ИИ уже успел прописаться в корпоративных стеках, но с дисциплиной у него пока не очень. Именно поэтому инфраструктура ИИ-агентов внезапно выходит на первый план: бизнесу мало красивых демо, если поверх них нет нормального доступа, аудита и правил работы с данными. Для русскоязычной IT-аудитории это звучит знакомо: почти в любой компании пилоты с ИИ появляются быстрее, чем политики безопасности и эксплуатационные процессы.
Об этом пишет The New Stack, разбирая простую, но неприятную для рынка мысль: вокруг агентов нужна не магия, а «скучная» инфраструктура. То есть всё то, что обычно не попадает в маркетинговые презентации, но определяет, будет ли система жить в проде: контроль доступа, сеть, проверка действий, наблюдаемость, разграничение прав и понятные контуры ответственности. Пока этого нет, корпоративный ИИ остается набором разрозненных инициатив, где сотрудники пользуются ассистентами, ботами и обвязками на свой страх и риск.
Сама постановка вопроса важна, потому что ранний этап корпоративного ИИ и правда получился довольно хаотичным. В одних командах разработчики быстро подключили помощников для кода, в других сотрудники начали таскать внутренние документы в внешние чат-интерфейсы, в третьих продуктовые команды собрали автоматизации на скорую руку без внятного понимания, где заканчивается удобство и начинаются риски. На уровне пилота это часто выглядело терпимо. На уровне организации выясняется, что агенту мало дать модель и API-ключ. Ему нужно объяснить, к каким системам он может ходить, какие действия имеет право выполнять, кто подтверждает эти действия и где потом искать следы, если что-то пошло не туда.
Отсюда и разговор про «невидимый» слой. Пока публичное внимание приковано к самим моделям, реальная работа смещается в менее фотогеничную зону. Если агент умеет читать тикеты, ходить в CRM, запускать джобы, трогать облачную инфраструктуру или отвечать клиенту от имени компании, то ключевой вопрос уже не в том, насколько он красиво формулирует текст. Куда важнее, может ли компания ограничить его полномочия, изолировать доступ к внутренним сервисам, задать маршрут к данным и проверить, что он сделал на каждом шаге. Именно здесь инфраструктура ИИ-агентов перестает быть факультативной надстройкой и становится обязательной частью архитектуры.
Для разработчиков это особенно чувствительная тема. Агент без нормальной обвязки быстро превращается в еще один привилегированный сервис-аккаунт, только с языковой моделью сверху и непредсказуемым поведением снизу. У него может быть доступ сразу к нескольким системам, он умеет интерпретировать задачу слишком широко, а последствия ошибки нередко оказываются вполне обычными и очень дорогими: не туда отправленный запрос, случайное изменение конфигурации, утечка фрагментов внутренних данных, лишний вызов внешнего API или автоматизация, которую никто уже не может внятно отладить. Поэтому разговор про агентный ИИ всё чаще упирается не в промпты, а в проверяемость, логирование, политику доступа и сетевые границы.
Для бизнеса вывод еще проще и жестче. Пока ИИ остается игрушкой отдельных команд, проблемы можно списывать на экспериментальный режим. Но как только агенты начинают участвовать в реальных процессах, возникает классический enterprise-набор требований: соответствие политикам компании, безопасность, предсказуемость, стоимость сопровождения и возможность масштабировать практику не на трех энтузиастов, а на сотни сотрудников. И вот тут выясняется, что «невидимый» слой на самом деле самый дорогой в организационном смысле. Купить модель или подписку сравнительно легко. Намного сложнее встроить ИИ в корпоративный контур так, чтобы служба безопасности не хваталась за голову, а инженерные команды не собирали костыли в каждом подразделении отдельно.
Отдельный нерв этой истории в том, что рынок постепенно трезвеет. После волны восторга вокруг универсальных ассистентов всё заметнее спрос не на еще один чат с логотипом, а на понятную эксплуатацию: кто и как подключает агента к внутренним системам, как оформляются разрешения, как задаются ограничения на действия, как проводится ревизия, как отключить доступ без недельной миграции и как разделить экспериментальную среду и прод. Это не слишком вдохновляет на громкие заголовки, зато именно здесь будет решаться, какие ИИ-сценарии переживут фазу презентаций и доберутся до регулярного использования.
Для российского рынка и русскоязычных команд этот сюжет важен вдвойне. Во-первых, у многих компаний стек и без того неоднородный: где-то самописные внутренние сервисы, где-то зарубежные SaaS, где-то локальные модели, где-то облачные API через сложную схему доступа. Во-вторых, вопросы контроля данных, сегментации сетей и прав доступа в таких условиях становятся не дополнением к ИИ-проекту, а его фундаментом. Если этого фундамента нет, агентный слой начинает плодить теневую автоматизацию. А теневой ИИ, как и теневой IT в целом, сначала кажется удобным, а потом приходит за бюджетом, безопасностью и репутацией.
Главный вопрос теперь не в том, появятся ли ИИ-агенты в корпоративной разработке, поддержке, аналитике и внутренних операциях. Они уже появились. Вопрос в другом: кто быстрее построит вокруг них рабочую, скучную и потому действительно полезную инфраструктуру ИИ-агентов — и кто продолжит жить в режиме красивых пилотов, которые рассыпаются при первой встрече с реальным продом.