В 2026-м я наблюдаю любопытную картину у клиентов. Пилоты с ИИ прошли почти у всех кто-то прикрутил GigaChat к Service Desk, кто-то сделал HR-бота на коленке, кто-то OCR-распознавалку счетов. Вау-эффект на демо был. А в продакшене три-четыре разрозненных решения, никто не понимает, сколько компания тратит на токены, и СБ уже принесла пачку отчётов про сотрудников, льющих ТЗ в публичный ChatGPT.
Это и есть «фаза отрезвления», про которую сейчас пишут McKinsey и Gartner: проблема ИИ не в моделях, а в том, чтобы перевести их из эксперимента в управляемую инфраструктуру. По сути, это запрос на отдельный класс решений – корпоративные GenAI-платформы.
Ниже – разбор трёх российских платформ, которые я для себя считаю наиболее показательными в этом сегменте: BPMSoft AI, SimpleOne GenAI и ELMA Cortex. Все три попали в топ-4 свежего рейтинга CNewsMarket «Корпоративные ИИ-помощники 2026», все три называют себя GenAI-платформами. Но при ближайшем рассмотрении это три принципиально разных архитектурных класса - и я попробую показать, почему выбор между ними упирается не в функции, а в один вопрос: где у вас сейчас центр тяжести автоматизации.
Сразу оговорюсь: я не вендор-нейтрален в том смысле, что у меня есть опыт внедрения и зарубежных, и российских ESM-платформ, и я смотрю на рынок глазами архитектора, а не маркетолога. Поэтому будут субъективные оценки. Где так – буду помечать.
Что вообще считать GenAI-платформой
Прежде чем сравнивать, договоримся о терминах. Под корпоративной GenAI-платформой я понимаю не «продукт с ИИ-функциями», а управляемый слой, у которого есть пять обязательных свойств:
Оркестрация LLM – переключение между YandexGPT, GigaChat, OpenAI и локальными моделями без переписывания процессов
RAG из коробки – ответы на основе внутренних регламентов, а не «знаний из интернета»
Управление ИИ-агентами – автономные системы, способные планировать и выполнять действия через API
Централизованная безопасность – логирование сообщений, библиотека, ролевая модель, on-premise
No/Low-code конструктор – встраивание ИИ-шага в процесс силами аналитика, без кодинга
По этим пяти галочкам сегодня дотягивается с десяток решений на рынке. А вот по тому, где ИИ живёт архитектурно, рынок раскалывается на разные подходы – и именно это, на мой взгляд, главный критерий выбора. Об этом и речь.
Откуда я взял список
Опорный источник – рейтинг CNewsMarket «Корпоративные ИИ-помощники 2026». Это первая в России попытка системного сравнения по 70+ параметрам в четырёх группах: функциональность, интеграции, безопасность, доступность и поддержка.
Из топ-10 рейтинга я отобрал решения по двум фильтрам:
Архитектурный класс – выделенная GenAI-платформа или встроенный GenAI-слой, а не RPA с ИИ-надстройкой и не «бот для одной задачи».
No/Low-code кастомизация – построение собственных агентов и сценариев силами бизнес-аналитика.
По этим фильтрам из обзора выпал, например, лидер рейтинга – Robin AI от SL Soft. Robin исторически – это RPA-платформа с ИИ-надстройкой, и её сильная сторона в гиперавтоматизации интерфейсных действий, а не в построении инфраструктуры генеративного ИИ. Не вошли и узкоспециализированные продукты вроде Sherpa AI и Pyrus, где ИИ – это точечный инструмент, а не платформенный слой.
В итоге для разбора остались три платформы из топ-4: BPMSoft AI, SimpleOne GenAI, ELMA Cortex.
SimpleOne GenAI: ИИ как выделенный инфраструктурный слой
SimpleOne пошла другим путём. Здесь GenAI не функция внутри ITSM или CRM, а отдельный архитектурный слой между low-code ядром (LCAP) и бизнес-приложениями. На этом слое одновременно работают и коробочные продукты экосистемы – ITSM, ITAM, ESM, B2B CRM, HRMS, SDLC и любые кастомные приложения, которые клиент собрал сам на той же платформе.
