Трансформация с помощью ИИ: следующий этап – это более интеллектуальные агенты, а не более крупные модели.

Для организаций, стремящихся получить конкурентное преимущество за счет внедрения инструментов искусственного интеллекта , дискуссии и решения в основном касались больших языковых моделей.

Каждый новый релиз обещает улучшенные возможности логического мышления, более высокую точность и функции, превосходящие возможности предшественника.

Однако по мере того, как базовые модели становятся все более мощными и широко доступными, решающим фактором для организаций будет не выбор модели, а эффективность использования ИИ-посредника для решения реальных бизнес-задач.

Джей Флоренс

Инженер по разработке решений в компании Digital Modus.

На недавнем саммите Gartner Data & Analytics Summit 2026 аналитики четко обозначили свою позицию: автономные модели ИИ устаревают, и будущее за автономными, взаимосвязанными агентами ИИ. Но чтобы действительно извлечь выгоду из агентного ИИ, ИТ-руководители должны уделять приоритетное внимание «часто повторяющимся, но простым сценариям использования, внедрять превентивные меры контроля и повышать квалификацию персонала».

К этому утверждению я хотел бы добавить, что следующий этап развития корпоративного ИИ заключается не в создании самой большой модели, а в построении более совершенных агентов.

Это означает, что нужно перестать рассматривать искусственный интеллект просто как еще одного чат-бота и начать воспринимать его как оперативный инструмент, способный поддерживать сотрудников, автоматизировать повторяющиеся задачи и повышать эффективность работы всей организации.

Наибольшие возможности искусственного интеллекта заключаются не в обсуждениях.

Для многих искусственный интеллект по-прежнему означает задавать вопросы в ChatGPT и получать ответы. Это, безусловно, одно из применений, и разговорные интерфейсы сыграли значительную роль в том, чтобы сделать ИИ доступным. Но это лишь малая часть того, что возможно.

Некоторые из наиболее ценных применений агентов ИИ сосредоточены на операционных процессах, а не на диалогах. Например, в высшем образовании агенты ИИ помогают студентам ориентироваться в службах поддержки, отвечая на рутинные вопросы о регистрации, университетской инфраструктуре или административных процедурах, освобождая персонал для решения более сложных вопросов.

В транспортном секторе агенты могут объединить информацию о расписании, последующих вариантах поездки и поддержку клиентов в единое взаимодействие, избавляя пользователей от необходимости искать информацию в нескольких сервисах.

В других областях организации используют агентов искусственного интеллекта для квалификации запросов на продажу, составления резюме сложных документов и извлечения информации из контрактов — задач, которые ранее требовали многочасовой ручной работы.

Общим знаменателем является не только то, что эти агенты могут отвечать на вопросы, но и то, что они снимают административную нагрузку и позволяют людям сосредоточиться на работе, требующей рассудительности, экспертных знаний и человеческого взаимодействия.

Лучшие агенты начинают с более сложных проблем.

Одно из самых распространенных заблуждений относительно прокси-ИИ заключается в том, что организации считают необходимым начинать с определения мест, где они хотят развернуть прокси-сервер ИИ.

На самом деле, для организаций, стремящихся развивать свои решения в области ИИ, первый вопрос должен звучать не так: «Где мы можем внедрить ИИ?», а скорее: «Какую бизнес-проблему мы пытаемся решить?»

Начиная с технологий, организации часто создают агентов, которые приносят мало пользы, поскольку автоматизируют не тот процесс. Наибольшую отдачу получают те организации, которые в первую очередь выявляют операционные недостатки в тех областях, где сотрудники тратят слишком много времени на повторяющиеся административные задачи, поиск информации или ручную передачу данных между системами.

Когда эти проблемы четко поняты, прокси-ИИ становится эффективным оперативным инструментом, а не просто технологией, ищущей применение.

Важность реализации перевешивает важность самой модели.

Сегодня передовые модели искусственного интеллекта развиваются с исключительной скоростью. Они становятся все более совершенными, быстрыми и экономически эффективными, а это значит, что конкурентное преимущество меняется.

Вряд ли организациям удастся превзойти конкурентов, просто выбрав одну ключевую модель вместо другой. Вместо этого успех будет все больше зависеть от всего, что окружает выбранную модель.

Качество данных — один из важнейших факторов, определяющих успех. Эффективность ИИ-агента напрямую зависит от качества информации, на которой он основан. Противоречивая документация, непоследовательная политика или плохое управление знаниями неизбежно снижают качество его работы.

Инженерное сопровождение страховых случаев — еще один часто недооцениваемый навык. Разработка плана действий страхового агента — это не просто предоставление ему инструкций и ожидание стабильных результатов. Хорошо продуманные планы устанавливают четкие границы, определяют обязанности агента и гарантируют, что он будет сосредоточен на своей цели.

То же самое относится и к управлению. Хороший агент не должен отвечать на каждый заданный ему вопрос. Вместо этого он должен понимать свою роль, знать, когда отклонять запросы, выходящие за рамки его полномочий, и действовать только с той информацией и разрешениями, которые ему действительно необходимы. Применение принципа «минимальных привилегий» — это не только хорошая практика обеспечения безопасности, но и повышение эффективности за счет минимизации ненужной обработки и контроля затрат.

В конечном счете, качество исполнения гораздо важнее размера базовой модели.

Уверенность в себе формируется благодаря повторению, а не амбициям.

Ещё одно распространённое заблуждение заключается в предположении, что искусственный интеллект, использующий прокси-серверы, следует применять в масштабных программах трансформации. В действительности, как правило, верно обратное.

Организации, добивающиеся значимых результатов, как правило, начинают с четко определенного сценария использования, обеспечивающего измеримую ценность. Это способствует укреплению доверия среди сотрудников, демонстрирует окупаемость инвестиций и позволяет улучшить управление до расширения до более сложных рабочих процессов.

Искусственный интеллект в виде агентов следует рассматривать как продукт, развивающийся со временем, а не как проект, завершаемый в день запуска. Однако это также меняет подход организаций к тестированию.

Традиционное программное обеспечение разработано таким образом, чтобы каждый раз выдавать идентичный результат. Однако агенты искусственного интеллекта по своей природе являются вероятностными, а это означает, что согласованность становится столь же важной, как и функциональность. Поэтому непрерывное тестирование, мониторинг и оптимизация становятся неотъемлемой частью успешного внедрения.

Не менее важно, чтобы сотрудники были частью этого процесса. Завоевание доверия заключается не в презентации готового ИИ-агента, а в вовлечении команд на протяжении всего процесса разработки, помогая им понять, как принимаются решения, где предусмотрены меры безопасности и как технология призвана дополнять, а не заменять их опыт.

Более совершенные агенты определят следующий этап развития искусственного интеллекта.

Неизбежно, что индустрия ИИ продолжит создавать более быстрые, дешевые и функциональные базовые модели. Однако неизбежен вопрос о том, смогут ли организации преобразовать эти возможности в значимую коммерческую ценность.

В следующей гонке искусственного интеллекта победу одержат не те, кто создаст самую большую модель. Победу одержат те, кто разработает надежных, хорошо управляемых агентов, способных решать реальные оперативные задачи.