Платформа «Камертон» на GoCloudTech 2026: как ИИ-агенты ФСК нормализуют строительные спецификации
Владимир Крыльцов, директор по ИТ ГК ФСК, на конференции GoCloudTech 2026 представил архитектуру корпоративной платформы «Камертон». В отличие от публичных моделей, ориентированных на генеративный контент, эта система решает конкретные бизнес-задачи: от быстрого прототипирования решений до автоматической обработки проектной документации. Основу инфраструктуры составляют собственные агенты, работающие в закрытом контуре, что позволяет передавать рутинные операции алгоритмам без потери контроля над итоговым результатом человеком.
# Платформа «Камертон»: баланс автоматизации и человеческого контроля в ГК ФСК
На конференции GoCloudTech 2026, организованной Cloud.ru, директор по ИТ ГК ФСК Владимир Крыльцов подробно описал возможности внутренней искусственной интеллектуальной платформы «Камертон». В докладе подчеркивается смещение фокуса разработки: если ранее приоритетом было создание универсальных решений, то теперь компания делает ставку на прикладное использование ИИ для решения узких, но критически важных задач. Платформа развивается в двух ключевых направлениях, каждое из которых требует особого подхода к архитектуре и внедрению.
Прототипирование и валидация гипотез
Первое направление деятельности платформы направлено на ускорение цикла разработки продуктов. «Камертон» позволяет создавать прототипы ИТ-решений на ранних этапах, когда полноценная разработка еще не начата. Это дает возможность проверить бизнес-гипотезу, оценить жизнеспособность идеи и минимизировать риски перед инвестированием значительных ресурсов в реализацию. Технология работает как ускоритель идеализации, позволяя команде быстро перемещаться от концепции к работающей модели.
В этом контексте важно понимать разницу между генеративным искусственным интеллектом, создающим новый контент «с нуля», и инструментами структурного анализа, которые «Камертон» использует для валидации. Платформа не выдумывает новые функции без запроса, она помогает структурировать мысли команды, выявлять противоречия в описаниях и быстро визуализировать логику будущих сервисов.
Автоматизация рабочих процессов и нормализация данных
Второе, более зрелое направление, связано с операционной эффективностью. Здесь платформа использует ИИ-агентов для автоматизации повторяющихся процессов, особенно там, где требуется высокая точность и работа с большими объемами структурированной информации.
Одним из ярких примеров, представленных на конференции, стала задача нормализации строительных спецификаций. В строительной отрасли документы часто содержат уникальные версии, разные форматы и неточности в терминологии. Ручная работа с такими массивами данных требует времени и подвержена ошибкам. Система «Камертон» способна сопоставлять различные версии документов, выявлять расхождения, обрабатывать спецификации и формировать итоговые файлы в строго заданном формате.
Ключевым аспектом подхода является сохранение человеческого фактора в критических точках. Система не утверждает данные автоматически, если они содержат неоднозначные позиции. Такие элементы выносятся в отдельные блоки для перепроверки специалистом. Это создает гибридную модель работы: рутинные операции по формату и структуре берет на себя алгоритм, а человек сохраняет контроль за смысловыми и нормативными аспектами. Такой подход снижает нагрузку на сотрудников, позволяя им сосредоточиться на анализе, а не на переборке файлов.
Эволюция инфраструктуры и метрики эффективности
По состоянию на 15 октября 2026 года инфраструктура платформы «Камертон» включала в себя порядка 300 ИИ-агентов. За предшествующие 30 дней к системе обращались около 300 аккаунтов пользователей. Общий объем обращений с начала июня по указанную дату составил 42,6 тыс., а количество сформированных выходных файлов — 19 тыс.
Владимир Крыльцов сделал важное замечание относительно оценки успешности внедрения. Количество запросов, по его словам, само по себе не является индикатором экономической эффективности. Платформа оценивается через призму конкретных процессов: измеряется время выполнения задачи, количество необходимых дополнительных проверок, частота исправлений и общая стоимость получения итогового результата по сравнению с ручным исполнением. Снижение этих показателей и есть реальный показатель пользы от автоматизации.
Технический термин «агент» в данном контексте следует понимать не как простую программу, а как автономную единицу работы, способную принимать решения на основе входящих данных, планировать шаги по решению задачи и взаимодействовать с другими компонентами системы для достижения цели. В «Камертоне» эти агенты работают в строго очерченном периметре безопасности, не имея доступа к внешним данным за пределами корпоративной сети.
Таким образом, «Камертон» представляет собой пример того, как крупные организации могут адаптировать технологии искусственного интеллекта под специфические нужды бизнеса, отказываясь от слепого внедрения универсальных решений в пользу тонкой настройки под внутренние задачи. Это позволяет сохранить безопасность данных и гарантировать качество результатов.