С точки зрения архитектора это самая «правильная» история из трёх – типичная иерархия слоёв, где ИИ-инфраструктура отделена от прикладных приложений. С точки зрения бизнеса – кратчайший путь к избежанию того самого зоопарка.
Что внутри. Главная сущность здесь – нексус. Это не модель, а абстракция над моделью. Нексус описывает:
какая LLM используется (GigaChat, YandexGPT, ChatGPT, Claude, локальные)
параметры подключения (endpoints, ключи)
политики (лимиты, права доступа, промпт-правила)
модальность (текст, картинки, аудио)
биллинговую привязку
Из этого получается одна неочевидная штука: можно завести несколько нексусов поверх одной и той же модели, например GigaChat, но с разной экономикой и разными политиками для разных подразделений. У ИТ – один нексус с дорогой моделью и большими лимитами для технической документации, у HR – другой с дешёвой моделью для типовых заявок. Расходы считаются раздельно.
Автоматизация разделена на два режима – это тоже сознательная архитектурная позиция:
Workflow с AI-блоками (Generate Content, Smart Filling, OCR, Transcribe) – для предсказуемых сценариев
Автономные ИИ-агенты – для нетиповых задач со сложной диагностикой и многошаговыми цепочками
То есть когда вам нужен предсказуемый процесс «Скан → OCR → ИИ-извлечение → Проверка → Платёжка в ERP» – собираете workflow. Когда нужен агент, который сам решает, какую инструменту вызвать – берёте агента. Это не всегда так у конкурентов: где-то агенты пытаются заменить workflow, где-то workflow пытается симулировать агентскую логику.
Логирование сделано на уровне AI Task Steps – каждый шаг ИИ внутри workflow фиксируется отдельно: промпт, ответ, токены, модель, нексус. С привязкой к подразделению. Это значит, что финдиректор может за пару кликов узнать, сколько компания потратила на ИИ-токены для HR в третьем квартале без выгрузок и SQL-запросов.
Технологический контур. Оркестрация LLM в SimpleOne реализована как штатный компонент платформы – отдельной интеграции с внешним сервисом подключать не нужно, всё уже внутри. Поддерживаются GigaChat, YandexGPT, ChatGPT, Claude, локальные модели. Развёртывание – облако или on-premise в защищённом контуре заказчика.
Где это не работает. Если вы уже по уши в BPMSoft или ELMA365 – переезжать на SimpleOne ради ИИ-инфраструктуры не имеет смысла. Это решение для компаний, которые либо строят экосистему с нуля, либо мыслят ИИ как сквозной инструмент через всю организацию, а не как функцию одной системы.
Ещё момент: в моей таблице по поддержке MCP (Model Context Protocol) у SimpleOne стоит «через интеграции», а не «нативно». Это деталь, которая может стать важной по мере того, как MCP станет стандартом – если хотите быть в курсе, проверяйте у вендора актуальный статус.
Ещё момент: в моей таблице по поддержке MCP (Model Context Protocol) у SimpleOne стоит «через интеграции», а не «нативно». Это деталь, которая может стать важной по мере того, как MCP станет стандартом – если хотите быть в курсе, проверяйте у вендора актуальный статус.
BPMSoft AI: ИИ как новый элемент в BPMN
BPMSoft – крупный игрок российского рынка CRM/BPM, входит в ИТ-холдинг Lansoft. Если коротко описать архитектурную философию вендора, она звучит так: «ИИ – это просто ещё один кубик в нашем конструкторе бизнес-процессов». Такой же, как «Отправить email» или «Создать задачу». Ничего экзотического, всё внутри привычной BPMN-логики.
Ключевое обновление, которое сделало BPMSoft релевантным в этом обзоре, – релиз 1.9 (февраль 2026, более 350 ИИ-доработок). Главное там – новый элемент конструктора «Работа с LLM»: можно встроить языковую модель прямо в BPMN-процесс и собрать собственного агента без кодинга.
Что внутри. Под капотом – два слоя.
Первый, исторический и сильный – это классический ML: предиктивный скоринг лидов, прогнозирование оттока, автоклассификация и маршрутизация обращений, кластеризация клиентов. Это то, что BPMSoft умеет давно и хорошо.
