Cortex LIVE 3.06: честный разбор рынка ИИ в BI и премьера Cortex Виз

3 июня 2026 года состоялось большое программное событие Cortex LIVE 3.06, посвящённое искусственному интеллекту в анализе данных и управлении на основе данных. Открывая мероприятие, управляющий партнёр Visiology Иван Вахмянин начал с того, что мнения об ИИ расходятся от «это хайп, который скоро пройдёт» до «ИИ вот-вот всех заменит», но точного прогноза нет ни у кого. Поэтому компания провела анализ рынка и представила его результаты, а также итоги собственных опытов и экспериментов, которыми поделились клиенты и эксперты.

Программа была выстроена вокруг трёх запросов аудитории:

• тренды рынка BI,
• живые демонстрации,
• новинки Visiology Cortex.

Дальше о каждом блоке поговорим подробнее.

Обзор рынка: четыре способа применить ИИ в BI

Чтобы рассмотреть понятие «ИИ в аналитике» комплексно, Иван Вахмянин предложил определиться с терминами и разделил его на четыре типа. По каждому он дал резюме и рекомендацию.

Вайбкодинг. Под ним мы понимаем подход, при котором человек описывает нужный результат на естественном языке, а ИИ-инструмент (ChatGPT, Claude Code и подобные) сам пишет код и строит дашборд.

На первый взгляд, дашборды, которые получаются в результате этого подхода, выглядят так, будто могут заменить классическую BI-систему. И, как заметил Иван Вахмянин, все, кто пробовал, сначала впадают в эйфорию. Но в этом подходе кроется общая для всего рынка проблема — результат недетерминирован.

Команда Visiology провела эксперимент: взяли простой чистый набор данных по закупкам и три раза попросили Claude Code подготовить дашборд. В итоге нейросеть на один и тот же запрос сгенерировала три разных дашборда.

Дашборды различались потому, что нейросеть по-разному решала, учитывать ли отменённые и недоставленные заказы.

Вывод сделали такой, что технология ускоряет первый шаг, но пока непонятно, заменит ли она аналитика и BI. Рекомендуем использовать её для прототипирования и экспериментов, но важно качественно управлять ожиданиями и быть готовым к рискам.

Чат с базой данных (text-to-SQL). Идея в том, что человек пишет запрос на естественном языке и сразу получает ответ, минуя дашборд. По этому пути, как отметил Вахмянин, прошли почти все — и вендоры, и независимые специалисты — и сошлись на том, что без актуального семантического слоя text-to-SQL не работает. А это не только описание таблиц и колонок, но и бизнес-метрики, глоссарий, примеры запросов, статусы сертификации, владельцы данных и бизнес-контекст.

В подтверждение Иван привёл цифры из исследования LinkedIn, при полном наборе элементов семантического слоя система давала 48% удовлетворительных ответов, а без правильных примеров запросов — только 24%. Похожий эффект подтвердило и другое исследование, которое провели с помощью передовых языковых моделей на запросах к данным. С семантическим слоем точность поднималась до 67–68%, без него держалась на 45–50%. Но и 95% для такой задачи было бы мало: никто не станет пользоваться системой, способной выдать неверный ответ, который нельзя проверить.

Без семантического слоя text-to-SQL не работает, а его экономическая эффективность пока не подтверждена. Поэтому рекомендуем вкладываться в семантический слой под конкретные задачи отчётности и аналитики, а не описывать в нём все данные сразу в расчёте на автоматический результат.

Помощники в BI-платформах. Это сценарий, когда в существующую BI-платформу встраивают агентов. Примеры из Visiology — DAX-агент, помогающий аналитику писать запросы к данным, или JS-агент, который пишет и правит код виджетов. Эффективность этого направления подтверждена: оно экономит ресурсы аналитика и позволяет получать результат за дни и часы вместо недель и месяцев, убирая рутину. Подробнее об эксперименте, который показывает экономию ресурсов, рассказал в последнем блоке программы Руслан Балкаров.

AI Native BI. Четвёртая группа — BI, изначально построенные на ИИ. Инвесторы проявляют к ней большой интерес. За последний год около 10 компаний привлекли венчурное финансирование на создание новых BI-платформ на основе ИИ. Почти все они американские и работают поверх готовых хранилищ вроде Snowflake и Databricks, поэтому загрузки и преобразования данных в них почти нет. Рассчитаны они на технических специалистов и инженеров, которые способны проверить сгенерированный запрос.

Потенциал у AI Native BI огромный, но подтверждений пока нет, поэтому рекомендуем следить за этой группой, чтобы не отстать.

Cortex Визы: дашборд из ваших данных по запросу на обычном языке

После обзора рынка началась практическая часть, во время которой компания представила главную премьеру — новый продукт Cortex Визы. Его вживую продемонстрировал главный архитектор Visiology Никита Ильин. Демонстрация состояла из нескольких частей — план-факт-анализа, работы Аватар и исследования в «Лаборатории». Расскажем подробнее о каждой.

План-факт-анализ. Никита Ильин начал с того, как Визы собирают такой анализ от подключения источников до готового дашборда. Задача типовая, поэтому на ней удобно показать весь путь работы агента.

Дальше Ильин прямо в чате подключил два источника — CRM и Excel с планом продаж. Агент сам разобрался в данных и их модели, объединил источники и показал каждый шаг обычным языком. Попутно он нашёл 42 дубля, которые могли бы добавить к факту около 3 млн. Затем он создал ключевые метрики — факт, план, выполнение и отклонение — и собрал готовый дашборд с отдельной мобильной версией и ежедневным обновлением.

