🤖 Ассистент, агент, команда: почему корпоративный ИИ буксует не из-за модели

Многие компании уже запустили корпоративный чат на топовой модели. А эффекта – нет. И причина почти всегда не в модели.
Автономность сама по себе не повышает качество ответа. Она повышает цену ошибки – если процесс, данные и права к ней не готовы.

Отсюда простое правило: начинать не с выбора большой языковой модели (LLM), а с классификации кейса. Уровней всего три ⬇️

1️⃣ Ассистент – ускоряет человека
Отвечает, обобщает и резюмирует, пишет черновик. Инициатива и ответственность – у сотрудника. Быстро внедряется, даёт понятный прирост. Klarna так закрыла 2/3 чатов поддержки (~700 операторов), Copilot ускорил разработчиков на 55%. Но процесс он не меняет – только разгоняет.

2️⃣ Агент – выполняет шаг процесса
Сам собирает контекст, вызывает инструменты, готовит действие и останавливается там, где нужно финальное утверждение человеком. У Lemonade 55% страховых претензий проходят полный цикл без участия оператора, в Хитроу агент решает 90% запросов пассажиров. Ценность выше – но нужны доступы, память, аудит и владелец процесса.

3️⃣ Люди + агенты – меняют процесс
Не «супербот», а управляемая команда: кто-то ищет, кто-то планирует, кто-то проверяет, человек оставляет за собой суждение. Commonwealth Bank так срезал потери от скама на более чем 20%.

📊 Реальность отрезвляет: Gartner прогнозирует, что более 40% проектов, использующих ИИ-агентов, свернут к 2027 году – из-за роста затрат и недооценённых рисков. А из тысяч «поставщиков агентов» настоящими оказались ~130.

Главный вопрос корпоративного ИИ сегодня – не «какую модель купить», а «какой процесс готов к контролируемой автономности». Именно там ИИ перестаёт быть демо.

К 2028 г. Gartner прогнозирует 15% рабочих решений на автономных агентах. Вопрос – чьи процессы окажутся готовы. 🚀

🔗 Подробнее – в статье по ссылке

#иинапальцах

🤖 Агентный ИИ буксует не из-за модели, а из-за трех нерешенных управленческих вопросов

По данным Bain, 80% пилотов генеративного ИИ технически работают: модель отвечает, документы находятся, сводка готова. Но только 23% компаний связывают их с измеримым эффектом в деньгах. Разрыв между этими показателями и есть главная проблема – и она не про качество модели, а про автономность.

Но❗️ Автономность не делает ответы лучше. Она делает ошибки дороже: агент поддержки с целью «быстрее закрывать обращения» находит кратчайший путь к метрике – раздает компенсации без лимита. Метрика зеленеет, а через квартал финансы видят рост выплат.

➡️В реальном процессе автономность необходимо проектировать. Поэтому начинать нужно не с выбора модели, а с трех управленческих решений ⬇️

1️⃣ Полномочия – что агент делает сам

Простая матрица на одну страницу: что ИИ делает сам, что только предлагает человеку, что требует согласования. На примере клиентской претензии: агент сам собирает историю и готовит черновик, предлагает вариант компенсации с обоснованием, но сама выплата – только после подтверждения сотрудника. Если такую матрицу нельзя собрать за одну сессию с юристом и безопасником – вы обнаружили не бюрократию, а нерешенный вопрос ответственности.

2️⃣ Контроль – где стоит человек

Чем выше цена ошибки, тем раньше в процессе точка подтверждения. Универсального уровня автономности нет: 1% ошибок терпим в черновике письма и недопустим в медицине, финансах, юридическом процессе или в коде (Palantir). Один и тот же агент может иметь разные права в разных областях бизнеса: в одном контуре он самостоятельно готовит аналитическую справку, в другом — только предлагает действие, в третьем — не двигается дальше без подтверждения человека. Это способ согласовать скорость с ответственностью.

3️⃣ Ответственность – кто владелец

У каждого агента, который совершает или готовит действие, должен быть владелец процесса – руководитель, отвечающий за результат, границы применения и разбор инцидентов. Без него агент в серой зоне: уже влияет на процесс, но никому не принадлежит.

ℹ️ Рынок уже движется к агентам, но осторожно. По данным Forrester, агентный ИИ внедряют 75% компаний – но больше половины признают пробелы в управлении даже при наличии формальных рамок. И на практике никто не спешит с автономией: 69% используют одиночного агента и лишь 16% – несколько скоординированных (Stack Overflow). В презентациях рынок живет в мире сложных многоагентных систем, а в проде выбирает простой и контролируемый режим – им проще управлять с точки зрения риска и ответственности.

🔖 Показателен и масштаб зрелых игроков: у Microsoft под управлением более 500 000 ИИ-агентов, через ИИ-поддержку Cisco прошло больше миллиона обращений (Bain). Вывод один: таким масштабом невозможно управлять набором промптов и энтузиазмом проектной команды – за ним всегда стоит дисциплина прав, ролей, наблюдаемости и владельцев процессов.

❓Главный вопрос корпоративного ИИ сегодня – не «какую модель купить», а «какой процесс готов к контролируемой автономности». Именно там ИИ перестает быть демо и начинает приносить деньги. 🚀

🔗 Читать статью полностью

#иинапальцах

⚖️ Госдума приняла закон об ИИ. Теперь главное – прочитать его правильно

📌 8 июля Госдума приняла первый в истории страны базовый закон об искусственном интеллекте. С 1 сентября 2026 года в российском праве появятся категории «суверенной» и «национальной» модели, требование хранить данные внутри страны и меры поддержки для отечественных разработок.

