помощью ИИ не должно требовать месяцев работы.
- Будет ли такая платформа полезной для небольшого бизнеса, руководство которого не обладает большими ресурсами и продвинутыми ИТ-компетенциями? Смогут ли обычные пользователи собрать для себя ИИ-помощника?
- Андрей Даркшевич: В первую очередь, на платформе будут представлены b2b-решения, но они должны быть доступны как корпорации, так и самозанятому. В зависимости от потребностей и возможностей, клиент сможет пользоваться как решением из коробки, так и более сложными инструментами, которые можно настраивать, дообучать существующую модель.
- Сегодня использование ИИ обычными людьми – довольно хаотичный процесс. Люди применяют алгоритмы, но не очень им доверяют; ИИ порой галлюцинирует, сообщая пользователю ложную информацию. Следует ли ждать перехода от использования общедоступных нейросетей к более кастомизированным продуктам, предназначенным для конкретных задач?
- Елена Кожина: Думаю, что количество общедоступных нейросетей и их популярность будут только расти. Чем больше доступных сервисов – тем проще, например, малому бизнесу встраивать какие-то решения в свои процессы. Тем удобнее любому человеку использовать эти сервисы в повседневности. Попутно повышается насмотренность и усиливаются навыки обычных людей в части использования ИИ: еще пять лет назад никто даже не обсуждал эти вопросы. Сейчас люди более или менее пользуются этой технологией, доверие к ней повышается – в том числе благодаря общедоступности, и это замечательно. Этот рынок точно будет расти.
Люди будут (и это уже возможно) собирать и настраивать для своих целей подходящий набор агентов. Варианты подобных подписок уже существуют. Например, медику нужна модель, обученная на одном наборе данных, юристу – на другом (и настроена она будет иначе).
В случае с общедоступными сетями, конечно, всегда есть риск не получить ответ на узкопрофильные вопросы либо получить ответ общими словами. Именно поэтому инициативы по созданию узкоотраслевых ИИ-агентов тоже будут активно развиваться.
Чем крупнее бизнес и чем сложнее его процессы – тем сложнее встроить туда универсальный общедоступный сервис. Поэтому этот рынок также будет только расти.
Это касается и рынков, связанных с обеспечением безопасности искусственного интеллекта и подобных сервисов.
- Широко обсуждаются проблемы, связанные с галлюцинациями ИИ. Как вы планируете их решать в рамках ваших разработок?
- Елена Кожина: Такого ИИ, который никогда не ошибается и не галлюцинирует, не существует. Это математическая модель, которая оперирует вероятностями, так что способа избежать такого поведения попросту нет. Именно поэтому так важно учить людей пользоваться этими инструментами.
Нужно пояснять пользователю, что необходимо проверять информацию, всегда делать кросс-чекинг, относиться к ответам ИИ критически и валидировать их хотя бы через Ctrl C+Ctrl V. Я считаю, что люди не должны терять навык самостоятельной работы с информацией.
ИИ – это еще один источник информации, это помощник. Но он не должен восприниматься как источник истины в последней инстанции.
- Андрей, с какими основными проблемами сталкивается бизнес при внедрении ИИ, и как платформа помогает их решать?
- Андрей Даркшевич: Это ключевой вопрос. Мы видим три основные боли у заказчиков.
- Андрей, какой главный совет вы бы дали бизнесу, который только задумывается о внедрении ИИ?
- Андрей Даркшевич: Не бойтесь начинать, но стартуйте с малого и с правильными партнерами. Ищите тех, кто говорит не только о нейросетях, но и о данных, безопасности, рисках и способах управления ими. Мы в своей платформе именно на это и делаем ставку.
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!
