Неудивительно, что бизнес смотрит на ИИ-агентов как на новое Эльдорадо, а некоторые эксперты сравнивают их внедрение с новой технологической революцией. Сегодня бизнесу важно не только то, зачем внедрять агента, но и то, как это сделать на практике - разработать собственных ИИ-помощников или приобрести готовое решение от вендора. Это решение часто воспринимается бизнесом как вопрос контроля над технологией.
Примечательно, что в реальности многие по-прежнему не понимают, что это такое. Несмотря на огромную волну популярности ИИ-агентов, только 11% респондентов хорошо разбираются в этом, и еще 58% имеют об этом очень ограниченное представление, сообщается в совместном исследовании Яндекса и "Яков и Партнеры" State of AI 2025. Те, кто знаком с этим понятием, часто воспринимают его как более широкий термин, включая в эту категорию в основном чат-ботов и помощников для личных задач.
Зачем внедрять ИИ-агентов?
На практике ИИ-агенты - это только развивающаяся технология, которая, впрочем, уже используются в самых разных сферах бизнеса - от финтеха до разработки ПО, отметил руководитель платформы Yandex AI Studio в Yandex B2B Tech Артур Самигуллин. Пока они могут автоматизировать только часть рутинных бизнес-процессов в компании, но с развитием технологии им можно будет делегировать все больше и больше задач. При этом ИИ-агенты не заменяют сотрудников - они повышают их эффективность, позволяя выполнить больший объем задач за меньшее время при тех же рабочих ресурсах.
По словам директора по развитию бизнеса профессиональных ИИ-сервисов Егора Алешина, ключевой во внедрении ИИ-инструментов становится не столько сама работа решения, сколько скорость получения реального возврата инвестиций: "Сегодня рынок ИИ-решений перешел в фазу, где критически важно достижение измеримых бизнес-результатов с учетом новых технологий".
Согласно оценкам Axenix и МГУ имени М. В. Ломоносова, в зависимости от размера бизнеса его затраты на внедрение ИИ-агентов в течение трех лет составят от 5 млн до 950 млн рублей, а суммарная экономия от их внедрения 15-40% в зависимости от отрасли. Наибольшую эффективность от ИИ-агентов ожидают в финансовом секторе - там они прежде всего могут повысить скорость выполнения рабочих задач и сократить количество ошибок.
Где уже используются ИИ-агенты
В первую очередь стоит отметить колоссальный потенциал ИИ-агентов во всем, что касается разработки ПО, поскольку код хорошо формализован, и нейросетям легко оценить его качество, рассказывает Самигуллин. IT-индустрия инвестировала огромные ресурсы в создание большой библиотеки кода на GitHub, на которой обучались все языковые модели. Поэтому кодовые сценарии показывают отличные результаты в контексте использования ИИ-агентов.
По оценкам McKinsey, внедрение автономных ИИ‑агентов помогает экономить $15-30 тысяч на одного разработчика ежегодно, а для команды из тысячи специалистов - до 30 млн в год. В России такие решения также востребованы - например, с помощью SourceCraft Code Assistant разработчики ежемесячно дописывают больше 1,4 млн строк кода, при этом более 60% разработчиков используют для генерации и рефакторинга кода агентский режим.
Еще одно направление - работа со знаниями, так называемый knowledge management. Компании создают агентов, которые могут генерировать ответ по документам, презентациям и другим базам знаний. Например: на промышленном предприятии есть база знаний с тысячами страниц документации. Сотрудник, работающий на сложном оборудовании, сможет с помощью ИИ найти нужную информацию перед выполнением работы.
Схожим образом ИИ-агенты работают для поддержки клиентов. Сами помощники могут быть как текстовыми, так и голосовыми - это позволит автоматизировать все каналы коммуникации с клиентом. Например, "Нейросаппорт" генерирует не только автоответы, но и подсказки для операторов текстовых контакт-центров, подключая человека, как только этого требует контекст.
С его помощью некоторые сервисы "Яндекса" повысили скорость решения задач клиентов на 10-15%.
Еще одно направление: юридический домен. На первый взгляд, довольно неочевидным может показаться ИИ-решение "Яндекса" - "Нейроюрист". Юриспруденция действительно сложная сфера, однако, как оказалось, она прекрасно подходит для автоматизации.
В отличие от многих сфер, например технических, инженерных, в юриспруденции не так много точных расчетов, вычислений, формул, с которыми ИИ пока допускает ошибки. Более того, в юриспруденции очень большой и весьма структурированный корпус материалов для обучения.
"Если посмотреть на мировые тенденции, то сейчас многие компании, разрабатывающие языковые модели, развивают в том числе и юридические сервисы. Я бы сказал, что юриспруденция входит в пятерку самых востребованных с точки зрения развития ИИ-сфер, наряду с разработкой ПО, дизайном и некоторыми другими. Однако мы рассматриваем "Нейроюриста" именно как помощника для профессионалов, ведь в такой непростой сфере точность интерпретации полученных данных важна не меньше, чем корректная работа модели", - отмечает Алешин.
Готовый ИИ-агент или разработка собственного решения
Сегодня типичная задача на рынке звучит так. "Мы хотим условный ChatGPT внутри компании, который бы имел доступ к нашим данным, работал с документами, анализировал и обрабатывал их, мог провести корпоративный поиск и так далее. Пусть это будет ChatGPT, который знает все про нашу компанию", - рассказывает Самигуллин.
