Яндекс B2B Tech запустил «Алису AI Про» — корпоративного ИИ-ассистента, который сам разбивает поручение сотрудника на задачи, формирует «команду» специализированных ИИ-агентов и собирает от них единый ответ. В продукте более 120 готовых навыков, свои навыки создаются без написания кода, внешние сервисы подключаются по протоколу MCP и через плагины. Показательно здесь не название, а архитектура: рабочая среда агента — инструкции и инструменты — становится основой, а LLM превращается в сменяемый компонент.
Что произошло
Яндекс B2B Tech объявил запуск «Алисы AI Про» — корпоративного ИИ-ассистента, построенного по мультиагентной схеме: сотрудник отдаёт поручение, главный ассистент-координатор разбивает его на подзадачи и распределяет между специализированными агентами, из которых одни ищут информацию и работают с документами, а другие взаимодействуют с корпоративными системами. Продукт нацелен на маркетинг, дизайн, бухгалтерию, HR, аналитику и финансы. Его можно развернуть на собственной инфраструктуре компании и подключить к CRM и системам документооборота. В «Алисе AI Про» заявлено более 120 готовых навыков (Skills) — инструкций и шаблонов для конкретных рабочих задач; собственные навыки компания создаёт без написания кода. Внешние сервисы подключаются через плагины: Phygital+ отвечает за генерацию изображений и видео, AvangardAI работает как тренажёр для продавцов.
Контекст
На фоне рынка корпоративного ИИ этот запуск — сдвиг от модели «чат-бот по базе знаний» к агентным системам, где главное не выбор модели, а рабочая среда агента: навыки как переиспользуемый слой инструкций, MCP как слой инструментов и оркестрация нескольких агентов. С точки зрения научной новизны здесь почти ничего нового: мультиагентная оркестрация, переиспользуемые инструкции и tool-calling — известные инженерные паттерны, и «Алиса AI Про» — по сути сборка знакомых компонентов (planner, router, tool-calling). Значение запуска в другом: связку «инструкции плюс инструменты плюс оркестрация» впервые в русскоязычном сегменте продуктизировали именно как корпоративный продукт. Заметный артефакт этого подхода — Skills как отдельный переиспользуемый слой: те же навыки работают и в самом ассистенте, и в самостоятельно собранных агентах в Yandex AI Studio. А использование открытого стандарта MCP в корпоративном продукте — проверяемый сигнал о курсе на совместимость экосистем.
Почему это важно для индустрии
Для отрасли запуск даёт воспроизводимый архитектурный шаблон: ценность агента складывается из переиспользуемого слоя инструкций (Skills), слоя инструментов (MCP и плагины) и оркестрации нескольких агентов. Фокус разработки смещается с выбора модели на проектирование рабочей среды, и инженерный труд постепенно переезжает к написанию и версионированию инструкций, настройке evals для агентных цепочек и observability. Компании, которые внедряют такие системы, вынуждены формализовать собственные регламенты как набор инструкций для агентов — на этом формируется новый рынок «агентной» корпоративной документации и интеграций, включая будущие услуги по «переводу» регламентов в машинноисполняемый вид. Для стартапов эффект двойственный: с одной стороны, растёт пространство вокруг Skills-пакетов и MCP-интеграций, с другой — падает ценность тонких продуктов-обёрток, потому что заказчикам уже показывают, как развернуть агента на своей инфраструктуре и подключить его к CRM и документообороту без кода. Если паттерн закрепится, в горизонте пары лет LLM окончательно станет сменяемым компонентом, а ценными активами компании будут формализованные навыки и интеграции.
Почему это важно для пользователей
Читателям, которые собирают собственных агентов в Yandex AI Studio, доступен практический шаг уже сейчас: навыки из «Алисы AI Про» можно переиспользовать в своих агентах, не переписывая инструкции заново. Подключение своих сервисов к ассистенту делается через MCP или готовые плагины (Phygital+ для генерации изображений и видео, AvangardAI как тренажёр для продавцов) без написания кода. Аналогично можно развернуть корпоративного ассистента на своей инфраструктуре и связать его с CRM и системами документооборота. По сути, запуск даёт рабочий референс сборки агента под реальные процессы — «навыки плюс MCP плюс оркестрация», который можно изучать и копировать в собственных продуктах. Для сотрудников внутри компаний появится шанс делегировать агенту типовые задачи из маркетинга, бухгалтерии, HR, аналитики и финансов, описав их правилами один раз — почти как наboarding-инструкцию новому сотруднику.
Что пока неизвестно / ограничения
Пока это вендорский анонс, и подтверждённых production-данных в нём нет: не раскрываются ни доля успешно завершённых сквозных задач, ни сравнение оркестрации «команды» агентов с одним агентом, ни стоимость инференса, ни latency, ни лимиты API. Не следует из источников и то, что именно исполняется на инфраструктуре компании — сами модели или только оркестратор и данные, это нужно проверять отдельно. Список подключаемых плагинов на старте узкий, а судьба Skills-экосистемы и MCP-коннекторов зависит от того, переживёт ли продукт этап анонса. Реальную стоимость внедрения и качество работы «команды» агентов можно будет оценить только по независимым кейсам первых заказчиков.
Источники
Автор
Look at AI, редакция