Агентный AI в бизнесе: как TELUS сэкономила $90M, создав 13 000 решений за год

От экспериментов к стратегии: почему 2025 год разделил компании на два лагеря

Два года назад обсуждали, нужен ли AI компаниям вообще. Сегодня вопрос иной: почему большинство компаний внедряют AI плохо? По данным McKinsey и Writer, 80% организаций видят ноль ROI от инвестиций в AI. Но есть исключения. Те, кто создал экосистему агентного AI, вписал в ДНК организации автоматизацию и переобучил команды, выигрывают в пять раз больше.

Возьмите TELUS — канадского гиганта в телекоме и здравоохранении. Она развернула собственную платформу Fuel iX, дав 57 000 сотрудников прямой доступ к Claude-powered AI-агентам. За 12 месяцев команда создала 13 000 внутренних AI-инструментов, которые сделали одно простое: сэкономили компании 500 000+ часов труда и принесли $90 миллионов прямой выгоды.

Это не теория. Это операционная реальность, где AI из дорогой игрушки превратился в инструмент конкурентного преимущества.

Внутри успешной AI-трансформации: четыре кейса, которые переписали правила игры

TELUS: Когда 57 000 сотрудников работают с AI-ассистентом

Стратегия TELUS была простой, но смелой: дать каждому сотруднику возможность строить собственные AI-решения без программирования. Через шаблоны и no-code интеграции разработчики получили доступ к Claude Code в IDE, аналитики — предконфигурированные инструменты аналитики, а операторы поддержки — готовые скрипты для автоматизации типовых задач.

Результаты:

• 13 000+ AI-powered инструментов создано внутри компании
• 500 000+ рабочих часов сэкономлено в течение года
• 47 enterprise-grade приложений развёрнуто в боевых условиях
• $90 миллионов прямой измеримой выгоды

Ключевое отличие: TELUS не купила готовые AI-решения, она позволила своей организации создавать их сама. Это как разница между наймом водителя такси и выдачей каждому сотруднику возможности ездить на такси самостоятельно.

Newfront Insurance: AI в кадрах и контрактах = 60% экономии затрат

Newfront — один из крупнейших США страховых брокеров. Первая проблема: HR-команда тонула в документах. Вторая: анализ контрактов страховых соглашений отнимал недели у специалистов.

Решение: развёрнули Claude-powered HR-бота, который отвечает на вопросы сотрудников прямо в Slack, знает все внутренние полики и процессы. Второе решение: Claude Sonnet обрабатывает страховые контракты, извлекая ключевую информацию за минуты вместо дней ручного анализа.

Результаты:

• HR-команда освободила один рабочий месяц в год на каждого сотрудника
• 60% снижение затрат на обработку документов по всей компании
• Полная интеграция в Google Drive и Slack — никого переучивать не нужно было

Это кейс про то, что AI не всегда надо встраивать с нуля: иногда достаточно подключить современную модель к существующему стеку инструментов и разрешить команде использовать её как обычный инструмент работы.

Zapier: 800 AI-агентов, которые работают вместо людей

Zapier — платформа no-code автоматизации. Они сделали логичный ход: если мы делаем автоматизацию, то превратим Claude в центр нашей собственной автоматизации.

Результаты:

• 800+ Claude-powered AI-агентов развёрнуто внутри компании
• 89% адопция AI-инструментов среди сотрудников
• 10x рост в количестве задач, выполняемых через Claude-агентов, в течение года
• Интеграция прямо в Zapier's developer pipeline через Assistants API

Zapier показала, что агентный AI работает не просто в back-office функциях, но и в core product-разработке. Это перестаёт быть инструментом — это становится операционным слоем компании.

JPMorgan: $1 млн+ каждый день от Contract Intelligence

JPMorgan запустила COiN (Contract Intelligence) — систему, которая анализирует юридические и финансовые документы с точностью, близкой к идеальной. Система обрабатывает 12 000 контрактов в секунду с экстракцией ключевой информации.

