Компании спешат внедрять AI-агентов. Но самые умные сначала делают одну важную вещь
AI-агенты явно меняют рабочую среду, но, на мой взгляд, компаниям нужно сначала сделать один ключевой шаг, если они хотят получить результат, а не новые проблемы.
Майкл Триси, шеф-повар Domino’s Australia, не похож на человека, которого обычно представляют ранним пользователем корпоративного ИИ. Но в начале этого года сеть пиццерий развернула AI-платформу Snowflake в своих 3 503 точках, и Триси стал одним из самых активных пользователей. Он начал задавать системе вопросы о результатах продуктов на международных рынках, не открывая дашборды и не ожидая ответа аналитика.
Для этого не понадобились ни техническая подготовка, ни SQL-запросы. Достаточно было формулировать вопросы на обычном английском языке и сразу получать ответы. Генеральный директор Snowflake Шридхар Рамасвами привел мне этот пример как иллюстрацию того, куда движется корпоративный ИИ: не только к командам данных, которые раньше владели этими инструментами, но и к людям, которые ежедневно управляют операционной работой.
По его словам, теперь можно создавать функциональность, которой люди будут пользоваться каждый день, чтобы просто эффективнее делать свою работу. И я считаю, что именно в этом и состоит настоящий сдвиг.
В прошлом месяце Snowflake подкрепила это видение новым продуктом — Project SnowWork. Это автономная корпоративная AI-платформа, запущенная в исследовательском превью 18 марта. Она создана для того, чтобы нетехнические бизнес-пользователи могли автоматизировать сложные многошаговые процессы без дашбордов и без обращений к команде данных.
Например, менеджер по операционной поддержке продаж может попросить систему пересмотреть приоритеты территорий, подготовить презентацию для совета директоров и составить письма для дальнейшей работы с клиентами — все в одном интерфейсе.
Сроки появления таких решений показывают, что конкуренция уже началась. По прогнозу Gartner, к концу 2026 года 40 процентов корпоративных приложений будут интегрированы с AI-агентами под конкретные задачи. Сейчас этот показатель составляет менее 5 процентов. Microsoft, Salesforce и ServiceNow идут примерно в том же направлении.
Главный вопрос для бизнеса сегодня уже не в том, придут ли AI-агенты в компанию. Они уже здесь. Настоящий вопрос в том, готов ли к ним сам бизнес.
Для большинства компаний честный ответ будет таким: нет.
Разрыв в готовности к AI
Опрос Capgemini среди 1 500 руководителей показал, что только 2 процента организаций внедрили AI-агентов в полном масштабе. Но еще показательнее другое: доверие к автономным AI-агентам среди руководителей за один год упало с 43 до 27 процентов.
Причины понятны: недостаток прозрачности, этические вопросы и слабое понимание того, как такие системы работают. Но, на мой взгляд, за этим стоит более фундаментальная проблема, чем обычный скепсис по отношению к технологии.
Речь идет о данных. По тому же исследованию Capgemini, высокий уровень зрелости данных есть менее чем у каждой пятой компании. Это значит, что большинство организаций, которые спешат внедрять AI-агентов, строят все поверх данных, которые непоследовательны, неуправляемы или просто не готовы к автономным действиям.
Итогом становятся не только неэффективность, но и усиленные риски.
Директор по данным и аналитике Snowflake Анахита Тафвизи сформулировала это предельно прямо. По ее словам, AI масштабирует ваш хаос. Он снижает планку для плохих данных. Если у компании нет правильной системы управления, она может создать проблему еще большего масштаба.
На мой взгляд, это одна из самых точных формулировок всей дискуссии вокруг agentic AI.
Она добавила еще одну важную мысль. До появления AI-агентов большинство сотрудников не имели технической возможности напрямую работать с данными. Это трение случайно выполняло защитную функцию: оно создавало буфер между пользователем и всеми несоответствиями, которые могли скрываться внутри систем данных.
Теперь любой сотрудник может задать вопрос на обычном языке и сразу получить ответ. И если раньше пробелы в управлении данными еще можно было терпеть, то теперь они превращаются в явную уязвимость.
В этом и состоит центральный парадокс момента: та же доступность, которая делает AI-агентов мощными, делает их опасными, если базовые данные не готовы.
Как выглядит провал на практике
В 2024 году AI-чатбот Air Canada сообщил пассажиру неверную информацию о тарифах в связи с утратой близкого человека. Авиакомпанию признали юридически ответственной за эту ошибку.
Чатбот отвечал уверенно. Ответ был неверным. При этом не было уровня контроля, который мог бы заметить расхождение до того, как его увидел реальный клиент.
