AI-трансформация Циана: от точечного внедрения к системной практике

Проект решает стратегическую бизнес-задачу повышения эффективности компании за счет системного внедрения AI в рабочие процессы. Его цель — ускорить создание и доставку ценности пользователям, снизить долю рутинных операций в работе сотрудников, автоматизировать типовые процессы и высвободить ресурс для более важных и стратегических задач. Одновременно проект направлен на повышение надежности и защищенности процессов: выявление уязвимостей, автоматизацию проверок, снижение вероятности ошибок и повышение прозрачности процессов. 

2026

Ключевой результат заключался в высоком уровне фактического использования AI в ежедневной работе. 91% технических сотрудников регулярно используют AI-инструменты, более 75% строк кода создаются с их использованием. Экономия времени на ручную модерацию за счет LLM составила 75%.

После периода структурных изменений и снижения производительности команда восстановила показатели и обеспечила рост производительности разработки на 20%. Эффект обеспечен не только внедрением AI-инструментов, но и оптимизацией процессов, устранением дублирования функций и сокращением ручных операций.

Около 30% сотрудников нетехнических специальностей стали использовать внутреннюю AI-платформу Циана для повышения операционной эффективности.

Применялся комплекс AI-инструментов, сервисов и интеграций, обеспечивающих разработку, подключение AI-агентов и автоматизацию коммуникаций.

В техническом контуре применялись Qwen, CodeX, Claude, Z.ai, OpenRouter, vLLM, Яндекс AI Studio, а также MCP-интеграции и внутренние API корпоративных инструментов. При работе с внешними AI все данные деперсонализируются в соответствии с требованиями комплаенса. Для этого мы используем сервис поиска и замены чувствительной информации, а для особых сценариев, требующих анализа таких данных, — Self-Hosted-модели.

Для корпоративных коммуникаций применялся Контур.Толк, включая функции распознавания и анализа переговоров. Дополнительно использовались инструменты собственной разработки: AI Reviewer и Security Scanner.

При выборе решений учитывались их производительность, безопасность, совместимость с внутренними процессами и влияние на бизнес-результат. Существенная часть инфраструктуры была переведена на отечественные программные продукты и сервисы.

В проекте не используются решения из каталога Global CIO

Главная сложность заключалась не столько в техническом внедрении AI, сколько в изменении привычных способов работы. Сотрудники имели разный уровень готовности (от ранних амбассадоров, стремившихся использовать новые технологии максимально быстро, до консервативных сотрудников и скептиков, опасавшихся замены человека AI).

Поэтому недостаточно было просто предоставить лицензии и инструменты. Команде пришлось выстраивать единые подходы, обучать сотрудников, объяснять новые сценарии работы и создавать безопасную среду для экспериментов. Одновременно необходимо было отслеживать производительность и разбираться, почему внедрение новых инструментов в отдельных процессах первоначально не дало ожидаемого эффекта. 

Важно было также учитывать требования к безопасности и конфиденциальности. Необходимо было сочетать несколько внешних и внутренних AI-решений, постепенно переходить на отечественные сервисы и при этом сохранять управляемость единой инфраструктуры.

До начала проекта AI-инструменты использовались в компании точечно и несистемно. Отдельные сотрудники и команды самостоятельно тестировали доступные решения, однако единой стратегии, стандартизированных подходов и централизованной инфраструктуры не было. Такой «партизанский» формат ограничивал масштабирование практик и не позволял управляемо оценивать их влияние на производительность, качество и безопасность.

Сотрудники имели разный уровень готовности к изменениям. Часть команд опасалась, что AI приведет к сокращению рабочих мест или обесценит экспертизу специалистов. Поэтому проект требовал не только технологического внедрения, но и серьезной работы с обучением и доверием.

Проект развивался по трем направлениям.

Первое было направлено на внедрение индивидуальных AI-инструментов для разработчиков. Сотрудникам предоставили современные решения для генерации и анализа кода, работы с документацией и автоматизации рутинных задач. Были созданы внутренние инструменты AI Reviewer и Security Scanner, а также skills для переноса сервисов на другой технологический стек.

Второе направление состояло в расширение доступа к AI за пределами технического блока. Компания разработала единый внутренний GenAI-контур для всех сотрудников на основе открытых технологий, которые позволяют использовать современные LLM-модели в рабочих процессах. Около 30% сотрудников нетехнических специальностей стали использовать внутреннюю AI-платформу Циана для повышения операционной эффективности. Команда развернула внутренние платформы и API, организовала обучение и подключила AI-сервисы для сотрудников Discovery, коммерческого департамента и других подразделений. В коммерческом департаменте автоматизировали распознавание и анализ переговоров сотрудников отдела продаж. Автоматизация технической поддержки: 95% жалоб обрабатываются автоматически, время рассмотрения сократилось до 3 минут, а экономия времени на ручную модерацию за счет LLM составила 75%. 

Третье — трансформация корпоративной культуры. AI был встроен в планирование и обучение. Команда сформировала безопасную среду для экспериментов, помогала сотрудникам осваивать новые инструменты и выстраивала единые правила их применения. Сотрудники Циана также проходили курсы по AI-грамотности.

По итогу AI перестал быть набором отдельных инициатив и стал частью повседневной работы различных отделов. Изменились процессы разработки, Discovery, планирования и обучения, появились новые сценарии автоматизации в коммерческом блоке.

Россия, проект также применялся в распределенных командах с удаленными сотрудниками.