Вышло неплохое исследование ИИ-агентов от "Яков и Партнёры" (ex. McKinsey), которое даёт четкое определение тому, что же всё-таки считать ИИ-агентом, а что - дорогостоящим чат-ботом с красивым названием.
🔥 Главный парадокс: внедрение ≠ прибыль
• 88% компаний используют ИИ хотя бы в одной из функций, но положительный эффект на прибыль заявляют лишь 6%.
• В России картина похожая: 71% применяют генеративный ИИ, но положительного эффекта более 5% достигли лишь 9% компаний.
• Причина тому - "каскад затухания". В лабораторных условиях на уровне отдельных задач ИИ ускоряет работу на 56%, но в реальных проектах темпы, наоборот, падают на 19%. Чем шире масштабируется решение внутри предприятия, тем медленнее растет эффективность. В целом логично и соотносится с любой кривой убывающей полезности.
• Уповать на ускорение одной функции в общем процессе бесполезно, технология не будет эффективно работать без перестройки всего конвейера.
🧠 Что такое ИИ-агент на самом деле?
Наконец кто-то предложил внятные критерии! Авторы предлагают 6 признаков, по которым мы можем отличить агента от ассистента:
• Агентный цикл (планирование → действие → наблюдение → коррекция)
• Планирование (самостоятельно декомпозирует цель на шаги)
• Работа с инструментами (API, браузер, написание кода)
• Самокоррекция (исправляет ошибки без человека)
• Память между сессиями
• Автономное завершение всего процесса при достижении поставленной цели
🌍 Мировой рынок: 39% - агенты, остальное - маркетинг
Из 18 продуктов, лидирующих на рынке, критериям соответствуют только 7: Claude Code, Devin, Codex, Operator, Cursor, Harvey и Manus. Оставшиеся 11 - это ассистенты с красивой этикеткой.
Тут стоит отметить, что в терминологии "Яков и Партнёры" агент - это более продвинутая сущность, чем ассистент. Классификация в западных исследованиях часто отличается.
💡3 практических вывода для руководителей
• Знать, что покупаете:
Агент и ассистент - это разные классы решений с разной ценой и потенциалом. Не дайте себя обмануть маркетингом.
• Тестировать на одном повторяющемся сценарии, а не на целой функции:
Не «обработка клиентов», а «обработка возвратов на первой линии». Сценарий должен состоять из 3-7 шагов, иметь измеримую метрику и ответственного из бизнеса (не из IT!).
• Честно считать эффект - и не бояться остановиться.
95% пилотов не окупаются в первые полгода - это нормально. Если через 90 дней нет прогресса, возможно, дело не в технологии, а в данных или процессах. Приостановка пилота - тоже результат.
📌 Где агенты НЕ нужны?
Ответьте честно на 5 вопросов:
• Процесс не повторяемый?
• Нет чётких критериев успеха?
• Все ли данные оцифрованы?
• Цена ошибки высока?
• Нельзя работать без проверки каждого шага?
Если «да» на 3+ — внедрять агента рано. Сначала автоматизируйте рутину простыми способами.
В общем, хорошее чтение для тех, кто хочет предметно разобраться в теме и выделить прикладные критерии для работы.