ИИ-агенты — не для всех: почему бизнесу рано перестраиваться

Введение

Концепция ИИ-агентов — автономных систем, способных принимать решения без участия человека, — сегодня на пике моды. На международном рынке уже есть громкие кейсы: одни компании планируют ассортимент с помощью ИИ, другие генерируют изображения или борются с подделками. Однако по моим наблюдениям, за этим фасадом технологических лидеров скрывается важная реальность: для подавляющего большинства компаний, включая крупный российский бизнес, ИИ-агенты остаются уделом будущего — и не ближайшего.

Причина не в консерватизме бизнеса, а в структурных ограничениях: масштабах, уровне цифровой зрелости, ИТ-инфраструктуре и кадровом потенциале. Когда эти факторы не выстроены, разговор об ИИ-агентах превращается в выдавание желаемого за действительное.

От автоматизации к агентности: два разных уровня зрелости

В работе с клиентами я вижу, что многие российские компании уже используют зрелые автоматизированные системы — 1С:ERP, различные CRM-платформы, СБИС, Мегаплан. Они хорошо справляются с учетом, CRM, документооборотом и управлением проектами. Но это системы на правилах, а не на рассуждениях.

ИИ-агент — это уже другой уровень. Он должен понимать цель, например «увеличить LTV клиента», интерпретировать неструктурированные данные из писем, звонков и отзывов, взаимодействовать с разными системами и предлагать варианты решений, а затем реализовывать их в рамках бизнес-процессов. Это требует совсем другой глубины интеграции и качества данных.

Осенью 2025 года на рынке появились обновления крупных платформ со встроенными ИИ-ассистентами: они берут на себя ответы в чатах, подготовку отчетов, генерацию задач из писем. Это важный шаг, который делает ИИ ближе к массовому бизнесу, но по сути речь идет об ассистентах внутри одной системы, а не об автономных агентах, принимающих стратегические решения на уровне компании. В своей практике я рассматриваю такие инструменты как эволюцию существующей автоматизации, а не революцию.

Российская реальность: «островки данных» и дефицит экспертизы

Если смотреть на ситуацию трезво, у большинства компаний в России данные до сих пор живут «островками». 1С используется как ядро учета, отдельные CRM-платформы обслуживают продажи и маркетинг, другие системы — склад и логистику. Между собой они часто связаны слабо или не связаны вовсе. В итоге информация о продажах, запасах, финансах и клиентах существует в разных контурах, а не в едином data-пространстве.

По данным публичных исследований, которые я анализирую в работе, значительная часть компаний не планирует внедрять полноценные ИИ-агенты в ближайшие 2–3 года. Причины называют очень похожие: нет внятной ROI-модели, не хватает специалистов, высоки риски кибербезопасности и потери контроля, а санкционные ограничения усложняют использование облачных ИИ-платформ. При этом доля компаний с реально интегрированными данными, достаточными для работы межсистемных ИИ-агентов, по оценкам рынку, не превышает нескольких процентов.

Из общения с заказчиками и ИТ-директорами я делаю один и тот же вывод: многие компании находятся на стадии цифровизации процессов, а не интеллектуализации бизнеса. Переход к ИИ-агентам в такой ситуации потребует не косметического апгрейда, а полной перестройки ИТ-ландшафта и подходов к данным.

Финансовый и кадровый барьер: цена автономности

Отдельный пласт вопросов — экономика и кадры. Внедрение полноценного ИИ-агента — это не модуль, который можно «докупить» к CRM. На международной практике подобные проекты — это год и больше разработки с бюджетом от 300 тысяч долларов, команда из MLOps-инженеров, специалистов по LLM и системных архитекторов, а также серьезная перестройка бизнес-процессов под новые логики принятия решений.

Для сравнения: поддержка типовой конфигурации 1С в крупной компании обычно оценивается в 5–10 млн рублей в год. Проект по внедрению ИИ-агента, способного реально влиять на бизнес-показатели, обходится минимум в 5–10 раз дороже и требует качественно иных компетенций. По оценкам открытых аналитических отчетов, специалистов с опытом проектирования многошаговых агентных систем в промышленных масштабах в России — единицы, их число измеряется сотнями, а не тысячами. В своей практике я ощущаю это очень остро: спрос на таких экспертов значительно превышает предложение.

Что делать бизнесу: поэтапный путь, а не рывок

Из этого вовсе не следует, что бизнесу стоит игнорировать тему ИИ-агентов. Но, на мой взгляд, стратегия должна быть прагматичной и поэтапной.

Сначала имеет смысл довести до конца цифровизацию: наладить интеграцию 1С, CRM и складских систем, выстроить единое пространство данных, а не набор несвязанных сервисов. Уже на этом этапе можно получать заметный эффект от аналитики и обычной автоматизации.

Следующий шаг — использование встроенных ИИ-ассистентов в тех платформах, которые уже используются. Они хорошо закрывают рутину: помогают отвечать на типовые запросы, разбирать входящие письма, формировать черновики отчетов. Это позволяет разгрузить сотрудников и одновременно собрать собственный опыт работы с ИИ в контролируемых сценариях.

Дальше имеет смысл запускать пилотные проекты с более сложными агентами, но в изолированных процессах: например, в службе поддержки или при анализе отзывов. Такие пилоты безопаснее, дают реальную статистику по эффекту и помогают выстроить внутреннюю экспертизу.

Параллельно, на мой взгляд, стоит инвестировать в кадры: работать с вузами, запускать внутренние академии по ИИ, растить специалистов из текущих сотрудников. Без этого зависимость от внешних подрядчиков будет слишком высокой, а качество решений — непредсказуемым.

Вывод: движение есть, но скорость должна быть вашей

Обновления платформ с ИИ-ассистентами, которые мы видели в 2025 году, — важный сигнал: рынок действительно движется в сторону агентных технологий. Но этот путь не одномоментный и точно не одинаковый для всех.

Для технологических лидеров, у которых уже есть интегрированные данные, сильные ИТ-команды и бюджеты на эксперименты, ИИ-агенты становятся реальностью уже сейчас. Для большинства компаний это, по моим оценкам, горизонт 2027–2030 годов, при условии системной подготовки.

Скепсис по отношению к ИИ-агентам я считаю признаком зрелости, а не отсталости. Технологии работают только тогда, когда бизнес готов к их внедрению организационно, технологически и культурно.

Свой чек-лист готовности к ИИ-агентам я формулирую так: интегрированы ключевые системы (как минимум 1С и CRM) в общее data-пространство; просчитана модель окупаемости внедрения; внутри команды есть хотя бы несколько специалистов, понимающих, как устроены современные ИИ-инструменты и связанные с ними риски. Если этих условий нет, риск провала проекта, по моим оценкам, приближается к 80%.

Инвестировать в данные — обязательно. Строить репутацию и доверие клиентов — критично. А вот бросаться в погоню за модными ИИ-агентами без фундамента, на мой взгляд, означает рисковать ресурсами без реальной гарантии результата.