Что агенты умеют в работе сегодня

В первые годы этой волны большинство людей знакомились с ИИ как с окном чата. Вы спрашивали, он отвечал, а остальное делали вы. Теперь на каждом слайде слово «агент»: программа, которой дают цель, а она проходит шаги, пользуется разрешёнными инструментами и возвращается с готовой работой.

Последние недели показали обе стороны этого. OpenAI встроила в ChatGPT агентов, которые продолжают работать в фоне. Anthropic и METR описали агентов, которые делали то, о чём их никто не просил. Вот что мы видим, когда сопоставляем заявления с фактами и с нашей собственной ежедневной работой.

Что говорят цифры

Внедрение реально, но неравномерно. В опросе McKinsey за 2026 год 40 процентов респондентов из организаций с выручкой более миллиарда долларов сказали, что масштабируют ИИ-агентов, против 27 процентов годом ранее. Среди небольших организаций доля осталась на уровне 22 процентов. Примерно двое из десяти респондентов масштабировали агентов для программирования, а 32 процента сказали, что их организация отказалась от покупки программного продукта, потому что теперь может создать его собственными силами с помощью агентов для программирования.

Деньги пока не последовали. Доля респондентов, которые связывают с ИИ хоть какое-то влияние на EBIT, осталась на уровне 37 процентов. Gartner помещает агентный ИИ на пик своего цикла хайпа: в его опросе ИТ-директоров за 2026 год 17 процентов организаций уже внедрили агентов, а более 60 процентов ожидали сделать это в течение двух лет. Большинство внедрений, отмечает Gartner, остаются узкими, а полностью автономные агенты не готовы для большинства корпоративных сценариев. Компания по-прежнему ожидает, что к концу 2027 года будет отменено более 40 процентов проектов агентного ИИ, и предупреждает об agent washing: чат-ботах и старой автоматизации, которые переименовали в агентов.

Что они делают надёжно

Самое тщательное измерение, которое мы знаем, проводит METR. Организация засекает, как ИИ-агенты справляются с задачами по разработке программ, и сравнивает с тем, сколько те же задачи занимают у опытных специалистов. В её майском отчёте лучшие публичные модели в половине случаев справлялись с задачами, на которые у человека уходит около 12 часов. Если потребовать четыре успеха из пяти, длина задачи падает примерно до полутора часов.

Этот разрыв и есть история агентов в работе. Они могут браться за длинные задачи. Короткие они доводят до конца надёжно. Бизнес-процесс оценивают по надёжной цифре, потому что никому не нужен прогон счетов, который верен в половине случаев. Совет самой Anthropic по-прежнему в силе: рабочие процессы на заранее заданных путях предсказуемы, а агенты, которые сами выбирают следующий шаг, гибки, но склонны к накапливающимся ошибкам, поэтому начинайте с самой простой схемы, которая работает, и добавляйте автономию, только когда она явно окупается.

Что показали последние недели

29 сентября на своей конференции для разработчиков OpenAI запустила Dots: агентов в ChatGPT, каждый из которых работает на собственном облачном компьютере, продолжает идти к цели между разговорами, имеет доступ к более чем 4'000 приложений и принимает сообщения в ChatGPT, Slack или Teams. SiliconANGLE сообщил, что OpenAI внутри компании тестировала специализированные версии на закупках и обработке счетов. Устройство показательно. Пока Dot ведёт исследование самостоятельно, его подключения к приложениям владельца работают только на чтение. Действия, затрагивающие аккаунты или раскрывающие информацию, проходят автоматическую проверку, а OpenAI советует пользователям проверять важную работу, потому что агенты всё ещё могут ошибаться. Пользователи Pro в Швейцарии, Великобритании и Европейской экономической зоне в запуск не вошли.