Второй, новый – это GenAI-надстройка. В одном процессе можно комбинировать ML-модели для классики, LLM – для генерации текста, RAG – для работы с корпоративными данными. Плюс в Магазине приложений с релизом 1.9 появился набор готовых агентов: чек-листы, рекомендации по обращениям в Service Desk, ИИ-анализ продаж, автогенерация коммерческих предложений, анализ звонков.
Технологический контур. Партнёр – Yandex Cloud, готовая интеграция с YandexGPT Lite/Pro и QWEN3 «из коробки». Архитектура открытая: можно подключать OpenAI-совместимые модели (DeepSeek, ChatGPT) и локальные через Ollama API. Развёртывание – облако вендора, частное облако или собственная инфраструктура.
Где это работает. Если у вас BPMSoft уже стоит как основная CRM/BPM (особенно в продажах, маркетинге, клиентском сервисе) – это разумный путь добавить ИИ к тому, что уже есть. Не нужно ставить параллельную систему, плодить интеграции, договариваться о новом контуре с СБ. Всё внутри BPMSoft.
Где это не работает. Если ИИ нужен ещё и в HR, и в ИТ-поддержке, и в кастомных приложениях, написанных не на BPMSoft – это уже отдельные контуры с отдельными ИИ. С точки зрения архитектуры – три зоопарка вместо одного.
ELMA Cortex: конструктор агентов внутри AI-Ready BPM
ELMA Cortex – это отдельная платформа корпоративных ИИ-агентов, нативно встроенная в BPM-платформу ELMA365. Анонсирована на ELMA Day 2025. Философия вендора: качественные процессы и структурированные данные – это лучшая почва для ИИ, поэтому агент должен жить внутри процессов и соблюдать корпоративные регламенты. С этим тезисом я в общем согласен.
Что внутри. Сильная сторона ELMA, идущая ещё с до-ИИ времён, – работа с документами и регламентированными процессами: распознавание подписей и штрихкодов в сканах, извлечение данных в CRM, сравнение версий договоров, классификация входящей корреспонденции. Cortex это всё усиливает.
Автоматизация работает через две концепции:
AI-агенты – виртуальные сотрудники в чате на страницах ELMA365: отвечают, обрабатывают данные, выполняют действия
AI-операции – это интересно. По сути это вызов AI как функции с заданными входными параметрами и предсказуемым результатом, встраиваемый в бизнес-процессы и формы. Похоже на AI-блоки SimpleOne по результату, но иначе позиционируется – как способ убрать «человеческий фактор» в регламентированных процессах. Аналогия: workflow-блок vs autonomous agent в SimpleOne.
Под капотом – визуальные конструкторы агентов и оркестрации мультиагентных систем, мастера сборки агентских инструментов (Agent Tools) с возможностью подключения к процессам ELMA365. Для внешних систем поддерживается MCP (Model Context Protocol) нативно – это, пожалуй, самая сильная фича Cortex с точки зрения интеграционной архитектуры на текущий момент.
Поддерживается более 20 LLM-моделей, облачных и On-Premises.
Тут важная оговорка. На лендинге продукта ELMA Cortex заявлены автономные агенты, которые «действуют полностью без подтверждения». Но в технической документации написано буквально: «В дальнейших версиях будет реализована автономная работа AI-агентов. Они смогут действовать в фоновом режиме без участия пользователей».
То есть на момент написания статьи полная автономия – это roadmap, а не текущая функциональность. Текущий основной режим – «агент-ассистент», который требует подтверждения действий пользователем. Это не критика, просто факт, который полезно знать перед выбором.
Технологический контур. Развёртывание — только on-premise (нет облачной поставки). Лицензия фиксированная и не зависит от объёма используемых токенов – это, кстати, уникальная для рынка модель, которая может быть выгодной при больших объёмах ИИ-трафика. Безопасность – guardrails, токенизация чувствительных данных, аудит общения с LLM.
Где это работает. Если у вас уже стоит ELMA365 как BPM, особенно в задачах документооборота и согласований – Cortex даст быстрый прирост. Решение архитектурно консервативное, в хорошем смысле: ничего не ломает, добавляется к существующему.
