В 2025 году развитие AI-агентов (AI Agent) заметно ускорилось и стало одной из самых обсуждаемых тем в технологической индустрии. Крупные сделки и инвестиции — такие как покупка OpenAI стартапа Windsurf за $3 млрд, привлечение $900 млн Anysphere (материнская компания Cursor) и $75 млн для китайского Manus — лишь подчеркивают, что рынок AI-агентов вступил в новую фазу зрелости. OpenAI также представила продукты Operator и Deep Research, которые быстро обрели популярность среди профессионалов.
Что лежит в основе технологического скачка AI-агентов? Какие типы агентов могут стать универсальными? И есть ли ещё возможности для стартапов в этой области? На эти вопросы отвечают основатель MindVerse Тао Фанбо и AI-продукт-менеджер Коленто Хоу.
RTF и новая волна AI-агентов
Оба эксперта отмечают: сегодня они ежедневно используют и создают десятки, а то и сотни агентов — от программных помощников до платформ для самостоятельной сборки (например, MindOS, Second Me, Copilot Studio, Coze). Стоимость создания нового продукта резко снизилась, а инфраструктура становится все более зрелой.
Что такое AI-агент?
В классическом понимании (например, в рамках обучения с подкреплением) агент — это система, которая учится на обратной связи от среды и оптимизирует свои действия для достижения цели. С появлением больших языковых моделей (LLM) понятие агента расширилось: теперь это система, способная самостоятельно выполнять задачи, обладающая памятью, интерфейсом для взаимодействия с пользователем и часто построенная на базе LLM или reasoning-моделей.
В последние месяцы наблюдается слияние двух подходов: классические RL-агенты учатся в среде, а LLM-агенты — в основном настраиваются инженерами. Но благодаря развитию reasoning-моделей и технологии RFT (Reinforcement Fine-Tuning) современные агенты начинают учиться и исследовать среду самостоятельно, что приближает их к "моменту AlphaGo" для языковых моделей.
Ключевые отличия агентов 2025 года
Главное отличие новых агентов — их способность учиться и адаптироваться в реальных цифровых средах, а не только в симулированных играх. Если раньше LLM-агенты были "механическими" из-за отсутствия взаимодействия с окружающей средой, то теперь они способны самостоятельно искать решения, корректировать стратегию и осваивать новые задачи.
Почему Cursor и Devin стали лидерами?
Их успех объясняется не только ранним стартом, но и глубоким пониманием среды. Например, Windsurf оснащён контекстным движком, который понимает структуру кода, файлов и данных.
Devin пошёл дальше, создав собственную среду с несколькими интерфейсами (браузер, IDE, зона взаимодействия, тестовая среда) и системой заметок для долгосрочного планирования — своего рода "стратегической комнатой" для ИИ.
Открыты ли возможности для новых игроков?
С одной стороны, новые технологии (например, RFT) снижают порог входа: теперь не обязательно иметь огромные датасеты и вычислительные мощности. С другой — крупные компании быстро занимают ключевые ниши, интегрируя универсальных агентов, способных решать сотни задач (например, Operator, Deep Research). Поэтому для стартапов остаются лишь узкие, нишевые возможности или индивидуальные решения, где можно проявить уникальность — как это было с блогерами и инфлюенсерами в эпоху соцсетей.
Три кита успеха: модель, инженерия, данные
Хотя рост возможностей моделей (например, Claude Sonnet 3.7) стал катализатором "взрыва" AI-агентов, эксперты подчеркивают: данные и инженерные решения по-прежнему критичны. Даже самые умные агенты ограничены доступом к данным из-за барьеров платформ и API.
Оценка (evaluation) — ключ к качеству
Для создания конкурентоспособного агента необходима система оценки его работы. Существуют три подхода:
- Human Evaluation (ручная оценка) — точная, но дорогая и медленная
- Code-based Evaluation — быстрая, но подходит только для задач генерации кода
- LLM-based Evaluation — автоматизированная, позволяет масштабировать оценку
В идеале, у каждого модуля агента должна быть собственная система оценки, интегрированная в процесс разработки (EvaluationOps). Это позволяет не только тестировать, но и обучать агента на реальных задачах, используя обратную связь как "награду" (reward).
SFT или RFT: что выбрать?
Хотя RFT обеспечивает прирост качества (до 25%), его стоимость выше, чем у SFT (Supervised Fine-Tuning). Многие компании, включая Manus, используют SFT для отдельных модулей, поскольку не все модели (например, Sonnet) позволяют проводить глубокую донастройку.
Лучшие вертикальные AI-агенты
Эксперты выделяют несколько интересных нишевых продуктов:
- Replit — отлично помогает формулировать задачи и уточнять требования
- Fellou — агент-браузер с визуальным согласованием действий и HITL (Human-in-the-loop)
- Vantel — автоматизация рутинных задач для страховых брокеров
- Sweet Spot — помощь в получении грантов и анализе контрактов для SMB, NPO, NGO
- Gamma — AI для создания презентаций, который превосходит Canva по скорости и качеству
Проблемы и вызовы отрасли
Несмотря на быстрый прогресс, массовое распространение AI-агентов сдерживают две ключевые проблемы:
- Интеграция с внешней средой — протокол MCP (AI-доступ к внешним сервисам) пока не стал отраслевым стандартом, а платформы не спешат открывать свои данные.
- Понимание пользовательских потребностей — агентам ещё предстоит научиться точно выявлять и интерпретировать запросы пользователей.
Итоги
2025 год действительно стал годом AI-агентов, но до их повсеместного внедрения ещё предстоит пройти долгий путь. Крупные компании будут доминировать в универсальных решениях, а для стартапов остаются ниши и индивидуальные сценарии. Ключ к успеху — глубокое понимание среды, интеграция с реальными задачами, продуманная система оценки и постоянная адаптация к меняющимся условиям.
AI-агенты становятся не просто инструментами, а полноценными цифровыми помощниками, способными учиться, адаптироваться и решать сложные задачи в реальном времени.
Хотите создать уникальный и успешный продукт? СМС – ваш надежный партнер в мире инноваций! Закажи разработки ИИ-решений, LLM-чат-ботов, моделей генерации изображений и автоматизации бизнес-процессов у профессионалов.
ИИ сегодня — ваше конкурентное преимущество завтра!
Тел. +7 (985) 982-70-55
E-mail sms_systems@inbox.ru