Фото: пресс-служба
Внимание экспертов в области искусственного интеллекта (ИИ), которое в 2024–2025 годах было сосредоточено преимущественно на изучении возможностях генеративного ИИ, сместилось на его практическое применение — внедрение цифровых ассистентов, следует из результатов исследования ассоциации «ФинТех» «3х10 трендов 2026 года».
В отличие от базовых решений на базе генеративного ИИ — ассистентов типа ChatGPT, с которыми можно было просто общаться, — агенты не только генерируют контент по запросу, но и способны самостоятельно выполнять задачи, принимать решения и взаимодействовать с другими системами и пользователями в рамках заданных целей.
В 2025 году объем рынка ИИ-агентов в России составил 15–25 млрд руб., или около 30% от общего рынка платформ ИИ, по данным «Группы Астра». На рынке представлено несколько отечественных решений — от Just AI, «Яндекса», «Сбера» и других компаний.
Согласно результатам исследования Высшей школы бизнеса НИУ ВШЭ, 59% компаний активно изучают возможности внедрения ИИ-агентов. Бизнес постепенно переходит к применению не отдельных инструментов, а мультиагентных систем — комплексных решений, в которых несколько цифровых помощников могут координировать действия между собой и решать бизнес-задачи без постоянного участия человека.
Появляется все больше запросов на реализацию проектов по внедрению ИИ-агентов. Во многих бизнес-функциях такие проекты все еще находятся на стадии пилотов или точечных внедрений, однако уже есть несколько направлений, где использование агентов приносит значимый бизнес-эффект. В первую очередь результат заметен в их применении непосредственно в IT-подразделениях компаний. Например, в разработке с помощью агентов автоматизируют рутинные задачи: написание кода, его доработку, подготовку тестов и документации, автоматизацию выпуска программных обновлений и мониторинг. В некоторых командах разработки, по нашим оценкам, проникновение агентов достигает 50% и выше.
Еще один массовый сценарий применения — клиентский сервис. Многие компании используют чат-ботов и голосовых ботов для поддержки клиентов. Рынок диалогового ИИ в нашей стране в 2024 году достиг 8 млрд руб. и в 2025 году должен был вырасти до 11 млрд руб., согласно исследованию Naumen. Так, в 2024 году чат-боты использовали 42% крупнейших ретейлеров России. При этом доля обращений, которые бот способен обработать самостоятельно, без участия оператора, по нашим данным, редко превышает 50–60%.
Чат-боты хорошо справляются с типовыми вопросами пользователей, но при возникновении нестандартной или сложной ситуации неизбежно переводят разговор на живого оператора. ИИ-агенты работают принципиально иначе. У них есть цель, инструменты и глубокое понимание запроса клиента. Они не просто отвечают на вопросы по скрипту — они подключены к внутренним системам компании: базам знаний, управлению взаимоотношениями с клиентами (CRM) и ресурсами предприятия (ERP), системам управления заказами. Это означает, что ИИ-агент видит историю конкретного клиента, знает статус его заявки, понимает контекст обращения и может не просто ответить или совершить действие, но и разобраться в сложной ситуации.
При этом один из главных страхов при внедрении таких систем — безопасность данных. Особенно когда речь идет о чувствительной клиентской информации или коммерческих данных. Важно, что ИИ-агент может работать внутри защищенного контура компании, а не через внешние публичные сервисы. Данные не покидают инфраструктуру, доступ строго разграничен по ролям, все действия агента отслеживаются. По сути, это тот же принцип, по которому работает любой корпоративный софт, только с использованием ИИ.
Также в бизнесе используются внутренние корпоративные ИИ-агенты, которые собирают информацию по внутренним системам. Например, сотрудник задает вопрос в чате, а помощник собирает данные из множества корпоративных систем и выдает готовый ответ с указанием источников. Согласно отчету PwC, рост производительности сотрудников в отраслях, наиболее активно внедряющих ИИ (например, в сфере финансовых услуг и разработки программного обеспечения), увеличился почти в четыре раза — до 27% с 2018 по 2024 год.
В рекрутинге ИИ-агенты по эффективности отбора кандидатов, как показывает наш опыт, сопоставимы с профессиональным HR-специалистом. Например, у одного из наших заказчиков за три месяца агент смог совершить более 300 тыс. звонков кандидатам, что составило 50,4% от их общей работы с отделом кадров.
