ИИ-агенты как тест на зрелость: добавить ИИ в существующие процессы недостаточно

ИИ в компаниях потихоньку выходит из стадии экспериментирования. Но между использованием отдельных ИИ-инструментов и появлением автономных агентов внутри бизнес-процессов остается существенная дистанция.

В августе 2026 года «Технологии Доверия» выпустили исследование «ИИ-агенты: текущие реалии и перспективы в российском бизнесе». Один из ключевых сюжетов материала — переход от ИИ как помощника к ИИ-агентам, способным самостоятельно выполнять последовательность действий для достижения заданного результата.

Если посмотреть на это с позиции развития бизнес-систем, возникает более широкий вопрос: насколько сами компании готовы к появлению нового участника процесса?

ИИ уже используется, но произошла ли трансформация процессов?

По данным, приведенным в исследовании, 86% российских компаний используют ИИ в профессиональной деятельности. Среди распространенных сценариев — поиск информации, генерация и обработка текстов, создание изображений, анализ данных и прогнозирование.

Этот показатель отражает границу текущего этапа. Во многих случаях ИИ встраивается в уже существующую работу как дополнительный инструмент, базовая логика самого процесса при этом не меняется.

ИИ-агент предполагает другую модель. Под агентом понимается система, которая способна планировать последовательность действий, действовать по плану, взаимодействовать с другими системами и средой и частично самостоятельно принимать решения.

В чем здесь принципиальная разница? 

Автоматизировать отдельную операцию можно внутри практически неизменного процесса. Передать агенту существенную часть процесса значительно сложнее. Для этого необходимо заранее определить:

• какой результат должен получить агент;
• какие решения он может принимать самостоятельно;
• какими данными и системами пользоваться;
• где проходят границы его полномочий;
• в каких ситуациях требуется вмешательство человека;
• по каким показателям оценивается результат;
• кто несет ответственность за отклонения и ошибки.

То есть следующий этап внедрения ИИ — это уже вопрос проектирования бизнес-системы.

ИИ-агент обнажает то, что раньше компенсировал человек

В обычном процессе значительную часть его несовершенства компенсируют сотрудники.

Человек может уточнить неоднозначную формулировку, вспомнить незафиксированное правило, найти нужного коллегу, самостоятельно определить приоритет, свериться с контекстом и принять решение в ситуации, которая нигде формально не описана.

Чем автономнее становится ИИ, тем меньше организация может рассчитывать на такую неформальную компенсацию.

Именно поэтому среди барьеров развития ИИ-агентов в исследовании появляются темы, хорошо знакомые специалистам по развитию бизнес-систем: качество описания процессов, качество данных, информационная безопасность, готовность сотрудников и руководителей, инфраструктурные ограничения.

Также с ростом автономности ИИ повышаются требования к Data Governance: происхождению данных, единым определениям, контексту, актуальности информации и метаданным. Причина понятна: агент принимает решения на основании той информации, к которой имеет доступ.

Таким образом, неопределенность, которую человек способен интерпретировать, для автономной системы должна быть превращена в правила, ограничения или сценарии эскалации. И в этом смысле внедрение ИИ-агентов становится своеобразным стресс-тестом зрелости бизнес-системы.

Меняется не только исполнитель. Меняется работа руководителя

По данным исследования, только 13% представителей российского бизнеса готовы полностью отказаться от контроля над действиями ИИ-агентов. Это понятно: чем больше автономности получает агент, тем важнее определить границы его действий и ответственность за результат.

При этом привычная модель управления, где руководитель ставит конкретную задачу и контролирует ход ее выполнения, постепенно становится менее применимой.

Если часть работы выполняет ИИ-агент, руководителю важнее не контролировать каждый шаг, а задать рамки работы: определить ожидаемый результат, правила и ограничения, зоны ответственности, критерии качества и ситуации, в которых необходимо вмешательство человека.

Фактически речь идет о переходе от управления отдельными исполнителями к управлению их взаимодействием — между сотрудниками, ИИ-агентами и информационными системами.

Здесь придется искать баланс. Если контролировать каждое действие агента, эффект от его автономности будет ограничен. Если, наоборот, дать ему свободу без четких правил, метрик и контрольных точек, появятся новые риски.

Поэтому доверие к ИИ — это во многом вопрос того, насколько качественно в компании выстроена система управления.

Почему отдельные проекты еще не складываются в систему

По данным исследования, 53% компаний планируют направлять на проекты, связанные с ИИ, не более 3% общего инвестиционного бюджета. Но вопрос не только в объеме инвестиций. Успешный пилот еще не означает, что решение готово стать частью бизнес-системы.

Пилот обычно показывает, может ли технология решить конкретную задачу. При масштабировании на передний план выходят другие вопросы: кто становится владельцем решения, как оно встраивается в сквозной процесс, откуда получает данные, с какими системами интегрируется, кто отвечает за качество и безопасность, как измеряется бизнес-эффект.

То есть для перехода от отдельных экспериментов к системному применению нужен общий контур — технологический, информационный и управленческий. Без него каждый новый пилот остается локальным решением. С ним появляется возможностьне просто запускать отдельные ИИ-инструменты, а последовательно встраивать ИИ-инструменты в работу компании.

Автономность требует другого подхода к контролю

Риски информационной безопасности остаются одним из заметных барьеров для внедрения ИИ: в исследовании их называют 28% респондентов.

Но при работе с ИИ-агентами вопрос контроля шире, чем ИБ.

Если агент может самостоятельно выполнять цепочку действий, компании важно понимать, в каких границах он может действовать: к каким данным имеет доступ, какие решения принимает сам, что может менять в корпоративных системах и в каких случаях обязан передать задачу человеку.

Меняется и сама логика контроля. В традиционной модели он во многом строится вокруг полномочий конкретного сотрудника. В случае с ИИ-агентами объектом контроля становится уже вся связка: человек — агент — процесс — данные — информационные системы.

Поэтому рост автономности не означает, что контроля должно становиться меньше. Скорее, он должен становиться другим: меньше ручного наблюдения за каждой операцией и больше заранее заданных правил, ограничений, прозрачности действий и мониторинга отклонений.

Зрелость ИИ определяется не количеством инструментов

Основными ограничителями следующего этапа внедрения становятся не только возможности самих моделей.

На первый план выходят качество данных, архитектура процессов, готовность руководителей к новой модели управления, информационная безопасность, инвестиции в инфраструктуру и способность компании масштабировать решения за пределы отдельных экспериментов.

Пока ИИ остается инструментом отдельного сотрудника, компания может внедрять его локально, практически не меняя остальную организацию. Чем большую автономность получает ИИ, тем труднее отделить технологию от системы, в которой она работает.

Чтобы передать агенту процесс, нужно сначала понимать сам процесс.
Чтобы делегировать решение — определить границы ответственности.
Чтобы отказаться от постоянного человеческого контроля — построить другой механизм контроля.
Чтобы масштабировать пилоты — создать общую архитектуру.
Чтобы доверять решениям — обеспечить качество данных и прозрачность правил.

Поэтому зрелость компании в работе с ИИ, вероятно, будет все меньше определяться количеством внедренных инструментов. И все больше — тем,  насколько бизнес-система готова к тому, что часть работы внутри нее будет выполнять не человек.