25 ноября 2025 г.

В 2025 году ИИ-агенты стали трендом на глобальном и отечественном ИТ-рынках. Подобные решения выполняют поставленные задачи, взаимодействуя с другими системами без участия человека. Согласно аналитикам, тренд на них сохранится и в 2026 году. Так, по данным Высшей школы бизнеса НИУ ВШЭ 59% организаций заинтересованы в этой технологии и ищут возможности для внедрения в бизнес-процессы. О том, как компаниям начать работать с агентным ИИ и какой может быть экономический эффект, рассказывает Кирилл Смеловец, главный архитектор сервисов искусственного интеллекта и машинного обучения Cloud X.

Чем они отличаются от других ИИ-решений

Агентный ИИ — это системы, которые работают не по жёстким правилам, а по цели: сами планируют шаги, выбирают инструменты: API, RPA-боты, базы данных, проверяют промежуточные результаты и корректируют план. Это отличает его от других инструментов автоматизации — чат-ботов и RPA-решений. Классический чат-бот ведёт диалог «вопрос—ответ» без многошагового планирования и совершения действий в системах. RPA автоматизирует строго формализованные операции по заранее заданным сценариям и не принимает решений вне правил. Агентный ИИ может оркестрировать и чат-боты, и RPA как «исполнителей» в своей цепочке, а также хранить память о задачах и контекст между сессиями. Такой подход уже выделяется в отраслевых обзорах как отдельный класс решений.

С чего начинать внедрение и как измерить экономический эффект

Успешная интеграция в бизнес-процессы на начальных этапах зависит от уровня цифровизации компании. Внедрять агентный ИИ стоит в те процессы, где есть оцифрованные данные, повторяемые сценарии и чёткие метрики выгоды. Например, в работу контакт-центров (автоответ, маршрутизация, ассистирование оператору). Также агентный ИИ может помочь с обработкой документов (счета, заявки, претензии), ИТ-поддержкой и продажами. Он возьмет на себя подготовку предложений, поиск ответов в базе знаний. По прогнозам Gartner, агентный ИИ будет автономно решать 80% типичных проблем клиентского обслуживания к 2029 году. Однако стоит помнить, что в начале работы все данные стоит привести к одному формату и структурировать источники. От этого будут зависеть и результаты. Быстрее всего эффект можно оценить в узких и хорошо измеримых сценариях. Его проверяют по классическим показателям процесса: снижению стоимости операции, сокращению времени цикла , доле автозакрытий без эскалации, точности/ошибкам, а также влиянию на выручку и на качество сервиса.

Уже есть точечные публичные результаты от внедрения: например, шведская финтех-компания Klarna официально сообщала об экономии около ~$10 млн в год за счёт генеративного ИИ в маркетинге и обслуживании клиентов.

Как меняются процессы

Как говорилось ранее, для эффективной работы требуется тщательная подготовка как команды, так и данных, на которых они будут работать. Также стоит учитывать, что внедрение потребует дополнительных затрат. По данным McKinsey, глобальные инвестиции в развитие агентного ИИ за 2024 год достигли 1 млрд долларов, показав рост в 919% с 2022 года. При планировании бюджета на содержание ИИ-сотрудников, который будет выполнять задачи автономно, стоит учитывать:

  • Модель и вычисления
  • Плата за API/лицензию LLM либо затраты на собственное размещение, интеграцию, инжиниринг и управление
  • Разработка сценариев/графов задач, тесты, настройка безопасности, мониторинг качества и эксплуатация
  • Поддержка, обновления, контроль дрейфа данных и моделей.

С внедрением агентного ИИ в командах появляются «владелец агента» — тот же product owner, инженер по агентным сценариям/оркестрации, MLOps для мониторинга качества и затрат, а также специалисты по данным и безопасности. Операционные процессы перестраиваются под постоянный эксперимент и выпуск маленьких релизов: обновляются промпты/политики, «контракты данных», пороги автодействий и правила эскалации. Структура работы меняется — искусственный интеллект начинает работать наравне с командами, но под чутким контролем человека.

Риски и ограничения

Не стоит забывать и о рисках при работе с новой технологией. Один из них — ошибки ввода и галлюцинации ИИ. Некорректные или вымышленные данные, генерируемые моделью, могут привести к принятию неверных бизнес-решений. Поэтому в некоторых случаях участие человека в процессах необходимо. Также стоит помнить и о возможных утечках конфиденциальных данных. Настройка системы безопасности и контроль доступа к данным — необходимая мера. Экономическая составляющая внедрения агентного ИИ требует тщательного планирования: при росте нагрузок могут возрасти расходы на инференс.

Агентный ИИ — это не просто технологический тренд, а фундаментальное изменение работы. Комплексный подход сможет сделать его частью экосистемы бизнеса.

Источник: Кирилл Смеловец, главный архитектор сервисов искусственного интеллекта и машинного обучения Cloud X