Ограниченные возможности: не все ИИ-агенты достаточно самостоятельны

Только 39% зарубежных решений, которые позиционируются как ИИ-агенты, обладают большинством необходимых для таких систем функций. На российском рынке готовых продуктов этого класса пока нет. К таким выводам пришла консалтинговая компания «Яков и Партнеры», изучившая 30 ИИ-решений и 65 примеров их внедрения в России и других странах.

Авторы исследования «ИИ-агенты: где хайп, где реальность» оценивали продукты по шести критериям. Полноценная система должна уметь самостоятельно планировать действия, работать с внешними инструментами и данными, учитывать предыдущий опыт, исправлять ошибки и доводить поставленную задачу до результата. Решение признавали агентом, если оно соответствовало как минимум пяти требованиям.

Порог прошли семь из 18 международных продуктов, в том числе Claude Code, Devin, OpenAI Codex, OpenAI Operator, Cursor, Harvey и Manus. Остальные решения исследователи отнесли к агентам с ограничениями, ассистентам, инструментам автоматизации или платформам.

Реальные корпоративные внедрения демонстрируют еще более низкую зрелость. Из 43 зарубежных кейсов только десять смогли сквозным образом выполнять процессы при минимальном участии человека. Большинство систем проводят последовательные операции и обладают отдельными автономными функциями, но все еще нуждаются в контроле со стороны сотрудников.

«Сегодня слово “агент” часто описывает не архитектуру продукта, а его маркетинговое позиционирование», — отметил партнер и глава практики ИИ и высоких технологий «Яков и Партнеры» Максим Болотских. По его словам, компаниям перед покупкой следует проверить, может ли система самостоятельно разбить цель на этапы, действовать во внешних сервисах, оценивать результат и корректировать свои ошибки. Иначе заказчик рискует приобрести ассистента, ожидая от него полноценной автоматизации процесса.

Российские ИИ-агенты растут внутри корпораций

Среди 12 публично доступных российских продуктов исследователи не нашли ни одного готового универсального агента. Наиболее зрелыми были признаны Yandex AI Studio, GigaChat Enterprise, Agent Platform от Just AI и MWS AI Agents Platform. Однако все они представляют собой платформы, на основе которых заказчику необходимо самостоятельно собирать решение под конкретный процесс.

При этом в российских компаниях уже работают отдельные системы высокой степени автономности. Из 22 изученных кейсов этому уровню соответствовали четыре: «Афанасий Иванов» в Т-Банке, «Маркус» в Сбербанке, виртуальные разработчики Альфа-Банка и «Рубан» в «Северстали». Все они созданы внутри крупных корпораций.

Такую особенность рынка авторы исследования не считают признаком технологического отставания. Российским заказчикам часто требуется локальное размещение систем, интеграция с закрытыми базами и устаревшей ИТ-инфраструктурой, а также соблюдение требований к безопасности данных. Поэтому вместо покупки готового облачного продукта компании предпочитают создавать агентов самостоятельно.

ИИ-советник «Яков и Партнеры» Сергей Кобелев пояснил, что этот подход требует модульной архитектуры и возможности заменить языковую модель или поставщика без перестройки всей системы. Особенно важным такой выбор становится для организаций критической информационной инфраструктуры с учетом новых требований к использованию суверенных и национальных ИИ-моделей.

ИИ пока не гарантирует финансового эффекта

Несмотря на активное внедрение генеративного ИИ, лишь немногие российские компании добились с его помощью заметной финансовой отдачи. Более 70% организаций используют технологию хотя бы в одной функции, однако эффект свыше 5% EBITDA зафиксировали только 9% участников исследования.

Авторы объясняют разрыв тем, что ускорение отдельной операции не всегда меняет экономику всего процесса. Результат может нивелироваться из-за согласований, интеграций, тестирования и прежней системы оценки работы сотрудников.

«Проблема чаще находится не в модели, а вокруг нее», — подчеркнула директор практики ИИ и высоких технологий «Яков и Партнеры» Марина Дорохова. Она рекомендует начинать внедрение не с покупки лицензии, а с выбора повторяемого сценария, назначения ответственного со стороны бизнеса и фиксации исходных показателей.

Первые заметные результаты агентных проектов, согласно исследованию, обычно появляются через три-шесть месяцев. Подтвержденного операционного эффекта можно ожидать через полгода-год, а устойчивого влияния на прибыль и убытки — через один-два года. На начальном этапе отдача чаще выражается не в сокращении персонала, а в росте производительности, качества и пропускной способности процессов.