Цифры, из-за которых стоит остановиться
Я посмотрел свежую статистику по американскому рынку, и она выглядит как две новости, склеенные по ошибке.
Первая: агенты победили. 97% руководителей отчитались, что за последний год их компания запустила ИИ-агентов. Это опрос Writer совместно с Workplace Intelligence, 2400 респондентов – выборка приличная.
Вторая: денег это почти никому не принесло. Значимую отдачу видят 29%. О трудностях с внедрением говорят 79%.
Между этими двумя абзацами и живёт вся интересная часть.
Сразу оговорюсь про методики, иначе цифры начнут спорить друг с другом. «Внедрили» в опросах руководителей и «работает в проде» в технических обзорах – это разные вещи: по строгому счёту хотя бы один агент в продакшене есть у 31% компаний, а не у 97%. Разброс по отраслям тоже огромный – банки и страхование на 47%, здравоохранение на 18%, госсектор на 14%. Так что «внедрили почти все» – это про пилоты и презентации, а не про боевые контуры. Что, если честно, уже половина ответа.
Разрыв не там, где его ищут
Когда проект не окупается, первым делом винят модель. Взяли не ту, надо было флагман, надо было дообучить.
По данным – причина в другом. Почти три четверти внедрений, которые уже работают в продакшене, живут без управления процессом: никто не знает, сколько агент отработал задач, сколько из них сделал верно, во что обошёлся и что происходит, когда он ошибается. Агент есть. Ответственного за него нет.
Рынок это осознал быстро: отдельную роль – «владелец агентов», «agentic ops» – ввели 56% компаний против 11% в 2024-м. Рост в пять раз за два года.
Малый бизнес не может позволить себе дополнительного сотрудника, следящего за агентской работой, поэтому я все решения дополняю автоматической подробной статистикой, чтобы руководители компаний в любой момент могли видеть, что происходит с результатами внедрения ИИ в бизнес.
Моя формулировка после нескольких запусков простая. Агент – это не программа, а сотрудник без инстинкта самосохранения. Он не постесняется сделать глупость сто раз подряд и не придёт сказать, что запутался. Если у живого менеджера есть руководитель, то и у агента должен быть – иначе он молча делает не то, и узнают об этом от клиента.
Где отбивается быстро, а где долго
Медианный срок до первой отдачи – 5,1 месяца, это данные BCG и Forrester. Но среднее здесь бесполезно, потому что участки ведут себя по-разному.
| участок | окупаемость | почему так |
|---|---|---|
| продажи, первичные заявки | 3,4 месяца | много однотипных обращений, ошибка стоит дёшево, результат виден в заявках |
| поддержка, ответы на вопросы | 4,1 месяца | выигрыш во времени ответа, но нужен человек на сложных случаях |
| финансы и операции | 8,9 месяца | цена ошибки высокая, много согласований, интеграции с учётными системами |
В плюс за год выходят 41% внедрений, за полгода – 18%. То есть большинство проектов не проваливается, а просто окупается дольше, чем обещали на старте.
Отсюда практический вывод, который экономит месяцы. Начинать надо не с самого болезненного участка, а с самого частого и дешёвого по последствиям. Обработка входящих заявок окупается втрое быстрее финансов не потому, что там технологии проще, а потому, что там можно ошибиться и это не будет стоить больших денег. Как это выглядит в деньгах на живом проекте – разбирал в смете на ИИ-бота.
Почему «умный» агент проигрывает простому сценарию
Отдельно про соблазн, на который попадаются почти все.
Когда агент умеет рассуждать, хочется дать ему свободу: пусть сам разберётся, сам решит, сам ответит. На демонстрации это выглядит великолепно. В работе – хуже жёсткого сценария, и я про это уже писал отдельно.
Причина в том, что бизнес-задача редко требует творчества. Записать на приём, принять заявку, ответить на вопрос из прайса – это конечные маршруты. Свобода в них добавляет не пользу, а дисперсию: из ста обращений девяносто пять обработаны отлично, а пять – творчески, и разгребать приходится эти пять.
