Эра агентов: как самообучающиеся «черные ящики» меняют правила игры

Всего два года назад российский корпоративный мир научился внедрять «гибридные» ИИ-инструменты — чат-боты для поддержки клиентов, генеративные модели для создания текстов, нейронки для анализа данных. Сегодня эти решения стремительно устаревают, уступая место принципиально новому подходу — автономным ИИ-агентам.

Эпохальность события можно себе представить, если вспомнить пейджеры, которые на заре эры сотовой связи намекали на свободу перемещений независимо от стационарной телефонной связи. При этом они требовали присутствие коммутатора, который передавал в одностороннем порядке сообщение. Схожим образом видятся ИИ-инструменты ранних 20-х, решающих только узкую задачу под пристальным контролем человека.

С тех пор автономность ИИ-систем дошла до новых горизонтов: теперь это принципиально новые системы, способные самостоятельно ставить цели, планировать действия, обучаться на ходу и выполнять комплексные бизнес-процессы с минимальным контролем со стороны человека.

Смена парадигмы: от инструмента к коллеге

Гибридные ИИ-решения были промежуточным звеном. Они требовали от пользователя умения точно формулировать запросы, понимать архитектуру модели, выстраивать сложные цепочки промптов, даже уличать в обмане и наказывать. Новые агенты — это автономные исполнители. Если вы ставите задачу оптимизировать логистику цепочки поставок, система сама разбивает ее на подзадачи, ищет данные, тестирует гипотезы, реализует сценарии. Есть одно «но»: вы должны дать ей доступ к структурированным данным и позволить их обработать, а далее согласиться на то, что система начнет автономно предпринимать действия.

Если вы готовы рисковать уязвимостью через доступ к данным и правильно донесете стиль работы вашей компании до ИИ-агента (tone-of-voice), то это кардинально изменит баланс сил внутри организаций.

Для топ-менеджеров, особенно поколения 45+, не погруженных в технические детали, «черный ящик» может оказаться сложнее прежних прозрачных инструментов. Ослабить бразды правления для них будет сложнее, чем ручное управление. Однако здесь поможет обучение ИИ-культуре. Дело в том, что обычно ответственность смещается с конечного пользователя на разработчиков платформы и технологов, формулирующих техническое задание. Так менеджеры остаются вне зоны риска. Парадоксально, но для молодых специалистов, выросших в мире интерфейсов «без инструкций», взаимодействие с агентом через естественный язык часто интуитивно понятнее.

Однако они могут и не догадываться… Но их должности могут быть вскоре упразднены. Рутинные задачи прекрасно осуществляются ИИ-агентами, забирая возможность работать и набирать опыт у молодых специалистов. Но как тогда растить будущих экспертов? Где им брать навыки и компетенции для карьерного развития и принятия решений?

Опыт лидеров показывает возможные пути. Сингапур с 2023 года внедряет в бизнес-школах и госпрограммах форсайт-симуляторы на базе мультиагентных ИИ-сред. Студенты управляют не компаниями, а командами ИИ-агентов, решая сверхсложные стратегические кейсы, учатся ставить им ТЗ, оценивать и корректировать их работу.

В США на базе Гарвардской школы бизнеса и в университете Стенфорд набирает популярность модель «обратного наставничества»: молодые специалисты, быстро осваивающие агентов, обучают руководителей пользоваться инновациями, а взамен получают доступ к разбору реальных стратегических дилемм и участию в принятии решений на самом высоком уровне. Акцент смещается с операционного контроля на критическое мышление, а также вопросы этики применения ИИ и управления экосистемами автономных систем.

Российский разрыв и возможные трамплины

По данным аналитического отчета Сколково, если в Китае и США ИИ-агенты уже закрывают до 61% рутинных управленческих и аналитических задач в малом и среднем бизнесе (от финансового планирования до HR-скрининга), то в России этот показатель не превышает 8% (всего порядка 40% бизнеса делает попытки перехода на ИИ). Основные барьеры — недоверие к «черному ящику», недостаток готовых отечественных платформ и недостаток обученных кадров в области ИИ.

Однако отставание может стать и преимуществом: мы можем учиться на чужих ошибках. Так, Китай ввел систему цифровых следов и обязательный аудит цепочки решений агента. В Европейском Союзе и США развивается страхование ИИ-рисков, появилась профессия ИИ-омбудсмена в компаниях. Россия, двигаясь вторым эшелоном, может сразу закладывать эти стандарты, избегая дорогостоящих ошибок.

Отечественные решения: между импортозамещением и инновациями

На рынке России уже есть заметные российские разработки. ВЭБ.РФ анонсировал пилот промышленного агента для управления региональными инвестиционными проектами, способного координировать данные от подрядчиков, регуляторов и банков. Некоторые стартапы тестируют агентов для среднего бизнеса с акцентом на интерпретируемость решений, где пользователь может запросить логику действия системы. Федеральная ИИ-аналитическая платформа Стратагония имеет полностью прозрачный механизм, который при первом же обращении к разработчикам охотно раскрывается, дабы снять опасения.

В целом, можно уже согласиться с экспертами, что волна гибридных ИИ-инструментов уже прошла. Но волну автономных агентов нельзя игнорировать. Этот тренд не будет проходным, а закрепится в качестве реализации Индустрии 4.0.

Ключевой вопрос — сможем ли мы не только поддерживать темп развития, но и создать свою экосистему, которая превратит отставание в конкурентное преимущество, а новое поколение цифровых специалистов — в эффективных руководителей ИИ. Пока же, как отмечают в Сколково, большинство российских топ-менеджеров все еще смотрят на агентов как на «пейджеры будущего» — с любопытством, но без срочности. Время на раскачку стремительно тает.