Почему внедрение ИИ-агентов не дает нужных результатов

Постепенно, по мере получения практических результатов эйфория от ожидаемых результатов внедрения генеративного ИИ в процессы компаний проходит. И это обусловлено показателями, полученные компаниями при использовании в своей деятельности ИИ-агентов.

В июле 2026 г. вышел исследовательский материал под названием «ИИ-агенты: где хайп, а где реальность», подготовленный сотрудниками «Яков и Партнеры» (см. сайт: https://yakovpartners.ru/publications/ai-agents/ ^[1]), где проведен анализ использования ИИ-агентов за рубежом и в России за последние годы и представлены выводы по эффективности их внедрения в компаниях и практические предложения для владельцев и руководителей по их использованию. Выдержки из этого материала далее будут выделены курсивом.

На рынке ИИ-агентов сложилась парадоксальная ситуация:

88% компаний в мире уже используют ИИ в рамках как минимум одной бизнес-функции. В России масштабы охвата сопоставимы: 71% российских организаций применяют генеративный ИИ хотя бы в одной функциональной области.

Однако массовое внедрение ИИ пока не помогает организациям так же массово увеличивать финансовый результат. Согласно отчету The State of AI in 2025, опубликованному McKinsey, значимый эффект от ИИ на уровне EBIT получают всего 6% компаний в мире. В свою очередь, наше исследование показало, что доля отечественных фирм, где ИИ помог увеличить EBITDA более чем на 5%, достигает 9%.

Несоответствие между динамикой финансового результата и темпами внедрения ИИ носит системный характер. Оно наблюдается сразу на четырех уровнях (индивидуальном, лабораторном, проектном и организационном).

Добиться положительного финансового эффекта на уровне организации сложно: для этого нужно перестроить весь производственный процесс. Технология как таковая здесь ни при чем: по мере перехода от микрозадач к общеорганизационным процессам эффект от ИИ «затухает».

Таким образом, ожидания, что использование генИИ ^[2] в деятельности компании позволит значительно улучшить финансовые результаты, в том числе и за счет сокращения затрат на персонал при замене сотрудников ИИ-агентами, не оправдываются.

83% компаний мира, которые действительно повышают производительность за счет ИИ, не сокращают численность персонала (об этом говорится в отчете AI Pulse Survey от 2025 г., выпущенном EY). В России ожидания игроков по этому поводу резко изменились: если в 2024 г. предполагаемый эффект от генИИ увязывали с сокращением ФОТ 49% фирм, то в прошлом году таких осталось только 12%.

Увеличить финансовый результат можно двумя способами: либо наращивать выручку (запускать новые продукты, открывать новые каналы), либо снижать операционные затраты (причем не только сокращать персонал, но и снижать себестоимость, уменьшать длительность процессов и объемы переработок, искоренять ошибки ^[3], расширять практику аутсорсинга). Наше исследование показало: 72% компаний из продвинутых отраслей (ИТ, телекоммуникации и медиабизнес, электронная торговля, банковский сектор и страхование) ожидают, что ИИ позволит им нарастить выручку от создания новых продуктов и сервисов. Большинство примеров использования ИИ, обеспечивших устойчивый эффект, отражают оба способа увеличить финансовый результат.

Предположения, что в мире произошла «ИИ-революция», т.е. происходит широкое внедрение технологии, при оценке воронки внедрения показывает, что измеримый эффект от нее пока весьма невелик:

По оценке McKinsey, глобальная воронка внедрения выглядит так: ͐

–  88% организаций используют ИИ хотя бы в одной функциональной области (годом ранее таких было 78%);

–  39% компаний сообщают о том, что ИИ способствует росту EBIT (однако в большинстве фирм ИИ помогает повысить этот показатель менее чем на 5%);

–  6% игроков демонстрируют выдающиеся результаты — с помощью ИИ создают значительную ценность, а также повышают EBIT как минимум на 5%.

На начальных этапах воронка внедрения генеративного ИИ в нашей стране характеризуется следующими особенностями:

–  Каждая из 150 крупнейших российских компаний, вошедших в выборку, реализовала пилотный проект по внедрению хотя бы одной из четырех ключевых технологий ИИ: генИИ, компьютерное зрение ^[4] (CV), обработка естественного языка (NLP), речевые технологии. В среднем пилотные проекты по внедрению каждой из четырех технологий запустили 88% организаций. Но это лишь «входная воронка»: здесь ИИ еще не применяется регулярно. Данную величину нельзя напрямую соотносить с общемировым показателем 88%, который определила компания McKinsey.