Работает связка: жёсткий сценарий на частых маршрутах, а рассуждающая модель – там, где маршрут неизвестен заранее. Не наоборот.
Что делать перед запуском
Короткий список, который я прогоняю до того, как что-то писать.
Метрика до старта. Сколько заявок в день, сколько времени уходит на одну, сколько стоит час сотрудника. Если этих чисел нет – отдачу измерить будет нечем, и через полгода спор «стало лучше или нет» превратится в вопрос веры.
Один участок, а не весь процесс. Агент на входящих заявках, а не «агент, который ведёт клиента от заявки до оплаты». Второй никогда не запустится.
Права по минимуму. Доступ только к тому, что нужно для задачи. Свежая история, когда модели в тестовой среде самостоятельно вышли за её пределы и добрались до чужой инфраструктуры, – хорошее напоминание, что «пусть будет полный доступ, так проще» плохо кончается. Про то, как это ограничивают на практике, есть целый курс у Anthropic.
Человек на выходе. Хотя бы на первый месяц: агент готовит, человек подтверждает. Дальше по накопленной статистике видно, что можно отпускать.
Кто владелец. Конкретная фамилия человека, который смотрит на цифры раз в неделю. Без этого пункта проект попадает в те самые три четверти без контроля.
Грабли, на которые уже наступил
Считали успехом то, что удобно считать. Количество обработанных обращений растёт – все довольны. А доля обращений, доведённых до результата, при этом может падать. Бот отвечает быстрее, только клиент после ответа уходит.
Отдавали агенту редкие случаи. Именно на них хочется его натравить – они отнимают больше всего времени у людей. Но редкий случай на то и редкий: обучающих примеров мало, ошибок много, экономии никакой.
Не закладывали стоимость поддержки. Модель дешевеет, а вот правки сценария, новые вопросы клиентов и изменения в прайсе – нет. Проект без строки на сопровождение выглядит окупившимся ровно до первого месяца, когда что-то поменялось.
Забывали про откат. Что происходит, если агент лёг или начал отвечать ерундой? Если ответа нет, первый же сбой превращается в потерянный день и злых клиентов.
Вопросы и ответы
С какого участка начинать, если непонятно?
С того, где обращения однотипные и частые, а цена ошибки низкая. Обычно это первичные заявки: их много, они похожи, и неудачный ответ не стоит денег.
Сколько ждать до отдачи?
По рынку медиана – около пяти месяцев, на продажах быстрее, на финансах вдвое дольше. Если через полгода отдачи нет, проблема почти наверняка не в модели, а в том, что участок выбран неверно или результат никто не измеряет.
Нужен ли самый мощный ИИ?
Почти никогда. На типовых маршрутах флагман не даёт выигрыша, зато даёт счёт. Мощная модель нужна там, где заранее неизвестно, что спросят.
Можно ли отпустить агента совсем без присмотра?
Со временем – на части маршрутов да, но только по накопленной статистике: где точность стабильно высокая, там человек не нужен. Начинать с полного доверия не стоит – это ровно тот сценарий, из которого выросли те самые внедрения без контроля.
Что делать, если у нас нет никаких цифр по процессу?
Собрать их за две-три недели до старта, вручную. Это скучно и это единственный способ потом доказать, что проект окупился.
Чем это отличается от обычного бота?
Бот отвечает на вопрос. Агент выполняет задачу: сам решает, каким инструментом воспользоваться, сходит в базу или в CRM и вернётся с результатом. Отсюда и разница в требованиях к правам доступа и контролю.
Что в итоге
Статистика 97% против 29% выглядит как приговор технологии, а на деле описывает разрыв в зрелости. Внедрить агента стало легко – настолько, что это делают до того, как решат, зачем. Управлять им по-прежнему трудно, и вот этому пока учатся.
Хорошая новость в том, что попасть в четверть, у которой работает, не требует ни особых моделей, ни большого бюджета. Требуется узкий участок, честная метрика до старта, минимум прав и человек, который отвечает за результат.
