Цифровые сотрудники уже здесь. Спор «внедрять или нет» ИИ-агентов закончен

Рынок труда стоит на пороге тектонического сдвига. По данным Всемирного экономического форума, к 2030 году 86% компаний по всему миру внедрят искусственный интеллект в свои бизнес-процессы. В России Центр развития ИИ при правительстве РФ дает еще более радикальные прогнозы: к 2030 году ИИ вытеснит большинство специалистов с низким и средним уровнем компетенции, а к 2040 году под угрозой окажутся и многие профессии, которые мы считали неприкасаемыми: бухгалтеры, юристы, контент-редакторы, сейлз-менеджеры. Наступит эра автономных цифровых сотрудников на базе генеративного ИИ.

2025: год ИИ-агентов

Мы прошли долгий путь: от простых чат-ботов, где мы задавали вопрос и получали ответ, к диалоговым системам, где можно было загружать контекст и вести дискуссию. И в прошлом году мы подошли к этапу ИИ-агентов. И это лишь шаг к главной цели – полностью автономными системами, где человек вообще не вмешивается в процесс, а только получает готовый результат.

Еще в августе 2025 года 98% директоров по продукту отказывались давать ИИ-агентам хоть какую-то автономию при выполнении задач. Но уже к ноябрю 2025 года этот показатель рухнул до 63% (согласно исследованию Agentic AI Breaks Out of the Sandbox).

• 83% организаций сообщают, что в настоящее время большинство или все их команды и функции внедрили ИИ-агентов (отчет Salesforce «2026 Connectivity Benchmark Report», опрос 1050 ИТ-руководителей по всему миру);
  
• 40% компании с выручкой более 500 млн. долл. уже активно внедряют клиентские ИИ-агенты (для сравнения: в компаниях с выручкой менее 100 млн. долл. таких только 28%);
  
• 23% компаний по всему миру уже либо пилотируют, либо используют ИИ-агентов (согласно исследованию Agentic AI Breaks Out of the Sandbox).
• 53,8% технологических компаний готовы дать ИИ-агентам доступ в свои информационные системы для выполнения их задач (согласно исследованию Agentic AI Breaks Out of the Sandbox).

Российский бизнес не отстает от мировых трендов. ИИ-агенты и ИИ-ассистенты активно используют 39% российских организаций для решения различных бизнес-задач, а 59% компаний изучают возможности применения ИИ-агентов (данные исследования «Сбераналитики» и «Сбер бизнес софт», выборка 559 респондентов по всей России).

ИИ-агент или ИИ-ассистент?

Поясним, что среди ИИ-инструментов сегодня выделяют два принципиально разных класса.

ИИ-ассистент – это инструмент, который помогает человеку выполнять задачи, но действует только по команде. Он ждет, пока вы скажете, что делать. Вы просите составить письмо, он составляет. Вам не нравится тон письма, и вы просите переделать, он переделывает. Он не ставит задач, не контролирует процесс, не принимает решений и не проверяет результат. Это быстрый, умный, но полностью управляемый помощник. Как стажер, который делает только то, что вы ему поручили, и замирает до следующего указания. Чат-боты, генераторы картинок, и любые текстовые чаты вроде ChatGPT в их базовом режиме – все это ИИ-ассистенты.

ИИ-агент – это качественно иная сущность, это полноценный цифровой сотрудник. Человек ставит агенту цель, дает инструменты и командует: «Сделай». Дальше агент сам планирует шаги, выбирает нужные инструменты из доступных, выполняет действия, проверяет результат и, если что-то пошло не так, меняет подход. И всё это без постоянных команд или подсказок. Агент не просто анализирует ситуацию, а предпринимает действия до тех пор, пока задача не будет решена.

