Специалисты LinkedIn, Walmart и Zendesk на конференции VB Transform 2026 подтвердили, что устаревшая инфраструктура — основное препятствие для эффективной работы AI-агентов. На практике это означает, что скорость их реакции можно улучшить на 80% при правильной оптимизации.
Пример из реальной практики
На обсуждении Animesh Singh, старший директор AI в LinkedIn, пояснил, что первое ограничение для них заключалось не в моделях, а в системе Kubernetes, которая требует времени на запуск контейнеров. Это время оказалось неприемлемым для AI-агентов. Поэтому они перешли от запуска по запросу к использованию предустановленных пулов контейнеров, что значительно ускорило процесс.
Walmart столкнулся с другой проблемой. После того, как внутри компании был внедрён инструмент для создания агентов, сотни «гражданских разработчиков» начали создавать свои решения. В результате появились дублирующие агенты без координации. Политика управления помогла устранить этот недостаток и оптимизировать процесс вывода на рынок.
Sami Ghoche из Zendesk обратил внимание на сложную работу с данными: организация хранила 20 миллиардов историй взаимодействия с клиентами. Чтобы AI-агенты работали эффективно, необходимо было не просто использовать большие языковые модели, но и улучшить качество и структуру данных.
Значение для бизнеса
Для корпоративного сектора эта информация имеет критическое значение: оптимизация инфраструктуры может существенно повысить скорость реагирования AI-агентов. Это позволяет компаниям не только ускорять процессы, но и снижать затраты на разработку и внедрение новых решений. Важно, чтобы организации начали пересматривать свои подходы к архитектуре систем в свете полученных данных.
Следующий шаг — внедрение новых стандартов в корпоративной инфраструктуре для повышения гибкости и скорости работы AI-решений.