Аружан Ибраева 
Амбициозные проекты в области «агентного» искусственного интеллекта, где системы действуют автономно, сталкиваются с беспрецедентно высоким уровнем неудач. По прогнозам аналитической компании Gartner, к 2027 году почти 40% таких инициатив потерпят крах. По мере того как автономные системы ИИ становятся все сложнее, бизнес обнаруживает, что для их успешного внедрения требуется гораздо больше, чем просто передовые технологии.
«Агентный» ИИ – это автономные системы, способные самостоятельно принимать решения и выполнять действия без постоянного контроля со стороны человека. В отличие от традиционного ИИ, который лишь дает рекомендации, ИИ-агенты выполняют задачи, взаимодействуют с другими системами и принимают бизнес-решения в автономном режиме.
Одной из главных причин провалов эксперты называют слабую подготовку. Компании спешат развернуть сложных ИИ-агентов, не заложив необходимого фундамента. «Если представить агентный ИИ, выполняющий задачи, в виде автомобиля, то генеративный ИИ — это его двигатель, а данные — топливо», — объясняет генеральный директор Lucidworks Майк Синоуэй. — «Слишком много компаний пытаются построить болиды Формулы-1 на базе двигателей от картинга, и у них может даже не хватить бензина, чтобы заправить бак». Согласно исследованию Lucidworks, у 65% компаний отсутствует основа для создания полезного агентного ИИ. «Компании наперегонки запускают агентов, но делают это на хрупкой инфраструктуре и разрозненных данных», — подтверждает Джеремайя Стоун, технический директор SnapLogic.
Другая распространенная проблема — завышенные ожидания и неверная оценка окупаемости инвестиций. Компании систематически недооценивают время, ресурсы и усилия, необходимые для успешного внедрения ИИ-агентов. «Я вижу, как компании надеются на мгновенные результаты. Вместо этого ИИ и автоматизация рабочих процессов требуют больше времени и денег», — отмечает Иветт Кануфф, партнер JC2 Ventures. По словам Раджа Баласундарама из Verint, многие организации сосредотачиваются на неверных показателях, измеряя «внутренние» метрики ИИ вместо реальных бизнес-результатов.
Быстрое развитие рынка привело к явлению, которое эксперты называют «отмыванием под видом агентов»: поставщики переименовывают существующие инструменты автоматизации в продвинутых ИИ-агентов без существенного улучшения функциональности. «Там, где ранние обещания 40%-го повышения эффективности с генеративным ИИ не оправдались, эти грандиозные обещания повторяются и даже усиливаются под флагом агентного ИИ», — говорит Джесси Мюррей из Rightpoint. Успех проектов зависит не только от технологий, но и от корпоративной культуры. «Вы можете иметь лучшие инструменты в мире, но если ваши команды им не доверяют или не умеют ими пользоваться, вы не увидите результатов», — соглашается Амол Айгаонкар, технический директор Insight.
Автономная природа агентного ИИ порождает новые категории рисков, к управлению которыми многие организации не готовы. В отличие от систем, дающих рекомендации человеку, ИИ-агенты действуют самостоятельно, что создает каскадные риски, требующие продуманных систем управления. «С агентным ИИ риск неверного решения кодифицируется в рабочий процесс, вызывая не только риск единичной ошибки, но и последующие каскадные риски», — объясняет Мюррей. Среди главных опасностей эксперты выделяют возможность предвзятых или неточных результатов, если ИИ неправильно обучен, и риск чрезмерной зависимости от него, что может привести к отсутствию человеческого контроля и незамеченным ошибкам.
Несмотря на трудности, потенциал агентного ИИ огромен. Gartner прогнозирует, что к 2028 году уже 15% повседневных рабочих решений будут приниматься автономно с его помощью. Успех потребует дисциплинированного и целостного подхода, учитывающего технические, организационные и управленческие аспекты. Прогнозируемый 40%-й уровень неудач — это не приговор, а предупреждение. Компании, которые отнесутся к внедрению агентного ИИ с должной серьезностью и подготовкой, смогут избежать провала и раскрыть его преобразующий потенциал.