Первый: AI-агенты переходят от советов к реальным действиям внутри бизнес-процессов.
Google Cloud 8 октября представил нового Gemini agent. Логика уже не в том, чтобы просто ответить на вопрос сотрудника: агент получает цель, сам планирует работу, использует инструменты, подключается к корпоративным системам и возвращает готовый результат. В кейсе бразильского банка Bradesco автоматизация финансового анализа сократила проверку документов с часа до пяти минут, количество рисковых несоответствий снизилось на 60%, а финансовая эффективность выросла более чем на 10%.
Еще показательнее то, что происходит непосредственно внутри финансовых систем. Zone & Co на этой неделе представила больше десяти специализированных агентов для NetSuite: кредиторка, платежи, закрытие периода. И главное, эти агенты уже могут не только анализировать данные, но и совершать разрешенные действия непосредственно в ERP.
Fuelfinance идет примерно в ту же сторону: у них уже библиотека из 35+ финансовых агентов, которые можно объединять в цепочки: закрытие периода, казначейство, анализ, отчетность, контроль данных. Отдельные агенты проверяют полноту данных, фиксируют решения, контролируют права доступа, а оркестратор останавливает процесс при критической ошибке.
AI постепенно перестает быть просто помощником сотрудника и становится отдельным исполнителем внутри процесса.
В решениях, которые сейчас выходят на рынок, повторяется одна логика: ограниченные права, единый источник данных, журнал действий, согласование критических операций, контроль доступа, возможность остановить процесс и человек там, где требуется решение или возникает исключение.
Причина вполне экономическая.
По данным свежего исследования Datarails среди финансовых руководителей, в среднем 26% рабочего времени уходит на проверку и исправление результатов AI. При этом только 5% опрошенных готовы доверить AI подготовку отчетности для совета директоров без дополнительной проверки человеком.
Если четверть времени сотрудника уходит на контроль AI, сама по себе автоматизация еще не означает экономию.
Поэтому сейчас для бизнеса недостаточно просто считать, сколько операций можно передать AI. Нужно считать всю экономику процесса: сколько времени агент действительно экономит, сколько уходит на проверку, сколько ошибок он создает, какие решения можно автоматизировать полностью, а где человек должен оставаться обязательной частью процесса.
Главный сдвиг, который я вижу: бизнес постепенно переходит от вопроса «где внедрить AI?» к вопросу «как правильно встроить AI в процесс и управлять его полномочиями».