Поясним разницу на примере. ИИ-ассистенту вы говорите: «Напиши маркетинговый текст про новую акцию». Он пишет и на этом все. ИИ-агенту вы ставите комплексную задачу: «Веди канал, публикуй посты по заданной тематике еженедельно». И дальше агент сам каждую неделю ищет контент, генерирует, определяет, что подходит, создает, отправляет на публикацию и следит за исполнением.

На чем стоит ИИ-агент?

Что стоит за способностью агента работать самостоятельно? Несколько ключевых технологий.

1. Генеративные модели с возможностью ризонинга (рассуждения). Генеративные модели научились воспроизводить процесс мышления человека, хоть и пока в упрощенной форме. Грубо говоря, у них появился системный промпт, который предписывает: подумай, разберись, что от тебя хотят, составь план и только потом действуй. И самое важное, этот «мыслительный процесс» часто виден вам. Вы можете провалидировать план, сказать «стоп, подумай еще» и только потом принять результат. Все исследования показывают: работа с ризнингом – это простой способ радикально улучшить качество ответов генеративной модели. 
2. Большой контекст. Раньше контекст задачи, который могла сохранять генеративная модель в своей «оперативной памяти», измерялся тысячами токенов – это всего лишь несколько десятков сообщений. Теперь генеративные модели научились сохранять огромный объем контекста, мы можем загружать в модель огромные массивы документов, книги и базы данных. И задавать вопросы, на которые модель будет отвечать, черпая данные в этом контексте.
   
3. Мультимодальность. Генеративные модели научились оперировать не только текстом, но и изображениями, видео, аудио, модель их понимает. Это сильно расширяет возможности агента: он получил возможность искать картинки и смотреть видео в интернете, анализировать видеозаписи встреч и т.д. Раньше задачи работы с картинками и видео требовали специальных инструментов, теперь это функциональность генеративной модели.
   
4. Стандартизация интеграции. Компания Anthropic (создатель генеративной модели Claude) разработала Model Context Protocol (MCP) – стандарт, определяющий как ИИ-агенты должны общаться с существующими бизнес-инструментами: CRM, базами данных, аналитическими системами. Таким образом у нас появляется интерфейс, через который агенты могут интегрироваться в ИТ-системы без кастомной разработки под каждого вендора. Этот стандарт приняли Amazon, Google и многие крупные игроки.

Заменят ли ИИ-агенты людей? Кейс Klarna

Два года назад мы все активно обсуждали, сколько людей ИИ оставит без работы. Сегодня практически все эксперты единодушны: попытка заменить людей ИИ-агентами «в лоб» проваливается. Самый показательный кейс – шведский единорог Klarna, работающий по модели BNPL (купи сейчас, плати потом).

В 2022 году Klarna начинает активно сотрудничать с OpenAI и увольняет около 700 сотрудников, заменяя их обученными генеративными моделями. В 2023 году компания полностью останавливает найм людей. Генеральный директор Klarna Себастьян Семятковски заявляет, что Klarna хочет стать «любимым подопытным кроликом» для OpenAI, и что ИИ уже может делать всю работу, которую делают люди. В 2024 году Семятковски отчитывается акционерам, что ИИ-агент выполняет работу 700 штатных сотрудников, а компания уже год не нанимает новых сотрудников.

Но эйфория быстро прошла и в мае 2025 года наступила точка бифуркации. В интервью Bloomberg Семятковски признал: «Поскольку стоимость, к сожалению, стала слишком доминирующим фактором при организации этого, в результате мы получили более низкое качество». Оказалось, что ИИ-агенты работают «средненько», а людям важен человек на той стороне (разбор этого кейса вы можете найти. Компания объявила о найме двух первых сотрудников и заявила о намерении расширять найм. В сентябре 2025 года появились детали провала этого эксперимента: появились сообщения, что проблемы с ИИ-агентами стали настолько критическими, и в колл-центрах оказались даже программисты и маркетологи, которых экстренно бросили отвечать на звонки. Отметим, что компания Klarna не отказалась от ИИ полностью, продолжает использовать генеративные технологии. Но сейчас она строит гибридную модель, где ИИ берет на себя рутину, а человек подключается в сложных ситуациях, требующих эмпатии. И это, пожалуй, ценный урок для всех.

