43% компаний уже расширяют внедрение систем класса «агентный ИИ», но только 15% смогли дойти до масштабных, скоординированных схем работы нескольких агентов сразу. Для русскоязычного IT-рынка это неприятно знакомый сюжет: пилоты запускаются быстро, а потом выясняется, что настоящий барьер находится не в модели и не в API, а в процессах, ответственности и экономике эксплуатации.
Как пишет ZDNet, сразу три исследования, от Deloitte, KPMG и Accenture, пришли к одному и тому же выводу: бизнес заметно опережает собственную готовность к внедрению ИИ-агентов. Технология уже в проде, но корпоративная машина, от регламентов до ролей менеджеров, к этому чаще всего не готова. И чем активнее компании наращивают число агентов, тем громче становится вопрос: кто отвечает за результат, цену ошибки и реальную отдачу.
Самые жесткие цифры пришли из опроса Deloitte Agentic Transformation. 43% организаций уже расширяют использование ИИ-агентов между функциями, но только 15% дошли до стадии масштабного и оркестрированного мультиагентного развертывания. Готовность персонала к такой модели работы составила лишь 20%, а подготовленность текущих процессов, и вовсе 16%. При этом ожидания у руководителей куда смелее: 74% считают, что к 2030 году половина бизнес-процессов будет перепроектирована вокруг агентов. Разрыв между амбициями и операционной реальностью здесь почти карикатурный: стратегические слайды уже про автономию, а внутренняя кухня все еще держится на людях, которые вручную исправляют исключения.
KPMG в своем Global AI Pulse показывает похожую динамику, но с другим акцентом. Эксперименты заканчиваются, начинается разговор про окупаемость, контроль затрат и управляемость. В опросе 2145 руководителей высшего звена и бизнес-лидеров из 20 стран 76% компаний заявили, что уже видят реальную бизнес-ценность от ИИ, это на 12 процентных пунктов больше, чем кварталом ранее. 78% уверены, что смогут «застраховать будущее» своей AI-стратегии, а 71% считают, что неплохо продвигаются к интегрированной AI-human workforce. Но на этом фоне всплывает менее удобная часть истории: трудности с масштабированием кейсов и дефицит навыков примерно удвоились квартал к кварталу как главные препятствия для демонстрации ROI. Отдельно KPMG подчеркивает цифру, которую CIO и CFO явно стоит повесить на стену: компании с полной видимостью операционных затрат на ИИ в пять раз чаще сообщают о сформировавшемся ROI, чем те, кто таких затрат по-настоящему не видит.
То есть вопрос уже не в том, можно ли собрать агента для саппорта, закупок, рекрутинга или внутреннего поиска. Можно, и многие это уже сделали. Вопрос в другом: как посчитать экономику на масштабе, как встроить агентов в цепочки принятия решений и как не получить красивую витрину вместо работающей системы. На языке разработчиков это звучит предельно знакомо. Пока бизнес обсуждает «умных цифровых сотрудников», инженеры упираются в более приземленные вещи: права доступа, трассировку действий, контроль версий промптов и инструментов, аудит, маршрутизацию эскалаций и политику отключения, когда агент начинает принимать слишком смелые решения.
Еще сильнее тему ответственности формулирует совместное исследование Accenture и Wharton, построенное на task-level данных Bureau of Labor Statistics по 18 отраслям. Его главный тезис звучит почти как холодный душ для AI-энтузиастов: интеллект можно масштабировать, ответственность, нет. По оценке авторов, около 50% рабочих часов в экономике США, это 120 млн работников, уже перестраиваются под воздействием примерно 60 цифровых и физических AI-агентов. В банковском секторе и на рынках капитала одни только цифровые агенты затрагивают более 45% рабочего времени. Потенциал выглядит внушительно: для гипотетической компании с выручкой $60 млрд Accenture оценивает возможный прирост выручки примерно в $6 млрд и ежегодный рост производительности на $1,7 млрд при полной зрелости агентной модели. Но в том же исследовании есть важная оговорка: эти цифры не реализуются автоматически только потому, что компания развернула агентов.
Соавтор отчета Джеймс Кроули формулирует это так: бизнесу нужны не «humans in the loop», а «humans in the lead». Разница не словесная, а управленческая. В первом случае человек лишь просматривает, что уже сделал агент. Во втором человек остается владельцем результата, правил и последствий. Для крупной компании это означает неприятную, но необходимую работу до запуска, а не после очередного инцидента: определить права принятия решений, назначить ответственных, привязать агентные программы к P&L и заранее решить, куда девать высвобождающуюся емкость команды. Потому что рост производительности сам по себе еще не превращается в рост бизнеса. Если освободившиеся часы не переупакованы в новые продажи, более быстрый вывод продукта, лучшее обслуживание или новые функции, эффект останется на уровне локальной эффективности и быстро упрется в потолок.
На этом фоне показательно выглядят и данные Salesforce, которые ZDNet приводит как контраст к более осторожным выводам консультантов. За год число активных ИИ-агентов в организациях утроилось, среднее количество агентов на компанию выросло с 5 до 13, а время создания одного агента сократилось на 53%, до 1,9 дня. Их возможности, по данным компании, выросли на 350%, а использование агентных систем сотрудниками тоже утроилось по мере роста доверия. Более того, 70% компаний, внедряющих AI-агентов в клиентский сервис, видят ROI в течение 60 дней, а доля сервисных организаций с такими внедрениями выросла за 12 месяцев с 39% до 66%.
На первый взгляд это противоречие: с одной стороны, агенты становятся быстрее, дешевле и массовее, с другой, бизнес жалуется на слабую окупаемость и нехватку готовности. Но противоречия здесь нет. Просто рынок прошел стадию, где победителем считался тот, кто первым подключил LLM и показал демо. Теперь начинается менее зрелищная стадия, где выигрывают компании, умеющие обращаться с агентами как с новым операционным слоем, а не как с витриной инноваций. Для российских разработчиков, продактов и IT-руководителей вывод практический: следующий дефицит будет не в промпт-инженерах и не в выборе модели, а в людях, которые умеют проектировать управляемые контуры вокруг агентного ИИ, считать стоимость владения и держать человека не «на подхвате», а в роли владельца решения.
Если этот тренд сохранится, через пару лет рынок будет делиться не на тех, кто «внедрил ИИ», и тех, кто опоздал, а на тех, кто научился управлять армией агентов без расползания ответственности, и тех, кто получил дорогой слой автоматизации с туманным ROI и постоянной потребностью в ручном спасении процессов.