Экономия в миллионы рублей и высокая производительность: Татьяна Сеземина, Т1 ИИ — о том, как ИИ-агенты меняют правила игры при миграции хранилищ данных
Ритейл работает с огромными объемами данных, обгоняя по этому показателю большинство других отраслей. Транзакции, программы лояльности, ассортимент, логистика, данные из онлайн- и оффлайн-каналов продаж формируют постоянно растущий информационный контур. Во многих компаниях хранилища создавались и развивались на протяжении десятка лет. Со временем базы данных обрастают устаревшими решениями, повторяющимися объектами, а логика их работы теряет прозрачность. Поэтому миграция хранилищ в ритейле почти всегда выходит за рамки обычной технической задачи. Компании приходится переносить большие объемы информации, одновременно восстанавливая архитектуру, накопленную за годы развития. Дополнительная сложность – дефицит специалистов, которые понимают и легаси-системы, и современные платформы данных.
В крупных ритейл-компаниях миграция хранилища вместе со слоем BI и отчетности может занимать годы и создает потребовать временного расширения штата. После завершения миграции потребность в расширенной команде снижается. Итог – дополнительные затраты и сложность в управлении ресурсами. Однако как показал пилот у крупного ритейлера, использование ИИ-агентов позволяет проходить через такие проекты без масштабного увеличения команды. О том, как это стало возможным, — Татьяна Сеземина, руководитель «Платформа ИИ-агентов» направления Т1 ИИ (ИТ-холдинг Т1).
Восстановление логики как первый этап миграции
Перед переносом данных необходимо восстановить внутреннюю логику существующей системы. В зрелых хранилищах со временем теряется прозрачность связей между объектами. Документация часто оказывается устаревшей или неполной. Команды, которые изначально проектировали архитектуру, нередко уже не работают в компании. В результате бизнес продолжает использовать данные, структура и происхождение которых понимаются лишь частично.
ИИ-агенты помогают систематизировать такую среду. Они анализируют структуру хранилища, восстанавливают логические модели данных, выявляют связи между сущностями и атрибутами и формируют бизнес-описания объектов. Для ритейла это имеет прямое прикладное значение, поскольку качество аналитики зависит от того, насколько понятна внутренняя логика работы с данными о продажах, ассортименте, клиентах и поставках.
Обратный инжиниринг легаси-систем
Один из самых трудоемких этапов миграции связан с анализом существующего кода. Документация не по всем областях хранилища данных доступна, поэтомуна крупных проектах специалисты вручную разбирают SQL-запросы, ETL-процессы, процедуры и зависимости между объектами, чтобы понять, какие правила преобразования данных в них заложены. На это могут уходить недели и месяцы.
ИИ-агенты позволяют ускорить эту работу. Они анализируют существующий код, извлекают бизнес-логику, выявляют зависимости и формируют требования в структурированном виде. Особенно заметный эффект возникает там, где документация уже не соответствует реальному состоянию системы.
Так, первые измеримые результаты пилота появляются уже в первые дни работы. При этом экономический эффект формируется постепенно. На достижение окупаемости обычно уходит от нескольких месяцев до года. И уже на раннем этапе становится понятно, какие задачи миграции требуют наибольшего объема ручной работы.
Перенос логики на новую архитектуру
После восстановления структуры и зависимостей начинается этап перехода на новую платформу. На этом этапе ИИ-агенты используются для генерации кода с учетом требований целевой архитектуры. Они способны учитывать особенности разных технологических стеков и поддерживать различные SQL-диалекты. Это снижает количество типовых ошибок, которые возникают при ручном переносе большого объема логики.
Для проектных команд это означает перераспределение нагрузки. Существенная часть повторяющихся технических операций автоматизируется, а опытные специалисты сосредотачиваются на проектных решениях и контроле качества.