–  71% компаний применяют генИИ как минимум в одной бизнес-функции (за год прирост составил 17 п. п.). Этот результат уже можно сопоставлять с уровнем 88%, который указан McKinsey, но он отражает ситуацию в более узкой сфере, охватывая только генеративный ИИ.

–  9% российских компаний фиксируют измеренный финансовый эффект от ИИ в размере выше 5% EBITDA, причем доля компаний, не достигших измеримого результата, за два года уменьшилась с 32 до 22%.

В июле 2025 г. Массачусетский технологический институт (MIT) опубликовал отчет об исследовании, в котором указано, что в первые 6 месяцев 95% пилотных проектов по внедрению генеративного ИИ не обеспечивают возврата инвестиций.

Возникает интересная ситуация, когда при использовании ИИ на уровне решения отдельной задачи получается достигнуть значительного результата, а при выполнении задач в цепочке и во всей компании результат стремиться к нулю (см. Рис. 1).

По мере перехода от уровня отдельной задачи к уровню компании эффект от ИИ систематически «затухает». Это не фундаментальный изъян технологии, а ее имманентное свойство. Чтобы рассмотреть это явление в чистом виде, мы прослеживаем его в пределах одной функциональной области. Речь идет о разработке программного обеспечения, поскольку исследования в этой сфере проводились на всех четырех уровнях агрегации.

«Каскад затухания» возникает в силу структурных причин. По данным компании Bain, написание кода составляет лишь 25–35% жизненного цикла разработки. Попытки ускорить эти процессы, не перестраивая остальные 65–75% (анализ кода, отладку, интеграцию, развертывание), приводят к появлению узких мест, а не помогают достичь прорывных результатов.

То же явление наблюдается и в других функциональных областях. «Каскад затухания» прослеживается не только при разработке ПО. Ученые из Стэнфордского университета и MIT проанализировали данные о работе 5172 операторов колл-центра компании, входящей в список Fortune 50011. Они выяснили, что ИИ-ассистент повысил индивидуальную продуктивность в среднем на 14% (у новичков прирост составил 34%, а у опытных операторов он оказался почти нулевым). Однако данный показатель был ниже, чем на уровне отдельной задачи. Это означает, что «каскад затухания» воспроизводится и в других сферах деятельности: показатели отличаются, но тенденция остается прежней.

Вывод: нельзя сказать, что ИИ бесполезен. Но эффект от его применения сокращается на каждом уровне агрегации: технология ускоряет выполнение отдельных задач, но уже в производственной цепочке возникают узкие места, а чтобы достичь успеха (увеличить финансовый результат) в масштабе всей компании, не обойтись без перестройки рабочих процессов. Это ключевая мысль в нашем отчете.

Исследователи выделили пять причин, по которым рост продуктивности отдельных сотрудников не помогает компаниям увеличивать финансовый результат:

1.  Ловушка частичной автоматизации. ИИ позволяет автоматизировать 30–60% задач, отведенных той или иной роли. Но оставшиеся 40–70% должен выполнять тот же человек — его нельзя оставить на полставки. В результате продуктивность повышается, а ФОТ остается прежним.

2.  Организационная неготовность. Большинство компаний внедряют системы ИИ, уделяя внимание ^[5] прежде всего самой технологии: они покупают тот или иной инструмент и внедряют его в существующие процессы, не перестраивая их. По данным Deloitte, те компании, руководители которых лично реализуют стратегию в сфере ИИ, достигают значительно более существенного эффекта для бизнеса, чем организации, где такие задачи делегированы техническим подразделениям. Это согласуется с результатами хорошо известного исследования, которое в 2000 г. провели Эрик Брюнольфссон и Лорин Хитт. Ученые выяснили: если не просто инвестировать в новые технологии, но и проводить необходимые организационные преобразования, то отдача от вложений будет в пять раз больше. Они определили этот показатель в сравнении с результатами фирм, которые покупают новый инструмент и ждут, что организация подстроится сама.

3.  Проблема измерения. У большинства компаний просто нет инфраструктуры, позволяющей отдельно оценивать эффект, который оказывает ИИ. Они не формируют контрольные группы, не проводят A/B-тестов на уровне процессов, не определяют исходных метрик перед внедрением. Представляя инвесторам квартальный отчет, даже финансовый директор Microsoft признал, что количественно оценить влияние Copilot на показатели бизнеса отнюдь не легко.

