Ваш AI‑агент хорош лишь настолько, насколько хороша ваша система хранения

30 декабря 2025 года датская почтовая служба доставила последнее письмо за 401‑летнюю историю. Оставшиеся 1500 почтовых ящиков были сняты с улиц в течение того года. Тем временем в июле 2026 года немецкое федеральное правительство одобрило GeDIG, закон о данных здравоохранения и цифровых инновациях, который к осени 2029 года выводит факсы из кабинетов врачей и делает электронные направления обязательными.

Итак, как же так, что одна страна может внедрять такие изменения, тогда как другая всё ещё постепенно отказывается от факсов в этом веке? Учитывая использование ИИ в бизнесе в каждой стране, 42 % датских компаний использовали хотя бы одну технологию ИИ в 2025 году — самый высокий показатель в Европе. В Германии этот показатель составил 26 %, выше среднего по ЕС, но на шестнадцать пунктов отстает от Дании.

Для меня этот контраст заставляет переосмыслить наши убеждения относительно внедрения ИИ. Особенно убеждение, что выбор модели является отправной точкой внедрения ИИ, игнорируя состояние систем вокруг модели. Обе страны имеют доступ к тем же моделям и облачным провайдерам, но разница заключается в том, создают ли бизнес‑процессы и государственные процедуры уже надёжные цифровые записи. Поскольку AI‑агент работает не с реальностью напрямую, а с её версией, доступной в системе, естественно возникают определённые ограничения.

Первое ограничение: информация никогда не была оцифрована

Агент не может извлечь документ, который никогда не попал в систему. Форма информационного потока организации определяет, что агент вообще может воспринимать как задачу.

На уровне страны данные Eurostat показывают, что внедрение ИИ в бизнесе коррелирует с оцифровкой административных процессов. Ключевой механизм состоит в том, что в странах, где граждане уже получают официальные документы в цифровом виде, количество вне‑системных взаимодействий, которые компаниям нужно согласовывать, меньше, что снижает объём интерпретационной работы, необходимой перед безопасным использованием ИИ в операциях.

На уровне фирмы исследование IZA 2026 года, проведённое среди 1907 датских компаний, обнаружило, что увеличение оцифровки на одну стандартную девиацию связано с повышением вероятности внедрения основных систем ИИ на 8–10 процентных пунктов. Это свидетельствует о том, что внедрение ИИ зависит от того, организованы ли внутренние операции фирмы уже в цифровой, машинно‑читаемой форме. Если процессы фрагментированы, для ИИ‑систем или агентов почти нет стабильной информации, на которой можно действовать.

Это также может помочь объяснить, почему политика‑ориентированная оцифровка не автоматически приводит к готовности к ИИ. Обязательное в Италии B2B‑электронное выставление счетов создало полностью цифровой канал, но общий уровень внедрения ИИ остаётся ниже среднего по ЕС. Оцифровка отдельного шага не устраняет окружающую аналоговую систему.

Второе ограничение: информация существует только в чьей‑то голове

Люди управляют операциями, а значит, чаще всего они знают детали, недоступные ИИ. Финансовый администратор знает, что арендатор оплатил наличными, но платеж никогда не был внесён в бухгалтерскую систему. В результате банковские записи и система не согласуются. Администратор понимает причину, тогда как ИИ видит лишь несоответствующие данные. Менеджер по недвижимости помнит, что арендодатель просил не связываться с ним две недели. Команда знает обходной путь для конкретного здания или клиента, но никто не задокументировал его.

ClarEval протестировал задачи с отсутствующими целями, предпосылками и неоднозначной терминологией. Производительность модели упала с около 89 % после уточнения до примерно 9 %, когда неоднозначность оставалась неразрешённой. Тем временем, Ambig-SWE обнаружил, что позволив модели задавать вопросы пользователю, обладающему недостающей информацией, можно восстановить до 74 % утраченной производительности. Это подразумевает, что инженеры должны создавать систему, способную сразу запрашивать уточнения.

Третье ограничение: информация существует, но не может быть передана

Некоторые данные доступны внутри компании, но всё равно не могут достичь модели из‑за правил конфиденциальности, мер безопасности, контрактов или внутренних политик.

Исследование, основанное на семилетних облачных данных показало, что GDPR — основной закон ЕС о защите данных — сократил объём хранения данных на 26 % и обработку на 15 % у европейских фирм по сравнению с аналогичными американскими компаниями. Иными словами, регулирование конфиденциальности сделало компании менее «данными‑интенсивными», ограничив количество информации, которую они могут сохранять и обрабатывать для аналитики и ИИ. Внедрение генеративного ИИ было почти одинаковым, 37 % европейских фирм и 36 % американских. Однако разрыв в глубине внедрения ИИ огромен: 81 % американских компаний используют ИИ как минимум в двух внутренних процессах, против 55 % в ЕС. Одна из возможных причин — информация, уже существующая внутри организаций, часто труднее переиспользуется для ИИ в Европе. Например, разговоры службы поддержки часто содержат персональные данные, собранные для решения проблем клиентов. Согласно принципу ограничения цели GDPR (Статья 5(1)(b)), такие данные нельзя просто перенаправлять на обучение ИИ без законного основания. Американские фирмы, как правило, сталкиваются с меньшим количеством эквивалентных федеральных ограничений на повторное использование таких данных.

Как построить правильную систему

Извлечение работает только тогда, когда ответ существует в системе. Агентам следует запрашивать информацию, когда её не хватает, никогда не угадывать и превращать звонки или неформальные решения в структурированные записи. Компаниям также следует устранять параллельные бумажные рабочие процессы, потому что если задача может выполняться вне системы, часть контекста останется невидимой.

Каждая компания должна учитывать собственные пробелы. Измерьте, был ли необходимый факт для корректного действия доступен в системе. Тестируйте рабочие процессы с включёнными и отключёнными полями обзора конфиденциальности. И, наконец, для рабочего процесса, который можно выполнить на бумаге, именно такой агент следует создавать последним.

Агенты могут повысить эффективность человеческого труда, но они не исправляют то, чего не хватает.