ИИ-агенты как новый слой корпоративной автоматизации

28 октября 2026

Для ИТ-руководителей агентный ИИ – инструмент оркестрации процессов: система получает цель, собирает контекст из корпоративных систем, выполняет разрешённые операции и передаёт человеку исключения. Задача определить, какой процесс делегировать агенту, какой уровень автономности допустим и какие требования задать к качеству, безопасности и стоимости. Результат оценивают по доле операций без вмешательства сотрудника, времени цикла и полной стоимости обработки.

В архитектуре агент связывает модель с корпоративными данными, API и инструментами исполнения, а также с контуром идентификации, прав, журналирования и проверки результата. Зрелость решения задают границы полномочий, контроль действий и корректная передача человеку задач, для которых недостаточно данных или нужно экспертное решение.

В портфеле инициатив разделяют поиск с генерацией ответа, классическое машинное обучение, RPA, помощников и автономных агентов: эти технологии могут сочетаться, но различаются уровнем автоматизации и требованиями к контролю. Так Gartner предупреждает об «agent washing» – когда чат-боты и RPA называют агентами без существенного расширения возможностей.

Где бизнес применяет ИИ-агентов

Первые устойчивые сценарии возникают там, где много повторяющихся обращений, документов и решений по известным правилам. В ИТ это поиск по базе знаний, первичная диагностика инцидента, сбор контекста из мониторинга, подготовка скриптов и решение типовых запросов поддержки. В бэк-офисе – извлечь сведения из документов и сверить их с регламентом.

Эффект быстрее появляется, если встроить агента в конкретный маршрут, а не открывать ему «доступ ко всему». Он может подготовить ответ со ссылкой на инструкцию и черновик решения. Обратимое низкорисковое действие выполнит сам, а для операции с деньгами, персональными данными или правами доступа запросит подтверждение. Сотрудник отвечает за исключения и решения, где важен контекст.

По данным опроса McKinsey (1) 2026 года, компании чаще всего масштабируют агентные решения в ИТ, управлении знаниями и разработке ПО. В производстве и смежных отраслях заметны сценарии для цепочек поставок, запасов и производственных операций; в потребительских товарах и рознице – маркетинг и продажи. Среди крупных компаний 40% респондентов сообщили, что масштабируют ИИ-агентов хотя бы в одной функции против 27% годом ранее. У небольших организаций этот показатель остался на уровне 22%.

Исследование Global CIO «Приоритеты ИТ-руководителя 2026»

В российском бизнесе заметны те же сценарии. По результатам исследования «СберАналитики» и «Сбер Бизнес Софт», опубликованном CNews (2), 39% организаций используют ИИ-агентов и ассистентов для задач документооборота, финансов и HR. По данным Yandex Cloud (3), компании запустили на платформе Yandex AI Studio более 7,5 тыс. агентов; около четверти запросов связано с поддержкой, финансовыми продуктами и HR.

Как ИИ-агенты создают экономический эффект

Первый и самый понятный эффект – производительность: сотрудник тратит меньше времени на поиск, заполнение, сверку и подготовку типового результата. В опросе PwC 2025 года (4) среди компаний, внедряющих агентов, 66% сообщили о росте производительности, 57% – об экономии затрат, 55% – об ускорении принятия решений, а 54% – об улучшении клиентского опыта. Ответы отражают самооценку руководителей, но показывают ценимые бизнесом результаты.

Экономия времени становится деньгами не автоматически. Если сотрудник освободил двадцать минут, но нагрузка, выпуск и качество остались прежними, компания получила резерв времени, а не финансовую отдачу. Резерв можно превратить в экономический эффект, когда организация сокращает очередь, увеличивает объём работы без расширения команды, быстрее отвечает клиенту или переводит специалистов на более сложные задачи. Агент может повысить конверсию, ускорить подготовку предложения и снизить стоимость обработки, число ошибок и простои.

Полевое исследование NBER (5) на данных 5 179 сотрудников службы поддержки показало, что генеративный ИИ-ассистент увеличил число решённых обращений в час в среднем на 14%, а у менее опытных работников – на 34%. Это исследование не об автономных агентах: система подсказывала сотрудникам, а не выполняла процесс самостоятельно. Но оно хорошо иллюстрирует механизм ценности: ИИ быстрее распространяет лучшие практики и помогает новичку приблизиться к уровню сильного коллеги. Это обещает более короткое обучение и меньше эскалаций.

Агенты добавляют экономию на сквозном процессе. Когда система сама собирает сведения из нескольких приложений, последовательно выполняет проверки и возвращает человеку только отклонения, сокращается не только время одной операции, но и задержки между подразделениями. McKinsey (1) сообщает, что 32% опрошенных организаций отказались от покупки как минимум одного программного продукта или его функции, потому что решили создать его с помощью агентных инструментов разработки.

Почему внедрение ИИ не всегда увеличивает прибыль

Разрыв между личной продуктивностью и результатом компании – ключевой вопрос внедрения. В исследовании McKinsey 2026 (1) года 80% респондентов говорят, что ИИ повышает их личную продуктивность, но только 37% видят положительный вклад ИИ в EBIT, а к группе компаний с существенным эффектом относят себя лишь 6%. Это данные по ИИ в целом: рост продуктивности на уровне сотрудника не гарантирует эффекта для бизнеса.