4.  «Айсберг стоимости». Лицензии на использование инструментов ИИ (из расчета 19–30 долл. США на одного пользователя в месяц) составляют лишь 15–20% от фактического показателя TCO. Скрытая на первый взгляд («подводная») часть «айсберга стоимости» ИИ намного больше: 25–40% приходится на инженерию данных, еще 15–30% — на обслуживание и мониторинг, а расходы на интеграцию новых решений с унаследованными системами в два-три раза превышают стоимость лицензии. Реальный срок окупаемости вложений достигает двух-четырех лет, тогда как возврат инвестиций в обычные проекты в сфере ИТ обеспечивается за 7–12 месяцев (по данным фирмы Xenoss за 2025 г. и компании Deloitte Global).

5.  Кто на самом деле зарабатывает на ИИ. Еще одно неприятное наблюдение заключается в том, что ИИ в основном приносит финансовую выгоду поставщикам ИИ-платформ, а не их клиентам:

–    По данным компании Microsoft на апрель 2026 г., в III кв. 2026 финансового года ее прогнозный показатель годовой выручки (ARR21) от бизнеса в сфере ИИ достиг 37 млрд долл. США. Таким образом, прирост год к году составил 123%. Это самый высокий опубликованный показатель ARR среди всех поставщиков облачных платформ.

–    В январе 2026 г. компания ServiceNow отчиталась о том, что на конец IV кв. 2025 финансового года ее показатель ACV, связанный с ИИ-продуктом Now Assist, удвоился за год и составил 600 млн долл. США.

–    По итогам финансового года, который завершился 31 января 2026 г., показатель ARR компании Salesforce, связанный с продуктом Agentforce, достиг 800 млн долл. США.

Эти данные отражают выручку указанных поставщиков — то, сколько их клиенты заплатили за инструменты ИИ. Однако ни одна из упомянутых компаний не публикует сводных данных о финансовом эффекте, которого достигли заказчики. Финансовые результаты фирм, приобретающих такие продукты, остаются неизвестными.

К какому выводу приходят исследователи исходя из полученных данных:

Тот факт, что ИИ ускоряет выполнение отдельных задач на 55%, но на уровне компании эффект оказывается нулевым, отражает не фундаментальный изъян самой технологии, а организационную неготовность к использованию новых систем. Устранить это несоответствие можно одним из двух способов:

1.  Формирование архитектуры на основе ИИ-агентов, которая позволит автоматизировать процесс целиком.

2.  Увеличение выручки за счет перестройки процессов — без использования полностью автономных систем.

Представленные исследователями данные, выводы и предложения отражают реальную ситуацию в компаниях с использованием ИИ-агентов на сегодняшний день вроде бы понятны, и все объясняют, но остаются вопросы, а именно:

–    что это за структурные причины, вызывающие эффект затухания;

–    как, каким образом и исходя из чего перестраивать рабочие процессы;

–    как организационную неготовность превратить в организованную готовность.

Давайте попробуем со всем этим разобраться.

Сначала, для того чтобы говорить о влиянии генИИ в деятельности компании, определимся, что такое ИИ-агент и что такое ИИ-ассистент или помощник по мнению исследователей материала:

Мы предлагаем рабочее определение ИИ-агента, которое мы сформулировали, обобщив заявления шести ведущих отраслевых компаний и аналитиков:

ИИ-агент — это автономная система, которая работает в петле обратной связи (agentic loop): самостоятельно планирует, действует, наблюдает результат и корректирует подход, выполняя задачу от начала до конца без постоянного участия человека.

Ключевое отличие ИИ-агента от ИИ-ассистента заключается в следующем: вы говорите агенту, что нужно сделать (ставите цель), а он самостоятельно определяет, как ее достичь. В свою очередь, ассистенту нужно указывать каждый шаг.

Мы используем шесть операционных критериев, позволяющих определять, является ли тот или иной продукт ИИ-агентом. При этом проверяется архитектура решения и составляется не маркетинговое описание его возможностей, а достоверное представление о них.

Таблица 1 (источник: https://yakovpartners.ru/publications/ai-agents/ ^[1])

Исследователи отмечают, что среди решений в сфере ИИ нет строгого деления на агентов и продукты, которые ими не являются. Уровень зрелости меняется плавно — от простых моделей до мультиагентных систем (см. Таблицу 2).

