Цифровые сотрудники и AI data fabric: практический опыт внедрения - BSS Bercut
Иван Рыль, директор по развитию BSS Bercut. Конференция «Телеком Будущего 2026» "TMT Conference". Главная бизнес-проблема — не просто AI, а монетизация и адаптация биллинга. Упоминалось, что 74% операторов не успевают адаптировать BSS/биллинговые системы, а вокруг них уже сформирован сложный IT-ландшафт. Внедрение AI упирается в интеграцию с большим количеством legacy-систем и кастомизаций. Чтобы покрыть процесс слоем искусственного интеллекта, нужно синхронизироваться со множеством старых систем. Решением стала AI data fabric — слой, который агрегирует данные из множества источников и работает поверх legacy-систем. При этом отдельно стояла задача безопасно извлекать данные и не выводить чувствительную информацию наружу. Внедрение дало эффект в виде “цифровых сотрудников” и оптимизации работы специалистов. Прозвучали успешные кейсы, где AI помог снять рутину с сотрудников. Одна из главных сложностей — не технологическая, а организационная: страхи сотрудников. Нужно было объяснять, что AI не означает увольнения, а освобождает людей для более профильных и стратегических задач. Самая заметная рутина, которую можно убрать, — поиск данных, агрегация, принятие решений и аналитика. Именно это названо самой сложной частью внедрения. Проблема сопротивления AI масштабируется на разные отрасли. Это отмечено как неочевидный, но повторяющийся эффект: формально AI ждут, но на практике реакция может быть обратной. Выступление о том, как внедрять AI в сложные legacy-экосистемы: через data fabric, безопасную работу с данными и постепенное внедрение “цифровых сотрудников”, при этом отдельно управляя ожиданиями и страхами команды.
Иван Рыль, директор по развитию BSS Bercut. Конференция «Телеком Будущего 2026» "TMT Conference". Главная бизнес-проблема — не просто AI, а монетизация и адаптация биллинга. Упоминалось, что 74% операторов не успевают адаптировать BSS/биллинговые системы, а вокруг них уже сформирован сложный IT-ландшафт. Внедрение AI упирается в интеграцию с большим количеством legacy-систем и кастомизаций. Чтобы покрыть процесс слоем искусственного интеллекта, нужно синхронизироваться со множеством старых систем. Решением стала AI data fabric — слой, который агрегирует данные из множества источников и работает поверх legacy-систем. При этом отдельно стояла задача безопасно извлекать данные и не выводить чувствительную информацию наружу. Внедрение дало эффект в виде “цифровых сотрудников” и оптимизации работы специалистов. Прозвучали успешные кейсы, где AI помог снять рутину с сотрудников. Одна из главных сложностей — не технологическая, а организационная: страхи сотрудников. Нужно было объяснять, что AI не означает увольнения, а освобождает людей для более профильных и стратегических задач. Самая заметная рутина, которую можно убрать, — поиск данных, агрегация, принятие решений и аналитика. Именно это названо самой сложной частью внедрения. Проблема сопротивления AI масштабируется на разные отрасли. Это отмечено как неочевидный, но повторяющийся эффект: формально AI ждут, но на практике реакция может быть обратной. Выступление о том, как внедрять AI в сложные legacy-экосистемы: через data fabric, безопасную работу с данными и постепенное внедрение “цифровых сотрудников”, при этом отдельно управляя ожиданиями и страхами команды.