📰 Агентный AI на пике: почему инженеры верят в роботов, а бизнес требует денег | TechLoot

 📰 Агентный AI на пике: почему инженеры верят в роботов, а бизнес требует денег | TechLoot

Вы когда-нибудь пробовали делегировать сложную задачу стажёру, который вчера узнал, что такое база данных? А теперь представьте, что стажёр — это ИИ-агент, который не пьёт кофе и не просит повышения. Звучит заманчиво, пока он не положит прод на тестовые данные.

Именно эту дилемму сейчас переваривает корпоративный мир. С одной стороны — бешеный рост инвестиций в искусственный интеллект. С другой — ледяной душ от финансовых директоров, которые спрашивают: «Где ROI, чувак?» Специалисты Gartner уже окрестили 2026 год «точкой перегиба» — момент, когда AI-проекты должны начать приносить измеримые деньги, а не просто радовать глаз красивыми дашбордами.

И тут на сцену выходят агентные ИИ-системы. Не те, что болтают с клиентами, а те, что могут взять на себя управление целыми IT-процессами. Потому что, по данным McKinsey, к 2030 году расходы на IT-инфраструктуру вырастут в 2–3 раза, а бюджеты останутся на том же уровне. Единственный способ выжить — автоматизировать всё, что можно, и отдать под контроль агентам.

Кому доверяют больше всего?

TechLoot изучил отчёт, основанный на опросе 300 глобальных технологических экспертов. Главный вывод: инженеры, разработчики и архитекторы уже вовсю используют агентов — и чертовски уверены в них. Для очевидных, измеримых задач — генерация отчётов, шаблонного кода, мониторинг качества данных — уверенность зашкаливает. Агенты справляются наравне с человеком, а часто и быстрее.

Особенно прорывным доменом оказались рабочие процессы с данными. Там, где есть чёткая структура — мониторинг качества, обнаружение аномалий на графиках, профилирование данных — агенты чувствуют себя как рыба в воде. Доменные эксперты, которые разбираются в этих данных, могут дать агенту контекст, и дальше машина работает сама.

Где спотыкаются?

Но как только задача перестаёт быть рутинной и требует сложного принятия решений, уверенность падает. Исследование чётко показывает: проблема не в архитектуре агентов, а в отсутствии бизнес-контекста. Чтобы агент правильно рассудил в нестандартной ситуации, ему нужно понимать, что на самом деле происходит в компании. А корпоративные данные — это помойка: разрозненные базы, кривые API, устаревшие схемы.

«Чем сложнее задача, тем больше агенту нужно контекста, — говорит Джереми Уинтер, корпоративный вице-президент и главный продакт Microsoft Azure Platform. — Пока мы не научимся подавать этот контекст так же надёжно, как сейчас подаём идентификационные системы и политики управления, доверие останется неполным».

Именно поэтому человеческий надзор остаётся ключевым фактором успеха. Агенты хороши, но выпускать их из-под контроля без присмотра — самоубийство. Пока бизнес-среда не созреет до того, чтобы агенты работали в тех же operational boundaries, identity systems и governance models, что и люди, мы будем смотреть им через плечо.

Куда катимся?

Эксперты настроены оптимистично. По мере того как компании будут нарабатывать опыт с агентами, доверие будет только расти. Уинтер из Microsoft резюмирует: «Если мы спроектируем агентов так, чтобы они работали в тех же границах, что и существующие корпоративные системы, они начнут вести себя как системы, которым организации уже доверяют». Звучит логично.

Исследователи выделили 101 задачу в трёх доменах — AI, данные, облако — и оценили, насколько респонденты готовы доверить их агентам....

🔗 Полный текст статьи читайте у нас на сайте: Читать на TechLoot

📢 ТехноЛут