Авторы: Хадас Леви (Hadas Levi), старший менеджер по продукту, C3 Code, C3 AI
В отчете Массачусетского технологического института (MIT) за 2025 год, The GenAI Divide, отмечается, что около 95 процентов инициатив предприятий в области генеративного ИИ не приносят измеримой отдачи. Одна из главных причин этого заключается в сложности «последней мили» при разработке приложений корпоративного ИИ: подключении «живых» корпоративных данных, моделировании бизнес-процессов, обеспечении контроля доступа и запуске решения вовремя и в рамках бюджета. Универсальные инструменты программирования могут быстро создавать код, но предприятиям по-прежнему приходится самостоятельно достраивать остальную архитектуру приложения.
Этот разрыв между прототипом и продакшеном становится особенно критичным при проектировании программного обеспечения для решения масштабных и сложных задач, таких как закупка материалов для строительства дата-центров. В настоящее время развертывается огромная физическая инфраструктура для поддержки взрывного роста использования ИИ во всех секторах. Это развитие работает на «железе», а «железо» зависит от сырьевых товаров. Одна стойка ускорителей (специализированных компьютерных чипов, которые обеспечивают вычисления для ИИ и находятся внутри дата-центров) содержит медь, алюминий и специальный кремний на тысячи долларов, и все они подвержены колебаниям рыночных цен под воздействием глобальных событий. Для команд, закупающих эти детали, выше всего ценятся три вопроса: сколько должна стоить деталь, у кого ее купить и как меняется эта цена при изменении рынка.
C3 Code был создан для решения проблемы этой «последней мили». Вы описываете то, что хотите получить — свой идеальный результат или приложение — на обычном языке, а автономные агенты создают его на платформе C3 Agentic AI Platform, являющейся фундаментом C3 AI для создания, развертывания и управления приложениями корпоративного ИИ. Все приложения, созданные с помощью C3 Code, базируются на корпоративной онтологии (структурированной модели ваших данных, работающей на базе систем типов C3 AI System и объединяющей бизнес-сущности, процессы и взаимосвязи, критически важные для работы вашего бизнеса) и контролируются с момента получения первого промпта.
Мы поработали со специализированной компанией по строительству дата-центров, применив C3 Code к этой задаче по закупкам, и создали приложение для ее решения всего за 72 часа. Вот как это происходило.
Закупки в масштабах дата-центра ломают электронные таблицы
Закупка сырья и материалов для дата-центра — это расчет, который приходится пересчитывать каждый раз при изменении рынка. Входные данные взаимозависимы, и каждое из них меняется по собственному графику, поэтому в тот момент, когда команда по закупкам вносит ответ в электронную таблицу, описанный в ней мир уже изменился. Пять факторов делают эту задачу устойчивой к любой статичной модели:
- Цены привязаны к биржевым товарам. Обрабатываемый кронштейн или медная шина не имеют фиксированной цены. Стоимость привязана к базовому индексу, поэтому согласованное предложение устаревает по мере изменения этого индекса.
- Поставка «до двери» — это не то же самое, что цена за единицу. Реальная стоимость поставщика складывается из базовой цены, пошлин, которые меняются вместе с торговой политикой, и расходов на доставку. У двух поставщиков с одинаковой базовой ценой итоговые суммы могут сильно различаться.
- Закупки — это задача с ограничениями. Команды не могут выбирать самого дешевого поставщика для каждой детали. У поставщиков есть ограничения по мощности, часто требуется иметь более одного источника, а некоторые несут риски или предполагают длительные сроки поставки, что исключает их из рассмотрения.
- Риски внешние и возникают быстро. Забастовка, санкция или нарушение работы судоходных путей могут сделать план недействительным за одну ночь. Этот сигнал исходит из внешних новостных источников.
- Анализ заперт внутри. Для создания обоснованной рекомендации обычно требуется эксперт по закупкам с электронной таблицей, а многим заинтересованным сторонам не хватает знаний или контекста, чтобы поставить ее под сомнение.
Эффективное приложение для оптимизации закупок должно учитывать всю эту информацию одновременно в рамках четко структурированного дизайна. Создание индивидуального решения с нуля потребовало бы месяцев интеграционных работ. C3 Code собрал его менее чем за одну рабочую неделю.
От промпта до полного стека
Команда по закупкам для дата-центров начала с описания своего идеального приложения на обычном разговорном языке. C3 Code составил план сборки, а затем приступил к настройке. Каждый компонент появлялся в рабочей среде C3 AI Studio (графическом рабочем пространстве в составе платформы C3 Agentic AI Platform для создания, тестирования и развертывания приложений) по мере его готовности.
