Система ИИ-агентов с критиком сократила в СИБУРе оценку идеи с 88 дней до двух недель

Об этом рассказала Елена Солдатова, старший менеджер ключевых проектов развития рынка и электронной коммерции СИБУРа. Техническую часть описал Дмитрий Твердохлебов, основатель Omnius.team. Если коротко, что такое ИИ-агент: это программа на основе нейросети, которая сама выполняет свой участок работы по шагам, как сотрудник с узкой должностью.

Что произошло в СИБУРе?

СИБУР производит нефтехимическое сырьё. Его клиенты делают из него пищевую упаковку, плёнку, пакеты, медицинские шприцы, ящики для фруктов, трубы и окна. Компания постоянно ищет изделия, которые можно перевести на полимеры. Такая замена одного материала другим называется субституцией.

Каждую идею проверяют с нескольких сторон: свойства материала, условия работы изделия, спрос, нормативные требования и экономика. Солдатова приводит пример: металлическую деталь хотят сделать полимерной ради снижения веса. Тогда нужно понять, выдержит ли она нагрузку и температуру, допустима ли замена по нормам и нужна ли она кому-то вообще.

Под эту работу собрали мультиагентную систему, то есть несколько ИИ-агентов с разными ролями. Человек задаёт идею, агенты собирают сведения и проверяют аргументы друг друга. Окончательное решение остаётся за экспертом.

Почему критик появился только после ошибок?

Первые ответы системы выглядели обнадёживающе, но у экспертов быстро появились вопросы. Где-то терялась важная деталь, где-то указывали не тот норматив. По словам Солдатовой, медицинскую упаковку однажды оценили по строительным нормам.

Была и ошибка в экономике: система сравнила цены материалов и сделала вывод о выгоде, не учтя расходы на эксплуатацию. Солдатова отмечает, что по самому ответу такую ошибку не заметишь, потому что логика на первый взгляд стройная.

С марта проект прошёл три глубоких рефакторинга (переделки внутреннего устройства без смены задачи) и два ускорения. Сейчас в системе 16 шагов:

• 14 этапов выполняют нейросети;
• 2 детерминированные фазы работают по жёстким правилам, без нейросети;
• агенты-исследователи собирают аргументы по разным направлениям;
• критик проверяет, не упущены ли ограничения, хватает ли данных и нет ли противоречий между частями анализа.

Почему это важно для рынка?

Модели в системе распределены по цене и сложности задач:

• семейство Google Gemini служит основным движком: Pro отвечает за сложные рассуждения, Flash за простые задачи;
• критиком выбрали Claude;
• контекст ищет Perplexity на модели Sonar Pro, а запасной вариант, Sonnet с веб-поиском от Anthropic, работает медленнее.

Критиком выбрали Claude: он хорошо справлялся с проверкой, но выполнять на нём всю работу было бы слишком дорого. : Дмитрий Твердохлебов, основатель Omnius.team

Резервный вариант, по его словам, обходится примерно в пять раз дороже основного. Отсюда практический вывод: дорогую модель ставят только туда, где ошибка обходится дороже всего. Перед нами привычная редакционная схема, только собранная из нейросетей: автор пишет, редактор придирается, главный редактор решает.

Критик формулирует возражения: какой вывод оспорить, почему, насколько серьёзен риск и какие испытания нужны. Возьмём многослойную полимерную упаковку. Критик усилил известный риск: после стерилизации материал может расслоиться и потерять барьерные свойства, то есть способность защищать содержимое. Он потребовал испытаний до и после обработки, и рекомендация получила статус «только пилот».

Итог система выдаёт одним из трёх вердиктов: «только пилот», «нужна проверка» или «не заменять». Спора без конца нет, этап критики один. Повторное исследование запускает уже эксперт.

Что это значит для вас?

Автору Дзена схема пригодится без всякой промышленности. Попросите одну нейросеть написать текст, а другую, в отдельном чате, найти в нём слабые места: откуда цифры, есть ли источник, не перепутаны ли термины. Ошибка вроде медицинской упаковки по строительным нормам легко случается и в статье.

Маркетологу важна экономика. Пример про цену материала без учёта эксплуатации подходит к любым расчётам выгоды. Если ИИ пишет «дешевле, значит выгоднее», проверьте, что именно он сравнивал.

Предпринимателю в РФ и СНГ стоит перенять принцип, а не набор моделей. Из доступных в России аналогов можно взять YandexGPT и GigaChat: одной модели поручите черновик, второй проверку. Вердикт оставьте за человеком.

Кто встроит в свою работу такого придирчивого коллегу, тот будет реже публиковать красивые, но ложные выводы. Аудитория 50+ замечает такие промахи первой и не прощает их.