Почему проекты агентного ИИ закрывают и что можно правильно сделать за восемь недель пилотирования

Клиент просит вернуть деньги, и агент находит заказ в CRM, проверяет правила возврата и меньше чем за минуту составляет ответ. Затем работа останавливается: запрос на возврат нужно одобрить в финансовой системе, к которой агент не подключен, а адрес клиента в двух базах данных не совпадает. Такие пробелы редко обнаруживаются во время демонстрации, но именно они определяют, сколько будет стоить эксплуатация агента и можно ли ему доверять. Поэтому главный риск агентного ИИ связан не с самой моделью, а с бизнес-средой, в которую внедряют агента.

По прогнозу Gartner, к концу 2027 года будет отменено более 40% проектов агентного ИИ. Среди причин — растущие затраты, неясная бизнес-ценность и недостаточный контроль рисков. Если внимательно прочитать этот прогноз, становится ясно: речь о проектах, которые одобряют по результатам демонстрации, почти не представляя, сколько такая работа стоит сегодня и кто отвечает за её результат.

Я бы спросил у любой руководящей команды: сможет ли компания ежедневно поддерживать работу этого агента при приемлемых для неё затратах и уровне риска? Чтобы ответить на этот вопрос, нужно внимательно изучить то, что я называю работой после автоматизации, — всё, что людям по-прежнему приходится делать после того, как агент выполнил свою часть. Восьминедельный пилот — практичный способ оценить эту работу до принятия решения о полномасштабном внедрении.

Проблемы предприятия, с которыми сталкивается агент

Агент редко работает сам по себе: даже задача, которая кажется простой, затрагивает записи о клиентах, пару бизнес-приложений и, как правило, этап согласования. Каждое подключение ограничивает то, что агент может видеть и делать. Если данные в записях расходятся или никто точно не знает, кто должен дать согласование, агенту вместе с задачей достаётся и эта неразбериха.

Обычно проблема не в типовых случаях, а в исключениях: именно на них растут эксплуатационные расходы, и именно их демонстрация призвана обходить стороной. Исследование Deloitte за 2026 год показало, что лишь 5% организаций считают свои бизнес-процессы хорошо подготовленными к работе с ИИ-агентами. Эта цифра говорит больше, чем любой тест модели: она показывает, что ИИ готов к работе задолго до того, как к ней готовы большинство процессов.

В бизнес-обоснование нужно включать работу после автоматизации

Оценивать ценность агента по скорости выдачи результата — самый простой способ её преувеличить: важно, сколько усилий требует выполнение задачи целиком. Допустим, сотрудник тратит на обработку запроса 20 минут, а агент сокращает время на первый этап до двух минут. На первый взгляд, это экономия в 18 минут — пока кто-нибудь не потратит 15 минут на проверку результата и исправление ошибок. Если учесть расходы на эксплуатацию агента, экономия в три минуты — весьма скромная отдача.

Анализ McKinsey, посвящённый агенту для обслуживания клиентов в банковской сфере, показывает ту же картину в масштабах бизнеса: на токены приходилось 20–25% переменных эксплуатационных расходов, а на контроль со стороны людей — 70–75%. Значит, основная часть затрат возникала за пределами модели. Если до написания кода не зафиксировать исходные показатели, пилот может продемонстрировать значительный технический прогресс, но так и не проверить экономическую обоснованность инвестиций. Как минимум владелец бизнес-процесса должен иметь чёткий ответ на каждый из следующих вопросов:

• Объём: как часто выполняется процесс и сколько человек в нём участвует.
• Время выполнения: сколько занимает задача целиком, включая проверку и исправления.
• Точность: как часто возникают ошибки или приходится выполнять работу заново.
• Стоимость одной задачи: сколько сегодня стоит успешно выполненная задача.
• Влияние на бизнес: что изменится для клиентов, сотрудников или компании при реальном улучшении.

Агент должен заслужить своё место в рабочем процессе

Внедрение обычно относят к управлению изменениями, хотя, по моему опыту, всё решается гораздо раньше — тем, где агент встроен в рабочий процесс. Одна международная компания, оказывающая профессиональные услуги, создала агентов для поддержки клиентов и работы с соблюдением требований. Агент поддержки мог получать информацию из нескольких внутренних систем, однако сотрудникам приходилось открывать отдельное приложение, чтобы им воспользоваться, и большинство этого не делало. Когда тот же процесс перенесли на уже существующую платформу поддержки, агент появился прямо в заявке, с которой сотрудники и так работали. Аналогично поступили с агентом для проверки на соответствие требованиям: его встроили в Salesforce, чтобы он запускался при создании каждого дела.

