ИИ-агенты для бизнеса: почему о них говорят, но неохотно внедряют

Это Илья Петухов, руководитель проектов развития ИИ-решений в Directum. Сегодня я продолжу рассказывать, как чувствует себя крупный и средний бизнес в период внедрения искусственного интеллекта ^[1], для чего ему ИИ-агенты, и что сдерживает их массовое внедрение.

Предыдущие статьи можно прочитать здесь:

Бдительное око нормоконтроля: как мы применили LLM для анализа договоров ^[2]

Нормоконтроль на максималках, или Куда еще мы прикрутили LLM ^[3]

Чтобы разговор получился конкретным, поговорим о тех интеллектуальных помощниках, которые работают с бизнес-процессами внутри корпоративных систем (ERP, CRM, ЭДО, HRM). Рынок таких помощников переживает сейчас переходный момент. В 2024 году все только и обсуждали, как ChatGPT пишет код или сочиняет стихи. Но прошло два года, и сейчас руководители задают совсем другие вопросы: «А может ли ИИ сам принять решение? Когда он начнет работать вместо моих сотрудников, а не просто советовать?».

В 2025 году на сцену вышли ИИ-агенты, и я считаю их одним из главных технологических трендов ближайших лет.

Ассистент или агент? Разберемся в терминах

Буду придерживаться той терминологии, которую слышал от передовых разработчиков в области ИИ на профильных конференциях.

ИИ-ассистент — продвинутый чат-бот. Он отвечает на вопросы, пишет тексты или ищет информацию по запросу. Работает по принципу «спросили — ответил».  Закончился диалог, и ассистент затихает до следующего обращения. Этакий «послушный мальчик»: слушает и выполняет, но не проактивен, не уточняет вопрос, не взаимодействует с корпоративными системами без прямой команды пользователя. По сути это «электронный консультант», который помогает быстрее справиться с текущим действием, но не берет на себя управление процессом.

ИИ-агент — это автономная система (или набор систем), которая сама декомпозирует задачу на подзадачи, вызывает для их решения нужные инструменты или других ИИ-ассистентов, собирает результат и отчитывается перед человеком за выполненную работу. Агент не ждет, пока его попросят о следующем шаге, он сам строит маршрут выполнения поставленной человеком цели, учитывает условия, переключается между инструментами. В случае нештатной ситуации может поискать обходной путь, либо попросить помощи у человека с указанием, что именно пошло не так.

В контексте корпоративных систем ИИ-агент, например, может замкнуть на себе всю цепочку действий с документом, включая классификацию, верификацию, постановку задачи ответственному сотруднику. И здесь преимущество будет у ИИ, встроенного в low/no-code-платформы ^[4] для быстрой настройки с минимальным привлечением разработчиков.

Почему агенты приходят на замену чат-ботам

И почему этот переход произошел именно сейчас? Три фактора сошлись в одной точке.

1. Технологическая зрелость больших языковых моделей.
   LLM научились не просто генерировать связный текст, а рассуждать, планировать и оценивать свои действия (chain-of-thought, tree-of-thoughts).

2. Готовность бизнеса.
   После волны пилотных проектов с ИИ-ассистентами компании четко сформулировали свои запросы: «Хорошо, вы нам помогли писать письма быстрее. А теперь давайте освободим людей от целых процессов, где нужно не нажать кнопку, а принять решение на основе данных из пяти систем».

3. Технологическая инфраструктура.
   Появились стандарты для вызова внешних инструментов (function calling, MCP), и это позволило агентам интегрироваться с ECM, ERP, СЭД, календарями и даже роботами RPA.

Три причины, по которым бизнес (пока) отказывается от ИИ-агентов

Если технологии шагнули так далеко, то почему до сих пор все массово не перешли на ИИ-агентов? Общаясь с бизнесом ежедневно, я вижу три главные причины. Они отражают реальные ограничения, которые пока сдерживают взрывной рост.

• Серверная инфраструктура: дорого, дефицитно, много вопросов к безопасности

Крупный, средний, да и малый бизнес хочет применять ИИ внутри своего безопасного контура.
 Это требование понятно: финансовые показатели, персональные данные, коммерческая тайна и прочие чувствительные данные не должны покидать контур компании. Но для локального развертывания языковых моделей среднего веса нужны серьезные инвестиции в оборудование — графические ускорители (GPU) высокого класса. А в России с ними сейчас непросто. Почти от всех слышу: логистические сложности, рост цен, длинные сроки поставки.

Компании вынуждены либо идти на компромиссы и использовать менее мощные модели, либо арендовать мощности у дата-центров, а это уже может не понравиться Службе информационной безопасности. В итоге многие заказчики застревают на этапе, когда они хотят использовать ИИ-агентов, но не готовы строить для него отдельный вычислительный кластер.

• Чем больше инструментов, тем выше риск ошибок

Агент по определению должен уметь вызывать разные инструменты: ERP, СЭД, CRM, базы знаний, календари, почту. Но чем большим количеством элементов приходится дирижировать (эмпирически на проектах получали порог 15 инструментов), тем выше вероятность, что агент начнет «галлюцинировать», например, неправильно выберет инструмент, перепутает параметры вызова или вообще придумает несуществующий API. Это не злой умысел, это особенность текущего уровня больших языковых моделей.

ИИ-агентам сложно удерживать в контексте десятки разнородных интерфейсов и при этом строить корректную цепочку действий. Поэтому пока мы ограничиваем агентов узкими доменами (например, только работа с договорами) или даем им доступ к 5–7 проверенным инструментам. Масштабирование на весь ИТ-ландшафт компании остается сложной инженерной задачей.

• Ответственность в конечном счете остается на человеке

Самый чувствительный момент — юридическая и моральная ответственность. Пока результат работы агента все равно проверяет человек, автономность остается условной. Ни один руководитель не готов отдать агенту право подписывать многомиллионный договор или переводить деньги без контроля. Это не недоверие к технологиям, это здравый смысл и регуляторные требования.

Более того, если агент ошибется, кто ответит? Вендор? Интегратор? Сотрудник, который настроил промпт? Вопросы пока открыты и только на пути к решению на государственном уровне.

В поисках золотой середины

Учитывая перечисленные стоп-факторы, рынку не остается ничего иного, кроме как искать альтернативу. Нужно решение, которое позволит и автоматизацию повысить, и рутину снять, и при этом не рисковать потерей контроля. Бизнесу нужны не красивые демо на конференциях, а рабочие инструменты, которые можно внедрить здесь и сейчас, с понятным ROI и предсказуемым уровнем надежности.

Именно в этом контексте на рынке отлично показали себя workflow-агенты. В следующей статье подробно разберем этот тип агентов и то, как они могут быть реализованы.