При этом ИИ работает без отпусков и больничных, доступен в любое время и обрабатывает данные в разы быстрее человека. Задачи HR-специалиста при этом смещаются в сторону финальных собеседований, поддержки мотивации кандидатов и стратегического планирования найма персонала. По нашим данным, такой помощник может сэкономить более 5,5 тыс. часов.
В компаниях, которые изначально были высокотехнологичными, по данным исследования «Яков и партнеры», ИИ-агенты уже стали частью операционной модели: это телеком и медиа (100%), IT-отрасль (93%) и финансовый сектор (90%).
Промышленные предприятия пробуют разные сценарии автоматизации на базе ИИ, но их запросы чаще связаны с классическими ML-подходами (от англ. Machine Learning — машинное обучение. — «РБК Отрасли»): например, алгоритмы, которые обучаются на данных и решают типовые задачи по типу классификации, прогнозирования и кластеризации.
Внедрение ИИ-ассистентов в отдельных отраслях, таких как фармацевтика, например, идет медленнее во многом из-за жестких требований к валидации систем, документированию процессов и защите чувствительной информации.
В целом быстрее внедряют ИИ-агентов компании, располагающие большими ресурсами. Уровень инвестиций в такие проекты в крупных компаниях может составлять десятки и сотни миллионов рублей, включая расходы на разработку и внедрение агентов, а также затраты на использование языковых моделей. Например, при формировании команды из пяти специалистов только фонд оплаты труда может достигать, по нашей оценке, 120–200 млн руб. в год.
Разворачивание языковых моделей в собственном защищенном контуре, без вывода данных во внешние облака, существенно увеличивает затраты. ИИ-агенты обычно состоят не только из языковой модели, но и из механизма управления запросами, подключения к корпоративным системам и базы знаний, на которой строятся ответы. Поэтому, помимо внедрения самой технологии ИИ-агентов, приходится инвестировать в вычислительную инфраструктуру, хранение данных и информационную безопасность.
Запустить одного-двух агентов под конкретную задачу — вполне реально и без специальной инфраструктуры. Сложности начинаются позже, когда компания хочет масштабировать подход и развернуть десятки решений одновременно и дать к ним доступ тысячам пользователей.
На этом этапе проявляются системные проблемы: одни и те же интеграции приходится дублировать, кодовая база разрастается и становится трудноконтролируемой. Поддержание всей этой экосистемы в рабочем состоянии — чтобы агенты не конкурировали за ресурсы и не мешали друг другу — превращается в отдельную дорогостоящую задачу. Кроме того, остаются вопросы контроля и защиты данных, доступов, качества работы и измерения бизнес-эффекта.
Именно здесь возникает запрос на платформенный подход. Наша платформа для разработки и оркестрации ИИ-агентов решает этот комплекс проблем: она убирает повторяющуюся инженерную работу, снижает порог входа за счет готовых шаблонов и дает единую среду, в которой агенты сосуществуют без конфликтов. По оценкам практиков, такой подход ускоряет разработку в два-три раза минимум и позволяет создавать агентов не только разработчикам, но и бизнес-пользователям без глубокой технической экспертизы.
Такие системы для автономных ассистентов упрощают разработку, хранение данных и обеспечение безопасности, а также позволяют запускать решения без сборки системы с нуля. Например, на нашей платформе агентов можно написать без кода, и только оставшиеся 30% (как правило, это касается сложных интеграций) отдать разработчикам. В целом платформы закрывают до 70% задач бизнеса. Время вывода новых решений на рынок сокращается примерно в пять раз.
Помимо скорости разработки, платформенное решение закрывает требования, которые критичны для крупных компаний: разграничение доступов, полное отслеживание действий агентов, аудит и контроль — все то, без чего внедрение в реальные бизнес-процессы просто невозможно.
Отдельный важный параметр для российского рынка — технологическая независимость. Поэтому зрелые платформы уже сейчас строятся по принципу технологической независимости, чтобы работать с отечественными языковыми моделями и не требовать внешнего интернет-соединения. Это условие, без которого многие компании не могут в целом начать проект.
Рынок движется к встраиванию агентов в операционные процессы и объединению их работы вместе с работой сотрудников в единой среде. Роль человека будет только в операционном контроле и управлении: через интерфейсы платформы удобнее отследить, что делают агенты, насколько это эффективно, в каких процессах необходимы корректировки.
В будущем многие бизнес-процессы могут начать проектироваться именно вокруг таких агентных систем. Это компания нового типа, и рынок развивается в этом направлении.
About The Author