Где это не работает. Облачное развёртывание невозможно (некоторым стартапам и СМБ это критично). И полная автономия агентов – пока в разработке, что для регулируемых отраслей вроде банков может быть аргументом в пользу или против — зависит от того, нужна ли вам автономия в принципе.
Сводная таблица: что важно архитектору
Чтобы не повторять буквы, всё в одной картине:
Критерий | SimpleOne GenAI | BPMSoft AI | ELMA Cortex |
Класс архитектуры | Инфраструктурный слой | Функция в BPM/CRM | Конструктор агентов в BPM |
Применимость поверх кастомных приложений | Любые приложения на платформе | В рамках BPMSoft | В рамках ELMA365 |
Управление подключениями к LLM | Нексусы (модель + политики + лимиты + биллинг) | Справочник «LLM модели» | Провайдеры LLM |
Гранулярность логирования | AI Task Step с биллингом по подразделениям | Уровень процесса | Общение с LLM |
Workflow vs ИИ-агенты | Явное разделение двух режимов | Через элементы BPMN | AI-агенты + AI-операции |
Готовые сценарии «из коробки» | В коробочных приложениях + маркетплейс | Магазин приложений | Через настройку |
Автономные агенты | Да | В рамках BPMN | На лендинге заявлены, в документации — roadmap |
Поддержка MCP | Через интеграции | Через open API | Нативная |
On-premise | Да | Да | Только on-premise |
Облако вендора | Да | Да | Нет |
Как выбирать — мой алгоритм
Если бы меня спросили клиенты «как выбрать платформу», я бы шёл по такой последовательности вопросов.
1. Что у вас уже стоит? Если в продакшене уже BPMSoft и большая часть автоматизации в нём — берите BPMSoft AI. Не потому что он лучше, а потому что переезд на другую платформу ради ИИ почти никогда не окупается. То же самое с ELMA365: уже стоит → ELMA Cortex. Это самый дешёвый путь.
2. У вас несколько направлений автоматизации? Если ИИ нужен в трёх и более системах одновременно (HR, ИТ-поддержка, юристы, бухгалтерия, кастомные приложения), то фрагментировать на несколько ИИ-контуров – это техдолг, который через два года потребует переделки. Здесь логичнее SimpleOne GenAI как выделенный слой, либо строить собственную ИИ-инфраструктуру (что сильно дороже).
3. Насколько жёсткие требования к экономике токенов? В регулируемых отраслях, где нужно отчитываться по бюджетам ИИ перед советом директоров или регулятором, ключевым становится гранулярность логирования и биллинг по подразделениям. По моему опыту, SimpleOne здесь сильнее за счёт нексусов и AI Task Steps. Но если у ELMA Cortex хватает фиксированной лицензии без привязки к токенам — это закрывает вопрос с другой стороны (тратите фиксированные деньги, экономика ИИ становится предсказуемой).
4. Нужна ли автономия агентов прямо сейчас? Если да – у SimpleOne и BPMSoft она есть в проде, у ELMA Cortex заявлена в дорожной карте. Если автономия не критична и хватает агентов-ассистентов – это перестаёт быть фактором выбора.
5. Есть ли требования к On-prem? Все три поддерживают, но у ELMA это единственный режим – что для регуляторов плюс, для гибкости минус.
Как итог
В России есть три зрелых GenAI-платформы – SimpleOne GenAI, BPMSoft AI, ELMA Cortex, и они архитектурно разные
BPMSoft AI – ИИ как элемент BPMN-конструктора. Логично, если у вас уже есть BPMSoft
SimpleOne GenAI – ИИ как выделенный инфраструктурный слой над всей экосистемой. Логично, если автоматизация распределена по многим направлениям
ELMA Cortex – конструктор агентов внутри BPM. Логично, если у вас уже ELMA365 и упор в документооборот
Главный архитектурный вопрос – «где у вас сейчас живёт автоматизация», а не «у кого функций больше»
Рейтинг CNews – это отправная точка, а не финальный ответ. Внутри топ-3 баллы отличаются на единицы, и реальный выбор зависит от вашей конкретной ситуации
Если я где-то ошибся или у вас другой опыт по этим платформам – напишите в комментариях, дополню. Особенно интересно услышать от тех, кто внедрял два-три из этих решений в одной компании последовательно: насколько боль миграции реальная.