Где ИИ-агенты работают хорошо, а где нет

В каких ситуациях и задачах ИИ-агент работает хорошо? Мы собрали несколько советов экспертов:

1. Процессы с четким алгоритмом, где есть понятная последовательность: сделай раз, два, три, четыре, пять. Где результат процесса практически не зависит от других факторов или людей.
   
2. Задачи с легко верифицируемым результатом, то, что можно объективно проверить, например, SEO-текст: мы можем замерить клики и позиции в выдаче. Задача взаимодействия с пользователями явно не такая.
   
3. Задачи, в которых есть быстрая обратная связь, где цикл «сделал – увидел результат – скорректировал» может быть коротким. В случае взаимодействия с пользователями это не так, цикл обратной связи слишком длинный.

В каких ситуациях и задачах ИИ-агент будет работать плохо? Вот несколько советов экспертов:

• процессы, где важна не столько последовательность шагов, а эмпатия и человеческое понимание, например, взаимодействие с пользователями;
  
• творческие задачи с субъективной оценкой качества, например, создание визуала;
  
• задачи с длинным циклом обратной связи и сложностями верификации результата.

Как внедрять ИИ-агентов? 4 шага

Опыт первых пилотов и экспериментов позволяет сформулировать советы и 4 шага, которые нужно предпринять тем компаниям, которые только начинают использовать ИИ-агентов.

Если у вас нет маркетолога, агент не разработает для вас хорошую стратегию – он даст усредненный результат, обученный на данных из интернета. Не стоит полагаться только на ИИ-агентов в задачах высокой неопределенности, работать с ИИ-агентами должны профессионалы.

А теперь обещанные 4 шага.

1. Шаг 1. Найдите процесс или задачу с четким алгоритмом. Посмотрите на ежедневную рутину, где есть понятный алгоритм действий – это идеальный кандидат на начало работы с ИИ-агентами. Хорошо, чтобы это был уже существующий процесс или задача – вы знаете все тонкости, подводные камни и можете корректировать ИИ-агента.
   
2. Шаг 2. Запускайте ИИ-агента параллельно с сотрудниками, которые выполняют ту же задачу. Не увольняйте людей, пусть ИИ-агент дублирует всю работу и сравнивайте результаты. В первых итерациях результат ИИ-агента будет хуже и это нормально, дообучайте агента, улучшайте и настраивайте.
   
3. Шаг 3. Проверяйте экономику. Просто работающего ИИ-агента недостаточно, он должен быть экономически эффективен. Измеряйте скорость, качество, надежность и затраты. Протестируйте его в параллельном с людьми режиме месяц-два – это не разорительно, но даст вам понимание, как использование ИИ-агента будет выглядеть «в долгую».
   
4. Шаг 4. Взвешенно перераспределяйте освободившиеся ресурсы. Когда агент начинает работать не хуже (а иногда и лучше) сотрудников, у вас появляется выбор. Можно уволить людей (но кейс Klarna учит осторожности), а можно переключить их на более сложные, интересные задачи, сохранив их экспертизу. Опыта использования ИИ-агентов в долгую еще крайне мало, и мы не можем точно предсказать, как эта технология будет работать через полгода или год. Поэтому не стоит терять уже наработанную экспертизу.

***

ИИ-агенты уже не эксперименты и пилоты, это инструмент бизнеса огромного количества компаний. Вопрос не в том, нужен ли вам ИИ-агент, а в том, почему мы до сих пор их не используете? Причем специалисты не конкурируют с ИИ – они дополняют его, формируя гибридные команды. Ключевая компетенция будущего – умение эффективно взаимодействовать с ИИ, использовать его возможности, управлять им, адаптировать под цели бизнеса.

Комментарии 0