За счёт этого банк освобождает 360 000 часов труда юристов и аналитиков в год — это то же самое, что нанять 180 человек специалистов уровня senior. В пересчёте на экономию: это по меньшей мере $40+ миллионов в год только на зарплаты, плюс ускорение сделок и снижение рисков упущенных сроков compliance.

Почему эти компании выигрывают, а 80% остальных проигрывают

Успешные компании (TELUS, Newfront, Zapier, JPMorgan) сделали четыре общих действия:

1. Выбрали правильную модель
Они выбрали Claude не потому что это «лучший AI» в шумных заголовках, а потому что:

• Модель работает с длинными контекстами (100K+) — критично для анализа документов и больших кодовых баз
• Точность высока из коробки — не нужна дополнительная гонка за точностью
• Enterprise security — контролируемое развёртывание через AWS Bedrock или Google Vertex AI на собственной инфраструктуре
• Стоимость за запрос ниже, чем у конкурентов при сопоставимой или лучшей качеству

2. Интегрировали в существующий стек, а не заменяли его
TELUS не выкидывала Slack и GitHub, она подключила к ним Claude. Newfront не переходила на новый Document Management System, она добавила Claude к Google Drive. Zapier встроила Claude в собственный API, а не создавала отдельную платформу.

3. Дали команде доступ, но с guardrails
TELUS выпустила 13 000 AI-инструментов не потому что все случайно стали программистами, а потому что:

• Дали no-code и low-code интерфейсы
• Установили ролевой доступ (кто может использовать какие модели)
• Логировали всё для аудита и compliance
• Создали центр компетенций, который поддерживает экосистему

4. Считали деньги с первого дня
Когда TELUS запустила систему, они не говорили «давайте посмотрим что будет». Они определили KPI:

• Сколько часов мы сэкономим на каждом процессе
• Какова цена этих часов в нашей компании (для инженера это $150-200/ч, для оператора $30-40/ч)
• Какова стоимость Claude API для этого процесса
• Какой ROI нам нужен чтобы считать это успехом (> 3:1 обычно)

Практическое применение для вашей компании

Реальная цифра: обработка одного страхового контракта у Newfront занимала 2-3 часа. Claude обрабатывает его за 2-3 минуты. Это 99% сокращение времени. Даже если вы 10% времени тратите на проверку результата Claude (15-20 минут на контракт), это всё равно 85% экономия.

Почему компании на этом просто экономят часы вместо того, чтобы масштабировать обработку? Потому что не все задумываются об этой возможности. Newfront сделала и получила 60% снижение затрат.

Какие индустрии выигрывают больше всего

Данные из case studies показывают, где AI даёт наибольший ROI:

• Финансовые услуги: анализ документов, фрод-детекция, инвестиционное исследование (JPMorgan)
• Телекоммуникации и utilities: поддержка пользователей, автоматизация повторяющихся процессов (TELUS)
• Страховой бизнес: анализ контрактов, обработка claim-ов, HR-вопросы (Newfront)
• SaaS и software development: генерация кода, тестирование, документация (Zapier, множество eng teams)
• Аудит и консалтинг: аналитические отчёты, исследование законодательства, подготовка презентаций

Общее правило: чем больше компания работает с текстом, документами и данными — тем больше выгода от агентного AI.

Перспективы: агентный AI — это не заканчивается

Но это всё ещё требует правильного управления. Компания с хорошей AI-культурой, где сотрудники тренированы работать с агентами и у всех есть ясность по ROI — она будет преимущество в следующие 5 лет.

Компания, которая пока ещё думает над пилотом генеративного AI в R&D отделе, может пропустить окно возможностей, когда AI станет стандартом в отрасли и войти позже — это будет дороже, сложнее и конкуренты уже приготовились.

Узнать больше

Источники информации