📖 Читать это стоит не как финал, а как начало: в российской правовой традиции норма обретает реальную силу в порядке ее применения.

Многое намеренно оставлено рамочным – критерии статусов, реестры, уровни риска уехали в подзаконные акты. Это не недоработка, а пространство, где бизнес может участвовать в настройке правил. И место в этом диалоге разумно занимать заранее.

❗️Но за юридической рамкой – вопрос глубже: зачем вообще суверенитет в ИИ. Языковая модель – не калькулятор, а носитель картины мира, и она незаметно сдвигает взгляды тех, кто с ней работает. Суверенитет компании – это знание, на чьих слоях стоит ее ИИ.

Слои суверенитета: честная карта⬇️

1️⃣ Вычисления – где мы отстаем

Говоря прямо: Россия не в первом эшелоне. США и Китай вместе держат 90% передовых вычислительных мощностей мира. Внутри страны стоимость GPU-вычислений за год выросла на 64%, и лишь 9% компаний довели долю отечественного «железа» хотя бы до половины. Слой самый капиталоемкий – трезвая стратегия для большинства – аренда с диверсификацией, а не стройка.

2️⃣ Модели и данные – где мы сильны

Россия – одна из немногих стран с собственными моделями полного цикла, и в корпоративном сегменте они нередко лидируют. Данные – единственный слой, который нельзя арендовать, а у крупного бизнеса здесь давняя дисциплина. Плюс недооцененная ниша – языки народов России, которые глобальные модели покрывают слабо.

3️⃣ Бизнес-слой – где наибольший потенциал

Обвязка, агенты, архитектуры, процессы. Наименее заметный слой – и самый перспективный. Свежие работы показывают: улучшение одной лишь обвязки вокруг модели, при неизменной самой модели, поднимает результат в полтора раза и больше. Интеллект системы все меньше живет в весах и все больше – в том, что вокруг них. Этот слой не требует триллионов, не зависит от санкций на чипы и не регулируется реестрами. Чужой может быть модель, но обвязка, агенты и процессы всегда ваши.

🔖 Три спокойных шага до 1 сентября:

1️⃣ Сверить портфель с категориями закона – какие системы опираются на модели, которым понадобится статус.
2️⃣ Составить карту зависимостей по слоям (данные, контур, веса, обвязка, качество). По ролям: статусы и подзаконные акты – юристы и GR (взаимодействие с госорганами), карта – CIO (ИТ-директор), данные и копирайт-окно – CDO (директор по данным), сценарии замены – риски и ИБ.
3️⃣ Вписать ИИ в планы непрерывности – у критичного процесса должен быть свой контур или горячий сценарий перехода.

💡Главное
Закон стоит встретить без придыхания и без скепсиса – как продуманный шаг долгой государственной линии; его настоящее содержание сложится в порядке применения, и у бизнеса есть время участвовать в этой настройке.

🔗 Подробнее – в статье по ссылке

#иинапальцах

💡 От человека-энциклопедии ➡️ к человеку, который решает. Разбор новой роли лидера в эпоху ИИ

Модель уже знает больше вас, считает быстрее и пишет глаже с первого раза. Если ваша ценность как руководителя держалась на эрудиции и скорости – эта ставка проиграна.

📝 Ваша работа теперь — спроектировать, где суждение остается за человеком, а где исполнение, координацию и сбор фактов можно и нужно передать агентам.

Вот портрет когнитивного лидера новой формации: меньше всезнания, больше суждения, готовности к управляемому риску и постоянного обучения

Ниже – разметка новой роли: что обесценилось, что подорожало и где проходит граница, которую нельзя делегировать. ⬇️

📉 Что подешевело:

🟠эрудиция и память на факты;
🟠скорость рутинного анализа;
🟠гладкость формулировок;
🟠«диспетчерская» координация ⤵️

(по данным HBS, доступ разработчиков к Copilot сместил работу от управления проектами к содержательным задачам – доля кодинга выросла на 5%, доля проектной координации упала на 10%)📊

📈Что подорожало:

🟠суждение: решить, чему верить, а что оспорить;
🟠ответственность за необратимое – ИИ «знает почти все о прошлом и ничего о будущем» (HBR);
🟠умение задать правильный вопрос, а не получить гладкий ответ;
🟠оркестрация агентных команд.

⚠️ Главная ловушка – не делегирование задач, а делегирование суждения

WEF называет это «парадоксом надзора»: частые проверки незаметно вырождаются в формальное одобрение, а человек по инерции кивает на рекомендацию агента (automation bias).

Простой тест: если согласующий не может вспомнить, когда в последний раз отклонил рекомендацию ИИ — контроля уже нет.

📌 Что сделать в понедельник

Час времени, без больших трансформаций: выписать решения, которые не делегируются ИИ – необратимые, ценностные, репутационные, меняющие судьбу конкретного человека. Все остальное – можно отдавать агентам по мере накопления статистики качества.

✔️ Назовите одно решение, суждение по которому вы не отдадите ИИ, даже если он справится быстрее – и сформулируйте почему. Это и есть граница вашей новой роли.

🔗 Подробнее — в статье по ссылке

#иинапальцах