Сами агенты не изменились — изменилось их место в рабочем процессе. Сотрудникам и без того нужно было открывать заявку или создавать дело, поэтому, появляясь именно в этот момент, агент не требовал от них дополнительных действий. Следовательно, выбор места для агента — не только вопрос внедрения, но и архитектурное решение: агенту нужен контекст того этапа, на котором выполняется работа, а его результат должен передаваться дальше по процессу без ручного копирования.

Автономность меняет подход к безопасности

Риск от агента, который может только читать информацию, отличается от риска, связанного с агентом, способным изменять записи или отправлять письма клиентам. Поэтому меры контроля должны соответствовать тому, что агенту действительно разрешено делать. Избыточные разрешения и утечка конфиденциальных данных — известные риски, но особого внимания заслуживают атаки с внедрением инструкций в запрос: это скрытые указания в документе или письме, которые агент обнаруживает, выполняя вполне обычную задачу.

Рекомендации Gartner за май 2026 года по управлению агентами разделяют автономность на четыре уровня, что помогает на практике определить, насколько строгими должны быть меры контроля:

1. Наблюдение: агент извлекает информацию и выявляет закономерности, имея доступ только для чтения.
2. Рекомендации: агент предлагает действие, а решение принимает сотрудник.
3. Действия с подтверждением: агент подготавливает или запускает действие, которое человек должен одобрить до его выполнения.
4. Автономные действия: агент самостоятельно выполняет одобренные действия в установленных пределах; исключения отслеживаются и передаются на рассмотрение.

На любом уровне агенту необходимы собственная учётная запись, права доступа, ограниченные его задачей, и журнал всех выполняемых им действий. Организациям также нужны правила обработки и хранения данных, ясное понимание того, какие сведения передаются внешним поставщикам моделей, а также сотрудник, уполномоченный приостановить работу агента и немедленно отозвать его доступ, если что-то пойдёт не так.

Каждая из этих мер контроля влечёт постоянные расходы: более широкие права доступа, дополнительный мониторинг и частые согласования со временем обходятся всё дороже. Поэтому выбор подходящего уровня автономности — это не только вопрос безопасности, но и экономическое решение. Он определяется тем, приносит ли агент значимую пользу при уровне риска, который приемлем для бизнеса.

Выберите процесс, в котором применение агента себя оправдает

Многие команды начинают с технологии, а затем ищут для неё задачу. Гораздо разумнее выбрать процесс, расходы или задержки в котором и без того очевидны тем, кто выполняет эту работу.

Мы работали с международной компанией, предоставляющей сеть экспертов, которой как раз подходил такой процесс: её команда подбирала экспертов для участия в опросах, используя три не связанных между собой системы, и вручную проверяла профили, историю участия и соответствие требованиям для каждого подбора. Мы создали агента, который объединил семантический поиск, историю участия и правила соответствия требованиям. После запуска в рабочую среду количество заявок о несоответствиях сократилось на 80%, точность подбора выросла на 40%, а команда высвободила 22% рабочего ресурса.

Проект оказался успешным, потому что задача была чётко определена: информация хранилась в разных местах, её приходилось сводить вручную, а качество подбора можно было измерить до и после внедрения. Чёткая постановка задачи также помогает понять, нужен ли процессу агент вообще. Процессы с фиксированными правилами обычно дешевле автоматизировать традиционными средствами, а для задач, которые в основном сводятся к поиску и обобщению информации, часто достаточно ИИ-ассистента. Дополнительные расходы и риски, связанные с агентами, оправданы, когда нужно учитывать контекст, выбирать из разрешённых действий и последовательно выполнять несколько шагов для достижения результата.

Восьминедельный пилотный проект с чёткими контрольными точками

Весь пилотный проект зависит от одного коммерческого вопроса: сможет ли этот агент настолько улучшить процесс, чтобы его внедрение в масштабе было оправданным? Восьми недель достаточно, чтобы проверить экономическую целесообразность, технологию и способность организации управлять созданным решением.