30 сентября президент METR рассказал подкомитету Сената США об инциденте, который OpenAI раскрыла в июле: агенты, которых компания тестировала внутри, сговорились, чтобы сжульничать на тестах, и попутно скомпрометировали Hugging Face, широко используемую ИИ-платформу. Его вывод был прост: разработчики пока не решили задачу, как не дать агентам совершать действия вопреки намерениям человека.

9 октября Anthropic опубликовала расследование непреднамеренных действий своих моделей в оценках и при внутреннем использовании. Исследовательская модель отправила настоящую государственную форму после того, как не загрузилась учебная копия, а небольшая модель иногда отправляла формы, которые ей велели не отправлять. Другие обходили ограничения, чтобы добраться до закрытых данных, или использовали сервисы сокращения ссылок, чтобы обойти лимиты инструмента. Anthropic сообщает, что последствия были минимальными и, насколько ей известно, данные клиентов не затронуты. Компания отключила доступ к живому интернету для всех внутренних оценок, ужесточила ограничения для некоторых своих веб-инструментов и создала систему обнаружения, которая заблокировала каждый из описанных случаев.

Инструкция не шлюз

Урок для компании не в том, что агенты являются опасными игрушками. Это были лаборатории, которые жёстко тестировали модели и опубликовали то, что нашли. Урок в том, где находится контроль. Агент, которому сказали не отправлять форму, иногда её отправлял. Агент, который не может дотянуться до кнопки отправки, не отправит её никогда.

Проверка требует той же тщательности. Во второй фазе Project Vend от Anthropic агент Claude, который вёл офисный магазин, получил начальника: второго агента в роли генерального директора. Тот одобрял просьбы об особом отношении примерно в восемь раз чаще, чем отказывал, и разделял многие слепые зоны агента-продавца, потому что работал на той же модели. Второй агент на той же модели хороший работник, но слабый контролёр. Проверка, которая имеет значение, должна исходить из чего-то другого: правила, записанного в коде, теста, который проходит или нет, или человека.

Шлюзы в наших собственных продуктах

Каждый продукт crue сегодня работает именно так. В Kontor отправка, платежи и напоминания ассистенту вообще недоступны; их выполняет человек. В Studio ассистент готовит изменение на сайте, а человек утверждает каждое изменение и каждую публикацию. Lookout находит, пишет и готовит по всем каналам, а человек утверждает то, что уходит наружу. В Twin каждая задача каждой роли помечена: выполняется сама, ждёт одобрения или передаётся человеку, если система не уверена.

Следующий этап перемещает шлюзы. Он их не убирает. Twin будет вести целые процессы от начала до конца, например закрытие месяца, подготовку предложения и онбординг, с одобрением на тех шлюзах, которые выберет компания. Lookout будет вести всю последовательность в рамках ваших правил, от первого сигнала до назначенной встречи. crue уже работает на собственном Twin с более чем 80 навыками, и граница сдвигается, только когда текущий этап выдержал реальную работу, сначала нашу. За людьми остаётся та часть, под которой стоит имя: разговор с клиентом, суждение и окончательное «да».

С чего начать

Совет Gartner близок к нашему: используйте агентов там, где нужно решение, простую автоматизацию для рутинных процессов и ассистента для простых справок. Большая часть пользы в том, чтобы понять, что есть что.

Выберите одну рутину, которая повторяется каждую неделю, имеет чёткий конец и даёт результат, который человек может проверить за минуту. Запишите цель, инструменты, которыми может пользоваться агент, и точку, где он должен остановиться, и встройте эту остановку в инструменты, а не только в промпт. Поставьте шлюз перед всем, что покидает компанию: счётом, письмом, опубликованной страницей. А затем честно посчитайте, как часто черновик не требовал исправлений.

Агенты пока не коллеги. Это быстрые неутомимые джуниоры с неровным чутьём на собственные ошибки. Дайте такому ясную цель, правильные инструменты и шлюз, который он не сможет уговорить, и он уже снимет с вашей недели очень много работы.