Таблица 2 (источник: https://yakovpartners.ru/publications/ai-agents/ ^[1])

Для чего в настоящей статье использовано столько выдержек из исследовательского материала?

Во-первых, исследователи являются специалистами в этой области, что позволяет принимать во внимание полученные ими результаты и их выводы при дальнейших рассуждениях.

Во-вторых, чтобы избежать неясностей при использовании указанных терминов (ИИ-агент и ИИ-ассистент) в дальнейшем.

1. Сначала разберемся с тем, что такое компания и как она функционирует.

Компания – это сложный системный объект, созданный руководителем (владельцем) для достижения намеченной им цели, где на основании выполняемых задач, выполнение которых необходимо для достижения цели, формируется необходимая для этого структура управления и создается соответствующая исходя из условий его функционирования система и механизм управления (см. Рис.2).

На Рис. 2 видно, что основной принцип формирования структуры управления основывается на выделении функциональных задач, без выполнения которых сама деятельность компании невозможна, и создания для этого функциональных подразделений (структурных объектов), где сотрудники выполняют задачи в определенной области знаний (по основной, вспомогательной и обеспечивающей деятельности). Для выполнения отдельных задач, требующих участия сотрудников, имеющих различную специализацию (знания), в рамках имеющейся структуры управления могут создаваться дополнительные мультифункциональные структурные объекты.

Сотрудники структурных объектов (функциональных подразделений), осуществляют взаимодействие между собой в рамках поставленных их руководителями задач, а также с сотрудниками других подразделений. Все сотрудники осуществляют свою деятельность в соответствии с созданной для этого руководителем (владельцем) компании системой и механизмом управления.

Для выполнения сотрудниками задач руководителем (владельцем) компании утверждается технологии их работы, где определяется: кто, что и когда должен делать и какой результат от их работы должен быть получен. Технология работы сотрудников создается исходя из профиля их деятельности, а также с учетом используемых в компании технических и информационных средств.

Посмотрим, как влияет на деятельность компании использование ИИ-агентов и ИИ-ассистентов.

2.  Использование ИИ для решения отдельных задач.

Рассмотрим использование ИИ-ассистентов и ИИ-агента в рамках функционального подразделения для решения локальных задач, где исходя из представленного материала можно достигнуть значительных результатов (см. Рис. 3).

На Рис. 3 видно, что в рамках подразделения для решения локальных задач за счет использования ИИ-ассистента (пункт Б) можно значительно сократить время выполнения операций для получения требуемого результата труда. Это достигается за счет скорости получения и обработки информации, требуемой руководителем подразделения и сотрудником для производства продукта (выработки ^[7] решения у руководителя и получения продукта у исполнителя). При этом как руководитель подразделения, так и исполнитель должны ставить перед ИИ-ассистентом задачи и отбирать для этого данные, которые позволят получить необходимый результат.

При использовании же для выполнения задачи ИИ-агента (пункт В) руководитель подразделения должен только определить ему задачу и затем получить результат ее выполнения. В таком случае потребность ^[8] в сотруднике для выполнения определенных задач вроде бы отпадает. Однако следует принимать во внимание, что, во-первых, в процессе своей деятельности сотрудник выполняет различные задачи и не все из них могут быть доступны ИИ-агенту, а во-вторых, задачи, требующие творческого подхода, лучше выполнять человеком, а рутинные задачи переложить на ИИ-агента. Отсюда возникает необходимость в изменении функционала у сотрудника, а также внесения изменений в технологию работы как сотрудника, так и руководителя подразделения.

Таким образом, использовании ИИ для решения отдельных задач затрагивает только эффективность работы отдельных сотрудников в одном подразделении при выполнении ими своих обязанностей. При этом потребуется пересмотреть технологию работы и потребность в специалистах. Также необходимо оценить, насколько получаемый от использования ИИ результат отражается на работе смежных с ними специалистов других подразделений, так как использование более производительного инструмента (ИИ-ассистента и ИИ-агента) может негативно отразиться на работу сопряженных с ним других подразделений, что требует обсуждения на уровне руководителя (владельца) компании.

3.  Использование ИИ для решения задач в рамках компании.

Деятельность компании включает в себя множество связей, которые обеспечивают взаимодействие разных подразделений для получения необходимого результата и добиваться поставленной цели (см. Рис. 4).

