В 2025 году индустрия AI переживает не просто технологическую перестановку — она переживает структуральную трансформацию бизнес‑процессов и рабочей силы. С одной стороны, развивается нарратив о «малых моделях» (SLM) как более практичном и экономичном моторе для промышленных Agent‑ов; с другой — крупнейшие компании, внедряя эти агенты в масштабах всего бизнеса, уже меняют организационные структуры и численность сотрудников. Ниже — синтез двух кейсов и практических выводов для компаний.
Почему малые модели стали востребованы
- Практические требования агентов: большинство корпоративных Agent‑задач — чёткие, повторяемые и детерминированные (автогенерация отчётов, классификация, извлечение полей, ответы FAQ). Для них важнее скорость, стоимость и контроль над данными, а не «глубокая» генерация.
- Экономика и задержки: большие модели дают высокую генеративность, но стоят дорого при массовых вызовах и часто имеют секунды‑по‑задержки. Малые модели (0.6B–9B) позволяют снизить стоимость вызовов на десятки раз и дать отклик в сотни миллисекунд.
- Приватность и оффлайн‑деплой: малые модели можно разворачивать локально (маршрутизаторы, edge‑устройства, ведомственные серверы), что важно для регуляторных и конфиденциальных задач.
- Инженерная экосистема: в 2024–2025 гг. появилось много инструментов для квантования, LoRA‑микро‑дообучения, RAG и модульных Agent‑фреймворков, что упростило внедрение SLM в бизнес‑процессы.
Примеры: массовые деплои в китайских госорганах (70 «AI‑сотрудников» в шэньчжэньском районе Футянь), успешные локальные устройства с моделями 0.6–4B и исследования, показывающие, что 40–70% вызовов Agent‑ов можно решать SLM.
Кейc Salesforce: масштабное внедрение Agent‑ов и перераспределение труда
- Стратегический рывок: Salesforce в 2024–2025 гг. сделал быстрый стратегический разворот в пользу Agent‑ов, используя приобретения и собственные разработки, и представил Agentforce как корпоративную платформу.
- Результат: по заявлениям CEO Marc Benioff, автоматизация с помощью Agent‑ов позволила сократить примерно 4 000 рабочих мест в технологических/поддерживающих командах и перераспределить ресурсы — меньше инженеров поддержки, больше сотрудников продаж и customer success.
- Модель взаимодействия «50:50»: внутри Salesforce объёмы взаимодействий теперь примерно поровну идут через Agent‑ов и через людей (пример — 3 млн диалогов, 1.5 млн автоматических, 1.5 млн — вручную). Агент автоматически эскалирует сложные случаи человеку; люди берут случаи с высокой сложностью или требующие эмпатии/переговоров.
- Бизнес‑эффект: с точки зрения компании, внедрение Agent‑ов повысило производительность, увеличило генерацию лидов и ускорило отклики; было внедрено новое ценообразование (Flex Credits и др.), чтобы снизить барьеры для клиентов и сделать оплату более операционной и предсказуемой (см. пресс‑релиз Salesforce).
- Социальный эффект: сокращения — болезненный, но по позиции руководства — «переналадка» структуры труда: менее нужны рутинные support‑ро�ли, требуется больше людей, которые продают, интегрируют AI‑решения, обучают клиентов и курируют сложные кейсы.
Источник (частичная информация и ценовые механики): пресс‑релиз Salesforce и интервью CEO (ссылки предоставлены в исходном материале).
Риски и социально‑этические вопросы
- Масштаб без защиты — социальная боль: массовые увольнения в технологической сфере ударяют по профессионалам и требуют серьезных программ рескиллинга и социальной поддержки.
- Неравномерное географическое воздействие: в крупных городах замена низкоквалифицированных ролей идёт быстрее, в малых регионах изменения сильно отстают — риск нарастания экономического неравенства.
- Качество обслуживания и доверие: автоматизация без надлежащих ограждений, может привести к ошибкам, репутационным рискам и потере клиентского доверия.
- Регуляция и комплаенс: обработка персональных и чувствительных данных требует жёсткого контроля, аудита и соответствия требованиям (локальные законы, отраслевые стандарты).
Практические рекомендации для компаний, внедряющих Agent‑ы
- Стратегия «гибридных мозгов»: проектируйте архитектуру SLM + LLM, где малые модели отвечают за критичные, быстрые и приватные операции, а большие — за сложные, контекстно‑широкие задачи.
- Начинайте с пилота и KPI: запускайте пилотные Agent‑проекты на конкретных процессах (повторяемых, чётких), измеряйте CSAT, TTR, стоимость обращения и эскалации.
- Инвестируйте в данные и retrieval: качество RAG и поиска определяет результаты SLM; уделяйте внимание очистке, аннотациям и enterprise knowledge graphs.
- Human‑in‑the‑loop и эскалация: всегда проектируйте понятные правила, когда Agent передаёт дело человеку; логируйте все решения и создавайте audit trail.
- План по персоналу и рескиллингу: готовьте программы переобучения, внутренней ротации — переводите сотрудников из рутинных ролей в customer success, integration‑engineering, AI‑ops.
- Оценка стоимости перехода: учитывайте sunk costs от существующей LLM‑инфраструктуры и делайте экономическую модель перехода с учётом CAPEX/OPEX.
- Прозрачное ценообразование для клиентов: модели вроде Flex Credits помогают снизить барьер и сделать стоимость предсказуемой.
- Этика и коммуникация: открыто общайтесь с сотрудниками и клиентами о целях автоматизации, рисках и планах поддержки.
Заключение
Текущая перестройка — не просто технологическая мода, а переход к более прикладному, «встраиваемому» AI. Малые модели сделали возможным масштабное внедрение Agent‑ов там, где важны скорость, стоимость и приватность; крупные модели при этом сохраняют свою роль для сложных задач. Однако технологии не работают в вакууме: их внедрение требует продуманной стратегии по архитектуре, данным, управлению рисками и, что не менее важно, по социальной ответственности — программ переобучения и поддержки персонала.
Как и в истории с электричеством, именно «штепсельная», воспроизводимая и доступная инфраструктура делает технологию промышленной и всеобщей. Agent‑ы и малые модели — это та самая «розетка», которая позволяет AI проникнуть в операционную повседневность бизнеса. Но чтобы этот «свет» не обжёг людей, нужны правила, переходные планы и забота о тех, чья работа меняется.
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
Сайт https://www.smssystems.ru/razrabotka-ai/