🧠 ИИ автоматизация: ожидания и реальность.

В последнее время много стало появляться сообщений с полей агентной автоматизации, в которых упоминаются несбывшиеся ожидания.

Например, в исследовании Gartner от 25 июня 2025 года, более 40% проектов с agentic AI будут отменены к концу 2027 года. Из тысяч вендоров только около 130 действительно предлагают настоящие агентные решения, остальные лишь используют термин в маркетинге.

Причины могут быть разные - от высокой стоимости инфраструктуры до сложностей с интеграциями с текущим IT ландшафтом.

Независимо от причин, хайп вокруг ИИ агентов, не должен быть причиной «войти на всю котлету» или «ворваться с ноги» в ИИ автоматизацию (если вы не Сбер конечно).

И я не про постепенное планомерное внедрение со сбором ОС и метрик, я как раз за такой подход. Я больше про «вот сейчас я построю свою платформу, с блэкджеком и агентками, и они будут все за меня делать». Так не работает. Ну или работает, но не на том этапе, на котором вы предполагаете.

Приведу локальный пример, далекий от настоящего бизнеса, но как мне кажется хорошо иллюстрирующий эффект «ожидания/реальность».

🧘Ожидание.

Некоторое время назад у меня сформировалось ожидание - вот сейчас возьму себе Mac Studio, поставлю себе локальные модели, n8n, и автоматизирую некоторые свои задачи по SMM-аналитике, исследованиям и расширению количество платформ для повышения охватов.

🥶Реальность.

Затрачено время на установку, настройку инфраструктуры, замена провайдера, роутера. Настройки туннелей, проксирования, VNC, и прочего заняло больше времени, чем я ожидал.

Мощность Mac Studio и скорость работы моделей далека от ожидаемых, но качество 24b+ моделей, оказались выше моих ожиданий.

N8N - крутая платформа, ничего не скажешь. Но по пути у меня отвалился Telepilot. Пришлось вайб-кодить альтернативу, но уже не как ноду, а как микросервис.

N8N и правда умеет работать с векторными БД, но кейс, когда мне нужно понять если ли дубликаты в БД, на N8N сильно усложнил workflow, и был недостаточно гибок. В итоге я завайбкодил еще один микросервис, и упразднил часть работы с Qdrant до одной ноды http request.

Как видите, совсем без кода не получается. Благо сейчас есть вайб-код, написание микросервисов занимает 2-3 часа, вместо 2-3 дней.

Ну и не хочу раздувать пост еще и проблемами с API интеграциями с внешними сервисами, но поверьте их в процессе возникает тоже ни мало. А еще работа над промптами. И так далее.

✍️ Резюме.

Это мой личный локальный пример, личный опыт, и как мне кажется субъективно иллюстрирует то, что происходит с компаниями в исследовании Gartner.

Откажусь ли я из-за этого от своей затеи с домашним сервером, локальными моделями и автоматизацией моих задач? Конечно нет. Но я уже смотрю на историю агентской автоматизации чуть более реалистично, без завышенных ожиданий.

К тому же Gartner прогнозирует, что к 2028 году 15% рабочих решений будут приниматься агентами, а 33% корпоративного ПО включат агентский ИИ.

🎚️ @vibe_coding_channel
🎚️ @vibe_coding_community