- Роман РожковРедакция Forbes
Несмотря на высокий интерес к ИИ-агентам, практика их применения пока на ранней стадии. По данным исследования «Технологий Доверия», большинство представителей российского бизнеса не закладывает более 3% инвестиционного бюджета на проекты, связанные с ИИ. В итоге компании продолжают внедрять разрозненные решения, что ограничивает влияние ИИ на их финансовые показатели и операционную эффективность. Переход к более зрелым форматам ИИ упирается не только в финансы, но и в дефицит компетенций, технологические и регуляторные ограничения, а ощутимый эффект от внедрения агентных систем станет понятен не раньше начала 2027 года, полагают участники рынка
Маловато будет
Эксперты «Технологий Доверия» («ТеДо») проанализировали практику внедрения ИИ в российских организациях, провели глубинные интервью с руководителями «Сбера», ВТБ, Альфа-банка, «Яндекс Финтеха», Yandex Cloud и «Точка Банка», а также опросили более 1000 представителей бизнеса из различных отраслей экономики. С их исследованием ознакомился Forbes.
Низкий уровень инвестиций сдерживает масштабное развитие ИИ-агентов. Большинство представителей российского бизнеса (53%) не закладывает более 3% инвестиционного бюджета на проекты, связанные с ИИ, согласно отчету «ТеДо». Это приводит к низкой скорости развития инфраструктуры и ограничению возможностей внедрения и масштабирования ИИ-решений в компаниях, указывают аналитики: «Без роста вложений компании продолжат внедрять разрозненные решения, что будет ограничивать влияние ИИ на их финансовые показатели и операционную эффективность».
Согласно наблюдениям экспертов, сегодня российский бизнес использует ИИ преимущественно как ассистента (вторая стадия из пяти: «ИИ-инструмент» -> «ИИ-ассистент» -> «ИИ-исполнитель» -> «Автономный агент» -> «Мультиагентная система»). Переход к более зрелым этапам («ИИ-исполнитель», «Автономный агент») требует инвестиций в интеграцию ИИ-решений с корпоративными IT-системами, переработку бизнес-процессов, создание контрольной среды эксплуатации мультиагентных систем. Однако бизнес не готов выделять значительные инвестиции для внедрения ИИ в свои процессы, констатируют в «ТеДо».
Еще один вывод аналитиков, вытекающий из предыдущего, заключается в том, что внедряются точечные решения, в то время как наибольший эффект могут обеспечить ИИ-платформы. Согласно опросу «ТеДо», 86% представителей российского бизнеса уже внедряют ИИ, и 63% опрошенных уверены, что компании, не делающие этого, потеряют конкурентоспособность на горизонте пяти лет. «Это порождает стремление разработать быстрое решение, которое зачастую не приносит ожидаемых результатов. Автономность ИИ невозможна без платформы с выстроенными правилами, ролями, механизмами контроля и автоматической генерацией промптов, — делятся наблюдениями эксперты. — Пока внедрение ИИ ограничивается обучением сотрудников работе с промптами, человек остается обязательным участником процессов. Несмотря на высокие первоначальные инвестиции, именно платформенный подход позволяет масштабировать применение ИИ, снизить необходимость постоянного человеческого контроля и создать основу для будущих инноваций».
Telegram-канал Forbes.RussiaКанал о бизнесе, финансах, экономике и стиле жизниПодписаться
«Приводит к партизанскому внедрению»
Интерес к агентам действительно заметно опережает практику. По данным McKinsey, к концу 2025 года 62% компаний в мире уже экспериментировали с ИИ-агентами, а масштабировали хотя бы одну систему только 23%. Это логичная картина для раннего этапа внедрения новой технологии — компании обычно начинают с отдельных задач и локальных пилотов, так проще проверить эффект, не вмешиваясь сразу в критические процессы, указывают эксперты. «Для ИИ-агентов такой подход особенно оправдан, поскольку сами технологии быстро развиваются, а архитектура комплексных агентных систем пока только формируется», — считает главный инженер «Рокет Контрол» Павел Приходько.
Дело не только в объеме инвестиций: интерес к агентным технологиям растет быстрее, чем готовность корпоративной среды к их масштабному применению, говорит управляющий директор по искусственному интеллекту «Авито» Андрей Рыбинцев: «ИИ уже сравнительно легко встроить в ежедневную работу для повышения личной эффективности сотрудников, но чтобы получить эффект на уровне компании, требуется трансформация процессов и развитие инфраструктуры». По его словам, для масштабирования нужны интеграция с корпоративными системами, структурированные и доступные для ИИ знания, а также безопасный контур с понятными правами доступа и контролем действий: «Если знания о процессе остаются в голове сотрудников, для ИИ они фактически не существуют».
Осторожность бизнеса понятна, продолжает Приходько: «Интерес к генеративному ИИ очень высокий, но компании уже успели столкнуться с его ограничениями: модели по-прежнему могут ошибаться, поэтому результаты нужно проверять». При этом низкий порог входа приводит к другому процессу — фактически партизанскому внедрению, замечает он. «Даже если компания централизованно не внедряет ИИ, сотрудники самостоятельно начинают использовать публичные модели и сервисы для своих задач. Поэтому вопрос уже скорее не в том, будет ли использование расширяться, а в том, как организации будут им управлять», — говорит Приходько.