При этом ограничения пока сохраняются. ИИ достаточно уверенно работает с системными требованиями и техническими преобразованиями. Сложная же бизнес-логика требует более внимательной проверки. Особенно это касается BI-отчетности и сценариев, связанных с регуляторной отчетностью.
В любом случае итоговый результат должен проходить обязательную верификацию со стороны специалиста. Финальное действие агента по созданию витрины все равно подтверждает человек.
Контроль качества данных и архитектуры
В крупных хранилищах постепенно накапливаются объекты, которые создавались под конкретные задачи и затем теряли актуальность. Сохраняются устаревшие витрины, дублирующиеся наборы данных, неиспользуемые процессы трансформации.
ИИ-агенты позволяют автоматически анализировать фактическое использование данных, выявлять дубликаты и проверять соответствие архитектурным стандартам. Компания получает более точное понимание того, какие объекты действительно участвуют в бизнес-процессах, а какие остаются в системе без практической нагрузки.
Ритейл получает возможность быстро сократить накопленный технический долг без отдельного масштабного проекта по ручному аудиту. Поддержка неиспользуемых объектов со временем превращается в постоянные операционные расходы на инфраструктуру, поэтому расчистка архитектуры становится самостоятельным источником экономического эффекта.
Экономика проектов миграции
В проектах миграции хранилищ основной эффект ИИ-агентов связан прежде всего с экономикой трудозатрат. На отдельных операциях экономия времени может достигать 80%. Средний показатель по различным типам задач составляет около 40%. Совокупное снижение трудозатрат оценивается примерно в 15%. Для команды из 50 специалистов это может означать экономию до 50 млн рублей в год. При таком масштабе вложения в решение окупаются в течение года.
Для крупных компаний особенно важно то, что внедрение ИИ позволяет избежать резкого расширения команды в период миграции. Это снижает организационные риски, упрощает управление проектом и сохраняет устойчивость процессов. А после завершения миграции агенты продолжают использоваться уже в задачах поддержки и развития хранилища.
Сложности первого шага
На пилотном этапе значительное время может занять организационная подготовка. Требуется обеспечить подключение сразу к двум хранилищам на разных технологических стеках, настроить взаимодействие с LLM в облаке и согласовать архитектуру с подразделениями информационной безопасности. Решение этих вопросов критично для сроков запуска проекта.
Отдельная задача — вовлечение сотрудников. Для части команды работа с ИИ означает переход к новым инструментам и иной организации процессов. Это требует времени на адаптацию, объяснение принципов работы системы и демонстрацию практической пользы. Скепсис сотрудников чаще всего связан не с самим проектом, а с необходимостью быстро осваивать новые подходы к повседневной работе.
А что дальше?
Одно из наиболее перспективных направлений связано с мультиагентными системами. В таких сценариях разные агенты работают как единая рабочая цепочка. Один формирует требования, другой генерирует код, следующий выполняет проверку результата. Наибольший эффект возникает на стыке функций, где обычно замедление связано с передачей задач между разными участниками процесса.
В перспективе нескольких лет это ведет к появлению более автономных хранилищ данных. Такие системы будут лучше документированы, в них сократится объем неиспользуемого кода и устаревших объектов. Значительная часть операций — от формализации задачи до тестирования и подготовки аналитического результата — будет выполняться автоматически. Человек будет проверять итоговые результаты и контролировать работу системы.
Для ритейла это означает сокращение цикла между постановкой бизнес-задачи на реализацию нового отчета и получением результата. Скорость работы с данными становится одним из факторов конкурентоспособности, и именно здесь ИИ-агенты постепенно начинают играть заметную практическую роль.
___
Российское Ритейл Шоу/Russian Retail Show и Выставка Ритейл ТЕХ Экспо/Retail TECH Expo (21–23 апреля 2026 года) — главное мероприятие о трансформации отрасли розничной торговли. Российские и международные тренды, дискуссии на ключевые темы отрасли, кейсы, бизнес-практики и инновации:
