Очень любопытное исследование об ИИ-агентах представила компания "Яков и Партнёры" - "Где хайп, а где реальность". Особую ценность материалу придают простые и понятные объяснения ключевых терминов.
"ИИ-агент - это автономная система, которая работает в петле обратной связи (agentic loop): самостоятельно планирует, действует, наблюдает за результатом и корректирует подход, выполняя задачу от начала до конца без постоянного участия человека".
В качестве наглядной аналогии авторы приводят заказ в ресторане: вы не объясняете повару, как готовить блюдо, но сообщаете, что именно хотите получить. Справедливости ради стоит отметить, что и повара, и ИИ-агента сначала нужно обучить. Правда, во втором случае на это обычно требуется несравнимо меньше времени.
Что отличает полноценного ИИ-агента от обычного чат-бота или автоматизированного сценария?
- Агентный цикл - работа в петле "планирование - действие - наблюдение - коррекция".
- Планирование - способность самостоятельно декомпозировать цель на отдельные шаги.
- Работа с инструментами - наличие доступа к API, базам данных и корпоративным системам.
- Самокоррекция - способность менять подход при возникновении ошибки без участия человека.
- Память - сохранение контекста не только в рамках одного диалога, но и между сессиями.
- Автономное завершение - доведение задачи до конечного бизнес-результата.
Кстати, о степени этой самой автономности. Не так давно появилась показательная история: аргентинский разработчик запустил сервис с перевёрнутой логикой - не человек нанимает фрилансера, а ИИ-агент сам привлекает человека для решения задач в физическом мире.
Однако громкая презентация продукта меркнет на фоне технических подробностей: ничего принципиально нового здесь нет. Всё работает на основе Model Context Protocol (MCP), который позволяет языковым моделям взаимодействовать с внешними сервисами, а внимание прессы привлекла скорее необычная подача идеи. И, что немаловажно, "автономный" агент по-прежнему запускается вручную: пользователь сам подключает MCP-сервер.
Хорошая иллюстрация: ИИ-агента, как и повара, ещё нужно поставить к плите и первое время подстраховывать.
В июне на секции "Цифровая трансформация" форума CNews Forum Кейсы 2026 я уже рассказывал о шкале ИИ-зрелости компаний. Движение по этой шкале требует разработки отдельной ИИ-стратегии.
Авторы исследования - моё почтение - выделили пять уровней зрелости ИИ-агентов и сопоставили с ними мировые и российские решения. Это вызывает особый интерес и желание глубже изучить накопленный опыт внедрения.
Всё больше исследований приводит к выводу, что ИИ - на каком бы уровне зрелости ни находилась компания - не заменяет человека, а усиливает его, многократно повышая продуктивность связки "человек + ИИ".
В качестве иллюстрации авторы рассматривают пример Klarna - не столь известный, как кейсы IBM и Oracle. Несмотря на успешное применение ИИ-агента в службе поддержки, обрабатывавшего 62% обращений пользователей, финтех-гигант впоследствии вновь сделал ставку на сотрудников.
На рынке труда возникает уже известный парадокс: несмотря на массовое внедрение ИИ-систем, численность персонала компаний почти не сокращается.
- Обслуживание клиентов. Пример Klarna показал, что бесконечно заменять людей ИИ-системами невозможно. По данным Gartner, после внедрения инструментов ИИ штат сократили лишь 20% опрошенных руководителей подразделений, работающих с клиентами.
- ИТ и разработка. Microsoft и Google продолжают нанимать специалистов в области ИИ и машинного обучения.
- Консалтинг. McKinsey и BCG, заявлявшие об использовании соответственно 25 тыс. и 18 тыс. "ИИ-агентов", по-прежнему нанимают аналитиков, хотя темпы найма замедлились.
- Ритейл. Здесь картина двойственная. С одной стороны, крупные игроки уже получают измеримый эффект: по отдельным оценкам, агенты, отвечающие за рекомендации, персонализацию и управление складом, увеличивают продажи через рекомендательные механики на треть. С другой стороны, возникает новый вызов - уже не для персонала, а для самой бизнес-модели. Агенты на стороне покупателей учатся сравнивать цены и договариваться от их имени, минуя рекламные и рекомендательные каналы, на которых ритейл традиционно зарабатывает. Таким образом, фокус постепенно смещается с вопроса "Заменит ли ИИ продавца?" на вопрос "Кто в итоге будет получать прибыль от продажи?".
- Кибербезопасность. Это едва ли не самый честный индикатор зрелости технологии. ИИ здесь одновременно выступает и щитом, и мечом: агенты в разы ускоряют обнаружение атак, но вместе с тем снижают порог входа для злоумышленников - теперь сложную атаку способен подготовить даже человек без навыков программирования. При этом ИИ-инструменты для защиты внедрили лишь считаные проценты компаний, хотя о таких планах заявляет подавляющее большинство. Разрыв между "планируем" и "внедрили" - это и есть та самая грань между хайпом и реальностью, о которой пишут авторы исследования.
Отдельно хотел бы отметить наблюдение авторов: ИИ лишь в редких случаях демонстрирует высокую эффективность в масштабах крупной компании. В 2023 году исследование GitHub, посвящённое Copilot, показало, что в идеальных условиях разработчики выполняли задачу по написанию кода на 55,8% быстрее. Однако исследование METR, проведённое на реальных репозиториях и опубликованное в июле 2025 года, показало, что использование ИИ-инструментов замедлило работу над проектами на 19%.
Проблема в том, что ИИ ускоряет выполнение отдельных микрозадач - например, написание кода, - но при этом может усложнять организационные процессы. Данные Google DORA за 2025 год показывают, что в командах, использующих ИИ:
- продолжительность анализа кода выросла на 91%;
- объём запросов на изменения (change requests) увеличился на 154%;
- количество программных ошибок выросло на 9%.
Ускоряя работу на одном участке, компании напрочь забывают о сквозном бизнес-процессе и всей цепочке создания ценности.
В результате индивидуальная продуктивность просто растворяется в организационной сложности. Без радикальной перестройки процессов компании лишь быстрее создают завалы низкокачественного кода, которые затем героически разгребают вручную.
Не отрицая снижения эффективности при переходе от пилота к промышленной эксплуатации, позволю себе возразить: ощутимого эффекта от внедрения ИИ можно достичь только при комплексном пересмотре процессов и продуктов. Для этого необходимо использовать осмысленные метрики трансформации, обучать сотрудников, а также объяснять им цели, смысл и ценность применения ИИ. Именно этот барьер - управленческий, а не технологический - сегодня определяет границу между хайпом и реальностью почти в любой отрасли: от ритейла до кибербезопасности.
Без такого осознанного подхода остаётся лишь с грустью констатировать, что главными бенефициарами развития ИИ пока являются компании - разработчики больших языковых моделей