Аватар: от просмотра к действиям. Следующий компонент — Аватар — позволяет не только получать данные, но и действовать на их основе. Пользователь может попросить отслеживать, например, отклонение от плана больше 10% и сообщать о нём по почте. В демо Аватар не только настроил рассылку, но и предложил создавать задачи людям при просрочке. То есть при срабатывании условия система сама ставит задачи ответственным, а руководитель видит прогресс.

Мы фактически за 15 минут сделали то, на что в обычной BI-системе уходят дни

Лаборатория: исследование, которое можно защитить. В третьем блоке рассмотрели сценарий, когда руководитель готовится защищать на совете эффект от закупок. В отчёте значится почти 4 млн экономии за два года, и он хочет проверить, реальна ли эта экономия, разобраться с браком и зависшими заказами.

Агент шёл по шагам и показывал ход рассуждений. Заявленную экономию в 3,9 млн он сразу поставил под сомнение, потому что дисконт у всех поставщиков оказался одинаковым, хотя должен различаться. Затем нашёл 840 тыс. на отменённых и зависших заказах, разобрался с браком и замороженными средствами. На выходе получилось готовое исследование с выводами и рекомендациями. При этом любое число в нём можно раскрыть до источника.

Бизнес-пользователь работает с системой так же, как работал бы с опытным аналитиком, который быстро разбирается в данных и проверяет гипотезы, но не является носителем бизнес-контекста. Руководитель приносит контекст, объясняет, какая метрика важна, как именно компания получает заказы и всё, чего аналитик может не знать. Именно за счёт этого связка человека и системы работает

Visiology Cortex: ИИ-помощники для работы с данными и дашбордами

Вторую продуктовую часть провёл Руслан Балкаров, руководитель направления Cortex. Он представил Visiology Cortex и рассказал, какие агенты уже есть и какие появятся в ближайшем релизе.

Cortex Аналитик — агент для бизнес-пользователей. В кейсе, который показал Балкаров, руководителю перед презентацией нужно среди тысяч дашбордов найти конкретный, проставить фильтры, сравнить и отсортировать данные. Cortex Аналитик делает всё это по запросу на естественном языке, отдавая и текст, и визуализацию. При этом он учитывает права доступа, не выдумывает данные и расписывает каждый шаг, чтобы пользователь мог убедиться в корректности.

Агенты для аналитиков. DAX-агент пишет расчётные меры с нуля, объясняет и оптимизирует их. Он работает в закрытом контуре без выхода в интернет и хранит нужную документацию локально. JS-агент помогает с кастомными виджетами — пишет, поясняет и правит код. Doc-агент отвечает по документации и помогает решить проблему, например с настройкой платформы.

Эффективность JS-агента Балкаров показал на внутреннем эксперименте. Эксперту команды Cortex, который хорошо пишет на JS, но никогда не верстал виджеты, дали ТЗ на виджет. На JS с помощью ChatGPT он собрал виджет примерно за рабочий день. Сам Руслан Балкаров ту же задачу решил за 20–30 минут, используя Cortex. Но результат Cortex впечатлил не только скоростью, но и точностью. ChatGPT не знает структуру данных и виджетов Visiology, поэтому его код больше чем в половине случаев не работал.

Новые агенты в июньском релизе:

SQL-агент генерирует, правит и поясняет SQL для ETL и проверяет запросы на безопасность и инъекции. Его не стоит путать с text-to-SQL, о котором шла речь выше. При подходе text-to-SQL конечный пользователь спрашивает на естественном языке и слепо доверяет ответу. В свою очередь SQL-агент рассчитан на аналитика, который знает язык, может проверить результат и отвечает за него. Однако с помощью агента он выполняет задачу быстрее.

Агент оформления виджетов задаёт условное форматирование и форматы значений на естественном языке, а сложные случаи передаёт JS-агенту.

Руслан Балкаров добавил, что развитие продолжается и впереди агенты для создания дашбордов.

MCP: доступы и безопасность. Протокол MCP (Model Context Protocol) подключает к Visiology Cortex внешние ИИ-инструменты — ChatGPT, Claude Code, Cursor. После подключения обращаться к агентам Cortex можно прямо из них, например с телефона, авторизовавшись один раз. А так как эти инструменты умеют работать в связке, агенты Cortex выстраиваются в цепочку со сторонними. Так, например, по запросу «найди продажи за прошлый месяц, сравни с прошлым годом и отправь коллеге» данные из Cortex достаёт агент Visiology, а отправляет их по почте сторонний агент.

Но поскольку к Cortex обращается сторонний агент, встаёт вопрос, не получит ли он лишние данные. Руслан объяснил, что в данном случае работает та же ролевая модель, что и в платформе. Агент работает под учётной записью подключившего его пользователя и видит только то, что доступно этому специалисту.

Cortex LIVE: итоги события

После практической части прошла дискуссия. К Ивану Вахмянину присоединился генеральный директор Visiology Алексей Никитин. Вопросы приходили из чата, Zoom и соседнего зала. Обсудили границу между прототипом и продакшеном, безопасность данных, работу on-premise и экономику, обучение пользователей и лицензионную политику.

А закрыл встречу Иван Вахмянин мыслью о том, что важнее всего готовность разбираться с ИИ, а конкретика приложится. Задачу Visiology он свёл к простому — делать «скучную работу под капотом», чтобы ИИ в аналитике оставался для пользователя простым, полезным и эффективным. Он обозначил, что компания продолжит двигаться в эту сторону с каждым релизом.

Запись Cortex LIVE 3.06: VK Видео · Rutube · YouTube