Рисунок 1: План сборки C3 Code в C3 AI Studio. То, на что обычно уходят месяцы интеграционных работ, происходит за один 75-секундный запуск: C3 Code планирует сборку и собирает весь стек целиком (модель данных, живые данные, 3D-представления и оптимизатор) компонент за компонентом в C3 AI Studio.
Сначала был заложен фундамент. C3 Code сгенерировал модель данных, на которой строится приложение: сущности для деталей, поставщиков, котировок и рыночных цен с ключами и связями, собранные в единую связанную онтологию, а не в разрозненные строки таблицы. Модель данных позволяет каждому последующему этапу сборки оперировать реальными активами и их взаимосвязями.
Рисунок 2: Сгенерированная модель данных. Поскольку детали, поставщики и цены смоделированы как единая связанная онтология, а не как несвязанные строки, каждый последующий этап может оперировать реальными активами и их взаимосвязями.
Затем C3 Code подгрузил актуальные данные, такие как сырьевые и экономические ряды из FRED (общедоступного сервиса данных Федеральной резервной системы), и преобразовал их в ежедневную таблицу цен, которую модель может читать. Решение отображало актуальную стоимость деталей в соответствии с текущим рынком, поэтому команда по закупкам работала с актуальным источником достоверных данных.
Рисунок 3: Актуальные сырьевые и экономические ряды из FRED, преобразованные в цены, которые считывает приложение. Стоимость каждой детали отражает текущий рынок, а не день подписания котировки.
Затем была создана физическая модель: C3 Code сгенерировал интерактивные 3D-представления, которые связывают «железо» дата-центра с данными о закупках и стоимости — от чипа до платы и стойки. Медь, которая обеспечивает передачу энергии и охлаждение каждой стойки ИИ (от шин и кабелей до охлаждающих пластин для каждого чипа), отображается в 3D-представлении вплоть до отдельного компонента. Пользователи могут кликнуть на стойку и увидеть каждую медную деталь в спецификации материалов, причем каждая из них оценена по текущей рыночной ставке.
Рисунок 4: Оцененная спецификация материалов, от чипа до стойки, с медью, видимой вплоть до детали. Покупатель может отследить расходы и точно увидеть, где находятся деньги, без необходимости использования отдельной таблицы затрат.
C3 Code также создал глобальную карту поставщиков и материалов, новостной канал для отслеживания рисков цепочки поставок и интуитивно понятный интерфейс для поиска и запроса всей этой информации. Ни один из этих компонентов приложения не настраивался вручную — команда наблюдала, как C3 Code собирает все это на платформе C3 Agentic AI Platform.
Внутри оптимизатора закупок
Аналитическим сердцем приложения является оптимизатор закупок — алгоритм, который комплексно оценивает затраты, производительность и риски, чтобы рекомендовать, у каких поставщиков делать закупки. Он отвечает на главный вопрос: учитывая все, что нам известно прямо сейчас, каков наименее затратный способ приобретения этих деталей?
Оптимизатор начинает с пересчета каждого предложения. Базовая цена предложения масштабируется в зависимости от того, насколько изменился индекс сырьевых товаров с момента выставления предложения, после чего сверху добавляются тарифы и стоимость доставки. Результатом является реальная конечная стоимость этого поставщика на сегодняшний день.
Затем он производит расчет. Оптимизатор представляет собой задачу смешанно-целочисленного линейного программирования: он перебирает допустимые комбинации переменных и возвращает самую дешевую, которая удовлетворяет ограничениям. Он работает в трех режимах: на основе текущих спотовых цен; на основе шестимесячного прогноза, чтобы команда могла ориентироваться на будущую динамику цен; или на основе сценарного анализа («что, если»), когда вы задаете вопрос, что произойдет, если цена на медь вырастет на 20 процентов или тарифы какой-либо страны поднимутся до 60 процентов, и наблюдаете за пересчетом плана.
Оптимизатор работает так, чтобы удовлетворить спрос, учитывая при этом производственную мощность каждого поставщика и соблюдая правило диверсификации, которое не позволяет какому-либо отдельному поставщику занимать слишком большую долю в поставках детали. Перед началом расчетов система исключает поставщиков с чрезмерными сроками выполнения заказов или нежелательными факторами риска. Рекомендации системы прозрачны и прослеживаемы по своему дизайну: они показывают долю, количество, эффективную цену и то, какое именно рыночное значение на нее повлияло. Система даже сообщает предельные издержки на производство еще одной единицы каждой детали, чтобы покупатель мог видеть, куда уходит следующий доллар.
Рисунок 5: Набор поставщиков с наименьшей конечной стоимостью при соблюдении реальных ограничений по мощностям и диверсификации. Это позволяет предоставить команде обоснованный план закупок за один расчет, демонстрируя самый дешевый соответствующий требованиям пул поставщиков на сегодняшний день и на перспективу 6 месяцев вперед.
