30 января 2026 г.

Продолжение. Начало здесь

При внедрении ИИ-агентов параллель с промышленной роботизацией очевидна, равно как и с внедрением RPA. Вместо «цифровых рук» в производственных процессах начинают работать «цифровые мозги».

Как внедряют ИИ-агентов

Промышленная роботизация, которая сформирована в современном виде в начале века, автоматизировала физический труд (процессы сварки, сборки, упаковки и пр.) и потребовала переосмысления в организации работы на производственных линиях. Напомним, что тогда процесс привел к росту производительности, но вызвал этические дискуссии, связанные с возможной потерей рабочих мест. Однако ситуация оказалась обратной: внедрение промышленных роботов привело к решению ряда социальных проблем — людей заменили на рутинных операциях, зачастую выполняемых в некомфортных условиях, при наличии низкой температуры в цехах, в запыленной атмосфере, при шумовом загрязнении и пр. — но к массовой безработице это не привело. Произошел «сдвиг в квалификации» персонала: там, где раньше нужен был оператор станка, теперь востребован инженер по робототехнике. Возник новый класс устройств — коботы, изначально рассчитанные на совместную работу с человеком.

В применении программных роботов и их дальнейшей ступени развития — ИИ-агентов — происходит практически то же самое. Происходит автоматизация труда, но уже умственного. Внедрение тоже требует изменения бизнес-процессов, а также вызывает «сдвиг в квалификации»: (от «пользователя Excel» — к «куратору агентов», специалисту по промпт-инженерии и т. д.). Наконец, ИИ-агенты часто выступают в качестве софтверных коботов, работающих «в связке» с живыми сотрудниками.

«Настоящая AI-грамотность — это умение делегировать часть действий, не делегируя само размышление над задачами», — отмечает Иван Меркурьев, Senior Product Manager в «Яндексе».

Однако отличия между традиционной роботизацией и агентной все же есть.

Ключевое отличие агентной автоматизации — в уровне автономности и инициативности систем. Если традиционные ИИ-ассистенты работают по заданным сценариям и реагируют на команды пользователя, то ИИ-агенты способны самостоятельно формировать планы для достижения поставленных целей и гибко управлять ими, выбирать инструменты и принимать решения, отметили в пресс-службе ВТБ, напомнив, что агентные решения чаще интегрируют в себя элементы самообучения, обладают более сложной логикой и могут выполнять целевые бизнес-задачи без постоянной настройки со стороны человека.

С наличием у агентной автоматизации определенных отличий согласны и другие эксперты рынка. «Отличие агентной автоматизации от других форм в том, что агент способен автономно выполнять задачи и более того, локально принимать решения, — говорит Вячеслав Береснев, генеральный директор ЦТИИ Нейролаб. — В отличие от RPA, например, классическая роботизация, которая работает четко в рамках заданной границы и выполняет достаточно простую рутинную работу, агенты „искусственного интеллекта“ способны решать значительно более сложные задачи, взаимодействовать друг с другом, опять же, решая различные каскадные задачи и, более того, принимать различные решения, выполняя задачи без человека».

ИИ-агенты в В2С

Агентная экономика охватывает все системы взаимодействия с клиентами, начиная с CRM. Например, «Алиса» учится запоминать планы пользователя, напоминать ему о важном и выполнять поручения с помощью ИИ-агентов. Обновления нейросети затронут Яндекс Браузер и в Яндекс Go.

Для национального ИТ это важно по двум группам причин. Во-первых, налаживать взаимодействие ИТ-систем корпоративных клиентов придется ИТ-компаниям, равно как и обеспечивать развитие и безопасность таких интеграций. Во-вторых, чем больше пользователи будут применять ИИ вообще и ИИ-агентов, в частности, в повседневной жизни, тем проще им будет взаимодействовать с корпоративными решениями такого класса.

«Пользователи, которые часто используют ИИ в частной жизни, обычно лучше понимают, как эффективно применить его для рабочих задач», — говорит Тимофей Мелихов, директор центра перспективных разработок IBS.

От независимых ИИ-агентов — к MAS

При общем росте цифровой зрелости и наработке компетенций в использовании ИИ-агентов начинают создавать мультиагентные системы, которые могут быть устроены по разным принципам. ИИ-агенты, работающие в Multi-agent systems (MAS), могут быть равноправными и взаимодействовать между собой при выполнении задач, действуя в рамках данных им разрешений, отмечает Илья Петров, руководитель проекта Digital Q.GPT в компании «Диасофт», но также создают MAS, в которых есть «главный ИИ-агент», выполняющий роль администратора.

Будущее за MAS — экосистемами взаимодействующих агентов, способных автономно выполнять сложные многоролевые сценарии, уверен Илья Петров. Это удобно, но в силу сложности требует осторожного подхода и дополнительного контроля.

У ИИ-агентов есть преимущества, заложенные на уровне архитектуры, которыми могут воспользоваться корпоративные заказчики. Например, MAS повышают устойчивость бизнес-инфраструктуры: если один ИИ-агент по какой-либо причине выходит из строя, другие перераспределяют задачи. Такая возможность особенно важна для критически важных сервисов в здравоохранении, финансах, энергетике и пр.

Внедрение ИИ-агентов в операционную деятельность — как «лостутное», так и платформенное — приводит к росту операционной эффективности. Это не универсальный инструмент:

«Агентная автоматизация имеет свои ниши применения», — напоминает Алексей Сидорюк, советник генерального директора по «искусственному интеллекту» в Ассоциации ФинТех.

Также следует помнить о проблемах и рисках, которые могут нести ИИ-агенты.

Проблемы при внедрении ИИ-агентов

Существуют две основные проблемы при корпоративном внедрении любых решений, использующих «искусственный интеллект», в том числе, ИИ-агентов.

Первая — острый дефицит квалифицированных специалистов; например, 83% компаний на финансовом рынке сталкиваются с кадровым голодом, по данным Ассоциации ФинТех.

Вторая — отсутствие стратегий; например, у 53% компаний финансового рынка — а этот сегмент является технологическим лидером — нет сформированной стратегии работы с ИИ.

Создание ИИ-агентов необходимо учитывать компаниям в своих стратегиях развития ИИ. Масштабировать ИИ нужно стратегически, а не хаотично, говорит Жанин Кантерс, директор исследований в практике Gartner Marketing, ИИ должен приносить измеримую ценность, а не просто увеличивать технологическую сложность.

Окончание следует

Источник: Александр Маляревский, внештатный обозреватель IT Channel News