На этом этапе большинство компаний думает, что можно взять языковую модель с открытым исходным кодом, найти под нее оборудование и развернуть, создав поверх нее какой-то интерфейс для простого управления агентом. Однако, в реальности этот путь выглядит совсем иначе: нужно написать огромное количество интеграций с внутренними источниками данных, очистить их от "мусора", обеспечить безопасность и контроль качества работы модели и многое другое.
"Я перечислил множество шагов и ни разу при этом не упомянул саму большую языковую модель (LLM). А мы говорим о создании LLM-продукта! В этом главная ошибка большинства компаний. Они не до конца понимают, что путь от простого прототипа до работающего в продакшене качественного решения - это огромное расстояние. Пройти его самостоятельно без помощи провайдера, как правило, могут только крупные компании", - говорит Самигуллин.
Деньги и скорость
По мнению Самигуллина, использование готовых конечных ИИ-решений, особенно в облачной инфраструктуре, может дать бизнесу кратное преимущество по качеству и скорости внедрения, при этом обеспечив более прогнозируемую экономику использования технологий. Пока одна компания будет выстраивать команду, разворачивать инфраструктуру и проходить путь с нуля, конкуренты уже внедрят работающие инструменты, подчеркнул он.
Основной стратегический аргумент в пользу покупки готового решения - это время, которое уходит с момента покупки/внедрения до реальных результатов. "Помимо больших сроков разработки, в создании собственных агентов компаниям может помешать нехватка вычислительных ресурсов и возможностей для масштабирования решения. А еще - непонимание того, как превратить модель в стабильно работающий продукт, как развивать его дальше. Организациям надежнее фокусироваться на своей основной деятельности и использовать готовые технологические решения там, где они уместны", - считает Алешин.
По мнению эксперта исключения составляют ситуации, когда у компании есть четкая технологическая амбиция стать лидером в конкретной области ИИ, или когда специфика бизнеса настолько уникальна, что готовые решения действительно не могут обеспечить необходимое качество. Для остальных случаев покупка готового решения - это не компромисс, а разумная стратегия. К тому же стоит понимать, что даже готовое решение всегда можно "докрутить", для этого сейчас есть все возможности, и это все равно будет выгоднее.
Идеальный агент
Сегодня не существует конечного решения, которое одинаково подходит всем, однако все ведущие софтверные вендоры предлагают не только конечный сервис, но и возможность его настройки. Как правило, это набор инструментов, которые позволяют выбрать языковую модель под капотом и дообучить ее под задачи компании, подключить внешние источники данных, использовать внутренние базы знаний и многое другое.
"Для крупной компании, выбирающей готовое решение, мы всегда предлагаем поставить вместе с ним платформенные модули, которые находятся под этим решением. Это позволяет компании самостоятельно проводить настройку и долгосрочно поддерживать решение. В enterprise-сегменте не существует компании, которая скажет "дайте нам готовое решение, мы будем использовать его как есть", так не бывает, - говорит Самигуллин. - При покупке любого решения нужна команда, которая занимается его развитием, поддержкой и внедрением".
По данным State of AI, использование готовых решений от внешних партнеров является наиболее распространенной моделью внедрения - этот формат применяют 78% компаний, при этом около половины респондентов адаптируют такие решения вместе с разработчиком под свои бизнес-процессы.
Как изменятся роли специалистов с внедрением ИИ-агентов
Эксперты сходятся во мнении, что ИИ не превратит специалистов в "надсмотрщиков" за машинами. Более точная аналогия - архитектор процессов. Происходит эволюция роли сотрудников, сравнимая с переходом от калькулятора к использованию Excel. Когда появился Excel, бухгалтеры получили более мощный инструмент вместо калькулятора для ускорения рутинных операций. Причем, как Excel может выдать ошибочный результат при неправильной формуле, так и языковая модель может сгенерировать некорректный ответ при нечетко сформулированном запросе или вопросе с ошибкой. В обоих случаях потребуется понимание инструмента и экспертиза для проверки результата. Специалист остается профессионалом, который просто использует ИИ-агента как усилитель своих ментальных способностей.
По мнению Алешина, многие профессиональные задачи требуют и как минимум еще долго будут требовать офлайнового присутствия: "Вы не отправите искусственный интеллект, например, присутствовать с доверителем на допросе или выступать в суде. Даже по видеосвязи - пока это недопустимо. У нас все участники процесса должны быть субъектами права, живыми адвокатами, судьями и так далее. Много таких задач, в которых без живого специалиста пока невозможно справиться, так как у нейросети нет эмпатии, понимания мотивов".
ИИ-агенты - это сложные алгоритмы, обученные на данных. Они не обладают интуицией, эмоциональным интеллектом, способностью к творческому мышлению и эмоциональной вовлеченностью. ИИ (пока) не способен к комплексному стратегическому планированию, не может работать с неизвестными и неструктурированными пространствами, лишен сочувствия и сострадания. Искусственный интеллект может распознавать эмоции на лице или в голосе, но не способен полностью понять и интерпретировать контекст социальных взаимодействий.
И еще один важный момент. ИИ может принимать решения, но ответственность все равно ложится на человека или организацию. В критических областях (медицина, транспорт, юриспруденция) компании придерживаются принципа "человек в контуре" - ИИ-агент готовит решение, а человек финально его утверждает.