Чаще всего проект ограничивается пилотом, который не меняет процесс, или оценивается по удобству пользования и количеству запросов. В расчёте также забывают о стоимости подготовки данных, интеграций, моделей, вычислений, контроля и доработки ошибок. Для агента важна полная стоимость завершённого случая: сколько стоит обработать заявку от входа до результата, включая обращения к модели и системам, проверку человеком, возвраты и исправления. Её нужно сравнить с исходной стоимостью и измерить одновременно скорость, качество и долю задач, закрытых без повторной работы.

Самый полезный пилот начинается с узкого процесса, где есть регулярный поток, понятная цена ошибки, доступные данные и ясный владелец результата. До запуска фиксируют исходную линию: среднее время и стоимость обработки, долю ошибок, возвраты, ожидание в очереди, удовлетворённость. После запуска проверяют не число сгенерированных ответов, а изменение этих показателей. Затем считают полную стоимость владения, включая сопровождение и контроль, и решают, масштабировать ли решение, пересобрать его или остановить.

Как контролировать риски ИИ-агентов

Чем больше действий разрешено агенту, тем выше требования к его безопасности и предсказуемости. Ошибка, после которой агент выдал доступ, отправил деньги или изменил производственные настройки, может стать инцидентом. Многошаговый процесс усиливает риск: неверная интерпретация в начале способна повлиять на каждый последующий шаг. Важно защищаться не только от ошибок модели, но и от недостоверных инструкций внутри документов и сообщений, которые агент читает.

Поэтому у агента должны быть собственная идентичность в корпоративных системах, минимально необходимые права, ограниченный набор разрешённых действий и журнал решений. Для рискованных операций нужны подтверждение человека, лимиты, проверка результата и быстрый способ остановить выполнение. Следует заранее определить, какие решения агент принимает сам, где предлагает вариант, а где сразу передаёт задачу специалисту. NIST (6) в 2026 году запустил инициативу по стандартам для агентов с упором на безопасное и совместимое взаимодействие.

Gartner прогнозирует (7), что более 40% проектов по агентному ИИ будут закрыты к концу 2027 года из-за роста затрат, неясной бизнес-ценности или недостаточного контроля. Он хорошо описывает цену моды: если агент добавлен туда, где достаточно поиска или обычной автоматизации, расходы растут быстрее пользы. Значит, внедрение нужно начинать не с выбора «самой умной» модели, а с диагностики процесса.

Проекты конкурса и доля ИИ: что показывают данные

Исследование Global CIO «Приоритеты ИТ-руководителя 2026»

Участники прошлогоднего конкурса «Проект года» Global CIO показывают, как ИИ уже встраивается в конкретные процессы. FinGPT Московской биржи использует мультиагентную систему для сбора данных и подготовки ответов инвесторам. «Цифровой техлид» РТК-ЦОД помогает управлять ИТ-инцидентами; команда проекта сообщает о сокращении рутинных операций на 20–50% и ускорении отдельных задач до шести раз. Сервис «Чехов AI» ВСК с помощью LLM находит условия ДМС и, по данным проекта, сокращает время обработки обращения в восемь раз. В прошлом году проектов с участием ИИ было около 18%, в 2026 года мы ожидаем, что ИИ-агенты будут задействованы в 40% проектов. Это показывает, как быстро компании переходят от отдельных ИИ-инструментов к системам, которым можно поручить последовательность действий и часть результата.

Масштабировать подтверждённый эффект

Для ИТ-руководителей экономический эффект возникает, когда агент встроен в процесс и отвечает за измеримую часть результата. Начинать стоит с узкого участка: зафиксировать исходные время, стоимость и качество, включить в расчёт интеграции, работу модели, контроль сотрудником и сопровождение. Автономность расширяют после подтверждения качества и экономики на ограниченном сценарии.

Перед запуском проверьте следующие моменты:

Есть регулярный поток повторяющихся операций, где автоматизация даст заметный эффект.
Процесс и критерии качества описаны; для исключений назначен владелец.
Агенту доступны необходимые данные и только те права, которые нужны для его задач.
Можно измерить исходные и целевые время, стоимость, качество и долю операций с участием сотрудника.
Ожидаемый эффект покрывает интеграцию, вычисления, контроль, сопровождение и исправление ошибок; для рискованных действий предусмотрены подтверждение и остановка.

Выводы

Рынок ИИ-агентов быстро переходит от экспериментов к практическому применению, но до зрелости ему ещё предстоит пройти путь: компании учатся встраивать агентов в реальные процессы, оценивать их вклад и удерживать под контролем риски. Следующий этап – не гонка за количеством внедрений, а конкуренция решений, которые умеют надёжно выполнять работу и подтверждать свою ценность для бизнеса. Именно по этому критерию станет понятно, какие агенты останутся эффектной демонстрацией, а какие превратятся в устойчивую часть цифровой экономики.

Поддержка, HR и финансы