Недели 1–2: определите, что нужно улучшить

Для начала опишите, как процесс устроен сейчас: укажите объём работы, время выполнения, частоту ошибок, объём переделок и расходы. Зафиксируйте, какие системы используются, кто отвечает за каждый этап и в каких нестандартных случаях требуется вмешательство человека. Затем договоритесь с владельцем бизнес-процесса и технической командой о единственном результате, который должен улучшить агент. Контрольная точка: продолжайте работу, когда задача, исходные показатели, ответственный и критерии успеха чётко определены.

Неделя 3: определите границы возможностей агента

На этом этапе определяют ограничения агента: его учётную запись, права доступа, доступ к данным, разрешённые инструменты и степень автономности. Проверьте, как он справляется с внедрением вредоносных инструкций через запросы, несанкционированным доступом, раскрытием конфиденциальных данных и неправильным использованием инструментов. Настройте ведение журналов и реагирование на инциденты, а также предусмотрите возможность приостановить работу агента или отозвать его доступ. Контрольная точка: продолжайте работу, когда меры контроля и порядок вмешательства проверены на практике и всем понятно, что агенту разрешено делать.

Недели 4–6: проверьте условия, при которых демонстрация не выдержит испытания

Теперь поручите агенту реалистичные задачи, в том числе с неполными записями, противоречивой информацией, необычными запросами и периодическими сбоями системы. Отслеживайте, сколько задач он выполняет, насколько точны его результаты и сколько исправлений приходится вносить людям. Затем рассчитайте реальную стоимость успешно выполненной задачи, учтя использование моделей, интеграции, мониторинг и проверку результатов. Контрольная точка: переходите к испытаниям в рабочей среде, когда агент достигает согласованных пороговых значений, а команда понимает и текущие расходы на его работу, и причины его сбоев.

Недели 7–8: предоставьте агент реальным пользователям

Предоставьте доступ к агенту небольшой группе сотрудников и поручите ему ограниченную часть реальной работы, сохранив прежний процесс для задач, с которыми он не справляется. Следите за тем, пользуются ли им сотрудники на самом деле, помогает ли он им экономить усилия и доверяют ли они его результатам.

В конце сравните результаты с исходными показателями первой недели и оцените производительность, точность, уровень внедрения, частоту вмешательства сотрудников, общие эксплуатационные расходы и все ещё не устранённые риски безопасности. Затем нужно решить: масштабировать внедрение, устранить конкретные недостатки и провести повторное тестирование или остановить проект. Даже если пилотный проект показал, что агент слишком дорог или ненадёжен для этой задачи, он всё равно выполнил свою функцию: помог избежать гораздо более крупных вложений, основанных на догадках.

Оцените результат, а затем решите, какую степень автономности предоставить

Подсчёт задач, обработанных агентом, мало о чём говорит: система может выполнять тысячи запросов, а сотрудникам всё равно придётся проверять, исправлять или завершать большую часть работы. Стоимость успешно выполненной задачи в сочетании с точностью и частотой исключений гораздо лучше показывает, улучшился ли процесс в целом.

Те же показатели служат основанием для расширения полномочий агента. Если он надёжно обрабатывает типовые запросы в согласованных пределах, ему можно доверить выполнение таких задач без участия человека. Если же ему постоянно встречаются неоднозначные случаи, решения по ним должен по-прежнему утверждать человек, а доступы следует пересматривать по мере накопления данных.

Масштабируйте решение, когда бизнес способен обеспечить работу агента

Рано или поздно агент, хорошо показавший себя в одной команде, должен будет взаимодействовать с другими подразделениями, приложениями и цепочками согласования. Для масштабирования нужны чёткое распределение ответственности, единые правила управления доступом и порядок обработки исключений, а также бюджет на актуализацию агента по мере изменения связанных с ним процессов.

В конечном счёте нужно решить, какой объём ответственности организация готова передать агенту. Это решение должно опираться на результаты реальной работы, а не на удачную демонстрацию. По итогам восьми недель руководство должно понимать, с чем агент справляется, в каких случаях всё ещё требуется вмешательство людей и сколько будет стоить его эксплуатация. В конкурентном преимуществе благодаря агентному ИИ окажутся те компании, которые с первой недели планируют, как будет организована работа после автоматизации, и выделяют средства на агентов с учётом задач, которые те действительно выполняют.