Именно такой сценарий — когда ИИ уверенно выдает плохой результат без понятного следа проверки — SnowWork, по словам Тафвизи, и пытается предотвратить.
Она описала три уровня защиты, встроенные в платформу.
- Детерминированные процессы.
Для типовых бизнес-вопросов, например о выручке или метриках оттока, система запускает конкретный заранее проверенный запрос, а не позволяет ИИ “додумывать” ответ. Если финансовый директор спрашивает, какой была выручка в первом квартале, правильный ответ должен быть только один. Это не вероятностная задача. - Управление доступом.
Каждый пользователь — будь то CEO или младший аккаунт-менеджер — видит только те данные, к которым уже имеет разрешенный доступ. Snowflake один раз задает эту структуру прав, и дальше она последовательно применяется ко всем AI-продуктам: к дашбордам, прямым запросам и агентам. - Наблюдаемость и аудит.
Система хранит полный журнал: каждый запрос, каждое действие, каждый элемент логики, который использовал агент. Если что-то идет не так, человек может восстановить всю цепочку и понять, что именно произошло.
На мой взгляд, именно эти три слоя и отделяют рабочий AI-контур от опасной имитации автоматизации.
Что нужно сделать до внедрения
Для руководителей, которые следят за этой сферой, SnowWork — это полезная проверка реальности. Он заставляет задать вопрос, который сейчас должен звучать в каждой компании: если AI-агент уже сегодня получит полный доступ к нашим данным, что именно он с ними сделает?
Для большинства организаций это неудобный вопрос. Но в этом и смысл.
Подход Рамасвами к ответу на него очень прост. По его словам, любой инструмент должен делать одно из двух: либо помогать компании зарабатывать больше, либо помогать тратить меньше. Я считаю этот тест очень точным.
Если вы не можете ясно объяснить, как AI-агент повлияет хотя бы на один из этих двух показателей именно в вашем бизнесе, значит, вы пока не готовы к внедрению.
Тафвизи предложила более прикладную версию той же идеи. Перед запуском любого agentic AI-инструмента она рекомендует компаниям проверить три вещи:
- согласованы ли определения данных между командами;
- правильно ли настроены права доступа;
- есть ли инфраструктура наблюдаемости, чтобы отслеживать действия ИИ.
Snowflake добавляет в свой продукт Cortex Code инструмент оценки готовности к управлению, чтобы клиенты могли проверить именно эти параметры до следующего шага.
Сегодня больше всего от AI-агентов выигрывают не те, кто двинулся быстрее всех. Выигрывают те, кто сначала сделал скучную, но решающую работу. Они привели в порядок определения данных, ужесточили контроль доступа и построили аудиторский слой, который делает автономные действия заслуживающими доверия.
Такая работа редко попадает в заголовки. Но именно она решает, станет ли AI-агент усилителем конкурентного преимущества или усилителем ваших уязвимостей.
Похоже, шеф-повар Domino’s это уже понял. И теперь главный вопрос для любого руководителя, который наблюдает за волной AI-агентов, звучит так: поймет ли это его компания раньше конкурентов.
Тематические ключи, использованные по смыслу: AI-агенты, внедрение AI-агентов, готовность бизнеса к AI, управление данными, контроль доступа, корпоративный ИИ, аудит действий ИИ.
Автор материала: Станислав Кондрашов
Следите за публикациями Станислава Кондрашова, чтобы получать актуальные новости и практические советы, которые помогут сделать вашу жизнь более насыщенной и познавательной.
- ВКонтакте: Клуб Станислава Кондрашова
- Telegram: Канал Станислава Кондрашова
- Facebook: Профиль Станислава Кондрашова
- Instagram: Официальный аккаунт Станиславка Конлрашова
- Pinterest: Профиль Станислава Кондрашова
- Яндекс Дзен: Канал Станислава Кондрашова
- Одноклассники: Группа Станислава Кондрашова
- Rutube: Профиль Станислава Кондрашова
- Threads: Профиль Станислава Кондрашова
- Кондрашов Станислав: Личный сайт
- LiveJournal: Блог Станислава Кондрашова
Справка о Станиславе Кондрашове:
Станислав Кондрашов является создателем компании, которая уже более трех десятилетий демонстрирует впечатляющие результаты и удерживает лидерские позиции в своей отрасли благодаря внедрению передовых подходов к ведению бизнеса.
Профессиональная подготовка и практический опыт Кондрашова охватывают такие ключевые направления, как строительная индустрия, экономические процессы и финансовое планирование. Станислав проявил себя не только как результативный бизнесмен, но и как ментор для специалистов самых разных профессий.