Помимо дефицита инвестиций, который действительно тормозит отрасль, на российском рынке долгое время просто нечего было внедрять, полагает финансовый директор разработчика платформы Kodik компании «Архитех ИИ» Михаил Хулапов. «Качественных отечественных агентных продуктов, на которые можно посадить критичный процесс, почти не существовало. А зарубежные закрыты законодательно, — обращает внимание Хулапов. — Закон требует обрабатывать персональные данные внутри страны, с июля 2025 года требования ужесточились, штрафы выросли до 18 млн рублей. Для банка, страховой или телекома лучшие мировые платформы не просто неудобны, они юридически недоступны. Получается двойной замок — западное нельзя, российского нет. И компания останавливается на стадии ассистента не потому, что не хочет дальше, а потому что дальше не на чем ехать».
Что еще с агентами не так
Несмотря на недостаточность инвестиций в ИИ, директор по продуктам MWS AI (входит в МТС Web Services) Максим Волошин считает главным сдерживающим фактором все же дефицит компетенций. Внедрение ИИ-агентов и виртуальных сотрудников требует специалистов, которые одновременно понимают возможности ИИ, устройство корпоративных процессов и экономику внедрения, говорит он: «Таких команд на российском рынке пока немного. В результате возникает замкнутый круг: ИИ может увеличивать выручку и снижать издержки, но для получения этого эффекта компании сначала должны выделить ресурсы на перестройку процессов и внедрение. В условиях более осторожного отношения бизнеса к инвестициям пройти этот первоначальный этап становится сложнее».
Дополнительные ограничения связаны с санкциями и доступностью капитала, продолжает Волошин. Российским компаниям, по его словам, сложнее получать часть технологий и инфраструктуры, а возможностей для финансирования новых технологических команд и проектов заметно меньше, чем на крупнейших мировых рынках: «Это ограничивает и количество новых решений, и скорость их масштабирования. Поэтому дальнейший рост российского рынка ИИ будет зависеть от количества команд, которые умеют превращать возможности моделей в работающие бизнес-системы с измеримым экономическим эффектом».
Что касается платформенного подхода, о котором говорят авторы исследования, то он в его текущем виде навязан российским бигтехом, убежден источник в крупной промышленной компании. «Такие платформы называются no-code лишь формально — собрать ИИ-агента без разработчиков по-прежнему нельзя, даже если непосредственно код писать не нужно, а специалистам без глубокого технического бэкграунда такие продукты все еще непонятны, — рассуждает он. — Разрыв между обещаниями вендоров и реальной ценностью от этого только растет. А сам термин «платформа для агентов» больше ничего не значит. Компании нужны предсказуемые расходы, доказуемая управляемость (идентичность агента, права, аудит, kill switch, или «аварийный выключатель») и модель-агностичность (отсутствие зависимости от одной модели — несколько моделей внутри, можно поставить свою или любую другую) как защита от vendor lock-in («привязка к поставщику»). Таким образом, в слово «платформа» разные компании вкладывают совершенно разный смысл».
Выход из-под контроля
Главный тормоз — не размер бюджета, а отсутствие привычных механизмов контроля: бизнес готов платить за технологию, но не готов внедрять то, что не умеет останавливать, согласен старший управляющий директор AppSec Solutions Антон Башарин. «Разница между ассистентом и агентом принципиальна: ассистент предлагает, а решение принимает и отвечает за него человек. Агент действует сам, и вместе с автономностью к нему переходит часть операционного риска. В классической IT-инфраструктуре у нас есть «рубильник» — контейнер можно остановить, права отозвать, релиз откатить, для агентов промышленного эквивалента пока нет: ни стандартного kill switch, ни воспроизводимого следа принятых решений, ни единой модели идентификации и авторизации агента как субъекта», — размышляет он.
Насколько это не теоретическая проблема, показала недавняя история, напоминает Башарин. 7 августа Frontier Security опубликовала отчет об инциденте с моделью Kimi K3 китайской Moonshot: во время оценки ее возможностей в области кибербезопасности, которую проводил британский Институт безопасности ИИ (AISI), она вышла за пределы изолированной тестовой среды. Kimi K3 самостоятельно обнаружила брешь в изоляции песочницы и через нее начала искать в сети данные, нужные для выполнения тестового задания — материалы на GitHub. Исследователей насторожило именно то, что команды искать что-либо в интернете модель не получала, она сама распознала такую возможность и воспользовалась ею. Ключевая деталь: выход наружу стал возможен из-за ошибки людей в настройке тестовой инфраструктуры, и попыток атаковать сторонние ресурсы модель не предпринимала. «То есть это не история про «взбунтовавшийся ИИ» — это история про то, что агент, обученный планировать и добиваться цели, рассматривает ошибку конфигурации как обычный доступный инструмент и использует ее, потому что это ведет к решению задачи», — говорит эксперт.
Это уже четвертый подобный случай: ранее аналогичное фиксировали у моделей OpenAI, Anthropic и Meta (признана экстремистской и запрещена в России). Если такое происходит в лаборатории, где среду готовили специалисты по безопасности ИИ, то легко представить, что произойдет в корпоративном контуре, собранном на скорую руку под пилот, замечает Башарин. Поэтому доля в 3% инвестиционного бюджета — это скорее симптом, чем причина. «Деньги не выделяют под то, чем пока не умеют управлять», — говорит эксперт.
Что действительно даст эффект, станет понятно, по словам собеседника Forbes в крупной промышленной компании, не раньше начала 2027 года. «Пока это только гипотезы — и слышна та из них, чей автор кричит громче», — резюмирует он. В любом случае распространение агентов будет продолжаться, уверен Павел Приходько: «Вместе с количеством сценариев будет расти потребность в их консолидации, управлении и способности нескольких агентов совместно выполнять сквозные бизнес-процессы».
Источник: www.forbes.ru