Оптимизатор закупок предоставляет динамичные и точные рекомендации, на которые команда по закупкам может немедленно и уверенно опереться в работе, вместо того чтобы использовать хрупкую модель в электронной таблице, на пересчет которой ушли бы дни в случае изменения цены на медь или снижения мощности поставщика.
Диалоговый агент для неспециалистов
Чтобы приложением мог пользоваться человек, не являющийся инженером по затратам, C3 Code встроила в пользовательский интерфейс диалогового агента.
Агент выполняет такие задачи, как запуск оптимизатора, предварительный просмотр цен на отдельную деталь, отправка запросов к модели данных и создание диаграмм — и все это на основе запроса на естественном языке. Попросите его оптимизировать медную охладительную плиту из расчета на тысячу тонн в месяц по спотовым ценам с правилом двух источников, и он выполнит оптимизацию и выдаст результат. Агент планирует свою работу, передает данные о ходе выполнения в реальном времени, а также сохраняет заметки и историю между сеансами.
Рисунок 7: Диалоговый агент запускает оптимизатор и исследует данные с помощью запросов на естественном языке.
Теперь специалист по закупкам может получить обоснованное решение по закупкам, просто запросив его напрямую в приложении. Экспертные знания теперь заложены в самом приложении, и каждый может получить к ним доступ и работать с ними, вместо того чтобы хранить их в статичной таблице одного аналитика.
Почему приложения C3 Code стабильно работают в рабочей среде
Работающая демоверсия с впечатляющим функционалом — это здорово, но это еще не готовое для корпоративного использования ПО. Результаты работы универсальных агентов для написания кода редко оказываются достаточно цельными для развертывания. Вместо этого C3 Code опирается на проверенные корпоративные компоненты и предметную онтологию, поэтому средства контроля доступа, развертывание и журналы аудита присутствуют с самого первого запроса, а не добавляются поверх задним числом. Упомянутое выше приложение для закупок — это не прототип; это полноценное производственное программное обеспечение, которое команда по закупкам может сразу запустить в работу. И команда по закупкам — это не единичный случай. Разработчики в компаниях из сфер производства, материаловедения и тяжелой промышленности прошли тот же путь от запроса до продакшна и описывают свой опыт схожими словами:
«У меня ушло около четырех-пяти часов в общей сложности на создание рабочей модели. Я был поражен».
>— Разработчик на платформе C3 Code в Cargill
«Если я даю задачу C3 Code, она просто берет и делает ее».
>— Разработчик на платформе C3 Code в Nucor
Рисунок 8: Приложение для закупок на уровне дата-центра на одной странице. Шесть возможностей, каждая из которых потянула бы на отдельный проект — типизированная модель данных, актуальные рыночные данные, трехмерное представление с ценами, оптимизатор закупок, диалоговый агент и средства управления с первого же запроса — поставляются в виде единого приложения, созданного C3 Code за считанные дни.
Вывод MIT о том, что большинство усилий в области корпоративного ИИ не приносят измеримой отдачи, упирается в проблему «последней мили»: демоверсия работает, но модель данных, система управления и развертывание так и не создаются, поэтому работа никогда не доходит до продакшна. C3 Code закрывает эту проблему «последней мили» по умолчанию. Приложение для закупок — лишь один из примеров общего паттерна: тот же подход позволяет создать модель надежности для производителя, рабочий процесс обработки претензий для страховой компании или систему мониторинга рисков для логистической команды, причем каждое решение основывается на данных самой организации и управляется с первого же запроса.
Создайте свое собственное приложение за один день
Если этот подход нашел у вас отклик, присоединяйтесь к нашему AI Accelerator — практическому мастер-классу, на который вы приносите реальную бизнес-задачу и собственные данные, а уходите с работающим корпоративным ИИ-приложением, созданным с помощью C3 Code, а также с навыками создания следующего приложения.
23 сентября 2026 г., с 8:30 до 17:30. Штаб-квартира C3 AI: 1400 Seaport Blvd, Redwood City, CA 94063.
Количество мест ограничено. Зарегистрируйтесь для участия в разработке на c3.ai/events/ai-accelerator/.
Авторы
Хадас Леви — старший менеджер по продукту в C3 AI, где он руководит разработкой C3 Code. Ранее он работал в Walmart и SolarEdge, руководя масштабными инициативами по оптимизации цепочек поставок и производства. Хадас имеет степень MBA Школы бизнеса Хааса Калифорнийского университета в Беркли, степень магистра экологических исследований Тель-Авивского университета и степень бакалавра в области делового администрирования и политологии.