На Рис. 4 видно, что выполнение задач по основной деятельности (производство, торговля, услуги) невозможно без своевременного и точно выполнения задач в первую очередь во вспомогательной деятельности (планирование, маркетинг, коммерческая работа, финансовая работа, логистика, юридическое сопровождение) и решения вопросов в обеспечивающей деятельности (работа с персоналом, ИТ-обеспечение, административно-хозяйственные вопросы, безопасность).

Для осуществления своей деятельности в соответствии с намеченной руководителем (владельцем) компании целью и исходя из имеющихся материальных и финансовых возможностей в компании создается необходимая структура управления, система управления и механизм управления. Любые значительные преобразования, особенно в основной деятельности, ведут к внесению необходимых изменений в управление и в работу других подразделений.

Исследователи по результатам полученных данных пришли к выводу:

Инвестируйте в организацию, а не только в технологию.

«Правило 10–20–70» не взято из головы, а предложено как вывод из практики: 70% успеха определяют не алгоритмы, а сотрудники и процессы. У компаний, которые совмещают инвестиции в ИТ с организационными преобразованиями, отдача от вложений впятеро выше. Те же, кто просто «накладывают» ИИ на существующие процессы, оказываются среди 80% организаций, не достигающих измеримого эффекта. Чтобы добиться искомых результатов, нужно выполнить несколько условий: назначить такого куратора из высшего руководства, который обеспечит бюджет; создать кросс-функциональную команду; определить показатели успеха до запуска пилотного проекта; сформировать контрольные группы для измерения эффекта. Это не бюрократические формальности, а «инфраструктура успеха».

Парадокс ^[9], который мы описали, можно преодолеть. 94% организаций не достигают значимого финансового эффекта вовсе не из-за нехватки бюджета на внедрение ИИ, а также не потому, что ошибаются при выборе модели. Дело в их неготовности перестроить организацию прежде, чем приобрести технологию.

К вышесказанному хотелось бы добавить, что также необходимо изучить последствия внедрения ИИ не только на определенном участке, но и на предшествующей и последующей технологической цепочке, во-первых, чтобы не создавать новые узкие места в технологии работы компании (ведь может потребоваться внесение и в другие участки технологической цепочки), а во-вторых, чтобы понимать, какие изменения потребуются внести в деятельность других подразделений и компании в целом после внедрения инновации.

В зависимости от результата внедрения генИИ может потребоваться внесение изменений в способ достижения намеченной цели, а отсюда и в вытекающие из этого новые задачи, которые позволяют его реализовать. При этом существующие структура, система и механизм управления, предназначенная для осуществления деятельности в других условиях, могут стать тормозом для развития компании. Чтобы этого не допустить требуется рассмотреть последствия внедрения новации и с точки зрения управленческой деятельности.

Для более детального рассмотрения и изучения необходимы практические примеры внедрения ИИ-агентов в компаниях, но как отмечают исследователи:

В России рынок готовых ИИ-агентов пока не сформировался. Поставщики («Яндекс», «Сбер», Just AI, МТС MWS) в основном предлагают платформы для сборки агентов, позволяющие компаниям самостоятельно выстраивать решения для своих процессов. Лучшие примеры ИИ-агентов появились не в результате покупки коробочных решений, а как итог внутренней разработки. В их числе «Афанасий Иванов» от Т-Банка, «Маркус» от «Сбера», виртуальные разработчики Альфа-Банка, «Рубан» от «Северстали».

Такая ситуация не говорит об отставании России от других стран: у нас просто другая структура рынка. На Западе готовые продукты и платформы работают параллельно; в России преобладает второй тип систем, а ряд готовых решений, которые есть у поставщиков, внедрен точечно и в закрытом режиме…

По мере появления информации о внедрении ИИ-агентов в открытом доступе и полученных от этого результатах можно будет провести анализ таких внедрений и последствий для деятельности этих компаний,

Комментарии:

1.  Внедрение любых инноваций в деятельность компании необходимо рассматривать не только с точки зрения получения эффекта на отдельном участке, а и как эта новация отразится на сопряженных с ним участках и на деятельность компании в целом.

2.  До разработки и внедрения модели ИИ-агента необходимо изучить и смоделировать процессы, которые эта модель будет охватывать, а также построить по возможности наиболее полную модель компании с учетом имеющегося состояния и планируемых изменений в зоне действия ИИ-агента. Это позволит оценить воздействие такого внедрения на все аспекты деятельности компании.

Вы можете принять участие в обсуждении различных вопросов, касающихся управления в организации, на моем ТГ-канале Управление – Новый подход: https://t.me/upravlenie_novyj_podhod/5 ^[10].