Perplexity: сам доступ к ИИ не даёт отдачи — нужна интеграция в рабочие процессы

Главный тезис: доступ ещё не отдача

Разбор Perplexity от 7 сентября 2026 года начинается с простой мысли: выдать сотрудникам доступ к ИИ — не то же самое, что получить отдачу; возврат появляется, когда модель подключена к полезным данным и встроена в рабочие процессы.

AI-интеграция определяется как подключение ИИ к существующим системам организации — данным, программам и процессам; в этом случае он способен выполнять конкретные действия, подтягивая данные из разных приложений, например превращать обновления в Confluence в задачи Asana и уведомлять команды в Slack. Бизнес может встраивать ИИ в свои продукты самостоятельно или подключать системы к платформе, которая оркеструет работу через API и инструменты, — второй путь и даёт модели организационный контекст.

Где отдача уже измерима

У австралийского банка BOQ Group прохождение проверки бизнес-рисков сократилось с трёх недель до одного дня — по данным опроса Microsoft 2025 года, на который ссылается материал. Там же приведён случай группы Markerstudy: приложение для суммаризации звонков в отделе урегулирования убытков экономит обработчикам четыре минуты на звонок, что даёт 56 000 часов экономии в год.

Венчурная Bessemer Venture Partners сократила проверку NDA с одного-двух часов до минут — это пример из истории клиента Perplexity. Платформа бизнес-банкинга Rho сообщила об экономии 120 часов на 12-недельном проекте и о сокращении времени встреч на 90%.

Отдельно перечислены семь выгод: автоматизация рутины, точность данных, скорость решений, масштабирование вместе с ростом данных, ускорение инноваций, персонализация клиентского опыта и усиление конкурентного преимущества.

Что ломает отдачу

Ошибки — только часть проблемы: сложность интеграции, неровное качество данных, слабое управление, дрейф модели и стоимость поддержки тоже съедают выгоду. Дрейф особенно неприятен тем, что процесс хорошо работает в тесте и деградирует позже, когда меняются данные и подсказки, поэтому измерять его нужно уже после запуска.

Если ИИ остаётся отдельным приложением, сотрудникам приходится вручную переносить данные и контекст: у модели не хватает организационного контекста — регламентов, клиентских аккаунтов и других данных, — а ИТ-команде трудно стандартизировать, поддерживать и контролировать такую схему.

Исследование MIT, приведённое в материале, показало: у разработчиков с доступом к ИИ-инструменту для кода активность в кодировании выросла на 12,4%, а активность в управлении проектами упала на 24,9%.

План пилота вместо широкого запуска

Пошаговый план выглядит так: выбрать один измеримый процесс — повторяемый или исследовательский; зафиксировать базовые затраты, время выполнения, долю ошибок и объём выпуска; оценить готовность данных и систем, перечислив нужные приложения, API и наборы данных; задать критерии успеха, то есть какое улучшение оправдывает дальнейшие вложения; сохранить участие людей с понятными проверками и согласованиями; провести ограниченный пилот и сравнить результат с базовым уровнем; масштабировать только те интеграции, которые дали устойчивое улучшение.

Для проверки до широкого внедрения предлагаются свои метрики: время на задачу и объём выпуска для повторяемой работы, время исследования и точность источников для аналитики, время на обращение и удовлетворённость для клиентских сценариев, доля ошибок и время на правки для контроля качества.

По безопасности в материале отмечено, что злоумышленники используют ИИ для поиска zero-day уязвимостей, поэтому компании наращивают защиту: в июне 2026 года Cisco выпустила платформу с оборонительными ИИ-агентами для мониторинга инфраструктуры, блокировки вторжений и удаления взломщиков. Ключевые решения, по тексту, всё равно остаются за человеком с понятной ответственностью.

Как это устроено у Perplexity

Экономия, по материалу, возникает в маркетинге, HR, финансах, закупках, юридическом департаменте, клиентском сервисе, продажах и ИТ с безопасностью — от снижения стоимости производства контента до меньшего числа часов на разбор рутинных алертов.

Себя Perplexity описывает так: API-платформа маршрутизирует задачи между 15+ фронтирными моделями, включая OpenAI, Anthropic и Google, чтобы работу выполняла подходящая модель; Enterprise подключается к файлам и инструментам компании через App Connectors, охватывающие 400+ сервисов, включая Slack, Google Drive и Snowflake. Агентная платформа Perplexity Computer оркеструет агентов под конкретные процессы.

Компания также заявляет, что не обучает свои модели на данных корпоративных клиентов.