Агентный AI: от автоматизации задач к цифровой автономии бизнеса

По оценкам Gartner, агентный AI уже вошёл в стратегические бизнес-тренды, а к 2028 году он будет автономно принимать около 15% ежедневных рабочих решений. AI-агент способен писать код, управлять рекламой, обрабатывать запросы клиентов, выполнять рутинные задачи бэк-офиса без участия человека. Такой искусственный интеллект — дополнительный сотрудник, который сам ставит цели, достигает их, оценивает результаты, корректирует работу. По прогнозам MarketsandMarkets, рынок агентного AI к 2030 году вырастет почти в 10 раз  и превысит 47 млрд долларов. Развитие систем принятия решений и других инструментов поддержат этот темп. 

Отличия агентного AI от традиционного

В отличие от традиционных AI-систем, которые просто исполняют заданные инструкции, агентный ИИ выходит за рамки автоматизации процессов.

Автономность

ИИ-агент способен работать без участия человека. Причём самостоятелен он на всех этапах, от постановки целей до контроля бизнес-процессов. Он сам ставит цели, принимает решения, управляет процессами. 

Самообучаемость

AI-агент анализирует результаты своих действий, накапливает опыт, адаптирует поведение в реальном времени. Это повышает эффективность и устойчивость системы, снижает количество ошибок.

Взаимодействие с внешней средой

Агентный AI интегрируется в бизнес-системы, работая с базами данных, CRM, каналами связи. ИИ может параллельно работать с разными инструментами: общаться с клиентом, извлекать данные из баз, подключаться к сервисам через API. Взаимодействие с AI не требует навыков, он понимает естественный, то есть используемый людьми для общения, язык.

Как работают AI-агенты

Работа агентного ИИ состоит из трёх этапов: он воспринимает информацию из доступных источников, с помощью LLM — ИИ, который распознаёт и генерирует текст — анализирует данные, планирует действия, а затем через интерфейсы взаимодействует с нужными службами, другими системами и пользователем.

Для прохождения этих этапов нужны одинаковые компоненты:

• Агентно-ориентированные интерфейсы для подключения агентных ИИ к нужным для работы системам и для взаимодействия с пользователем.
• Модуль памяти, который включает краткосрочную (последние взаимодействия) и долговременную (база знаний) память. 
• Модуль профиля, который задаёт поведенческие модели, роли, цель, другие свойства агента. 
• Модуль планирования, который определяет последовательность действий для достижения цели, чаще всего используя большую или малую языковые модели.
• Модуль действий, который включает инструменты (API, системные интеграции), определяющие доступную агенту деятельность.

По словам Арсения Груздева, директора технологической практики «Территории доверия», в основе работы агентных систем AI лежит несколько технологий (LLM, RAG (Retrieval Augmented Generation) — поисковая дополненная генерация). Их сочетание позволяет агенту не только извлечь информацию, но и принять решение, а затем совершить осмысленное действие.

Системы ИИ могут работать с разной степенью автономности — от гибридного формата, когда AI-агент дополняет человека, до полностью автономной работы. В так называемых мультиагентных системах несколько ИИ-агентов взаимодействуют между собой без участия человека: один проверяет оплату, другой — наличие товара, третий отправляет клиенту трекинг-ссылку. Как отмечает Груздев, такие системы позволяют назначать отдельных агентов для контроля качества работы других ИИ, что усиливает самопроверку и надёжность всей архитектуры.

Как AI-агентов применяют в бизнесе

• Поддержка клиентов. Агентные AI классифицируют запросы, отправляя сложные случаи человеку, ищут данные в CRM, предоставляют готовые решения, автоматически запускают самообслуживание, отвечают на типовые обращения. К 2029 году до 80% обращений будут, по данным Gartner, обрабатываться без участия человека.
• Программирование. AI-агенты способны не просто создавать код, но и выполнять многоуровневые задачи, самостоятельно предлагать изменения с пониманием контекста проекта. По прогнозу технического директора Microsoft, к 2030 году 95% программирования будет выполнять ИИ.
• Внутренние процессы. AI без участия человека планирует расписание, рекомендует меры профессионального развития, оптимизирует производственные процессы. Сбер использует AI-агентов во внутренних ИТ-процессах, от запроса доступа до сбора аналитики, и планирует расширять их применение.
• Маркетинг и продажи. Искусственный интеллект запускает и ведёт рекламные кампании, генерирует лиды, сегментирует аудитории, персонализирует контент, анализирует поведенческие модели пользователей. В мире около 60% компаний, использующих ИИ, применяют его в маркетинге. А анализ поведенческих моделей с использованием данных при оценке рекламных кампаний повысил их эффективность на 17%.
• HR и рекрутинг. AI-агенты анализируют навыки сотрудников, формируя личные карьерные треки, проводят адаптацию новых сотрудников, оценивают потенциал работников.
• Логистика и управление материалами. ИИ прогнозирует структуру покупок, помогает регулировать уровень запасов в динамике, ориентируясь на покупательский спрос.
• Финансовые операции. Например, в бухгалтерских операциях AI уменьшает риск человеческой ошибки, в некоторых сферах — на 91%. Компании, внедряющие ИИ в бухгалтерии, повысили точность данных на 28%, одновременно сокращая траты на бухгалтерские операции в среднем на 37%.

Как агентный AI изменит бизнес-модели и взаимодействие в командах

Появление агентного AI — переход к новой логике работы внутри компаний. По словам Арсения Груздева, стратегические решения всё равно остаются за людьми, но многие задачи бэк-офиса и центров операционной активности можно автоматизировать. При этом цифровые агенты не требуют точного технического задания: они понимают задачи, сформулированные разговорным языком без специальных терминов. А самостоятельность ИИ в работе и принятии решений меняет взаимодействие внутри команды и с внешними стейкхолдерами, освобождая сотрудников от части задач.

• Ускорение процессов
  Агентный AI берёт на себя сложные, многошаговые задачи, которые раньше требовали ручного управления и участия нескольких сотрудников. Благодаря взаимодействию на естественном языке и интеграции с системами компании такие проекты выполняются быстрее и с меньшими затратами.
• Улучшение обслуживания клиентов
  ИИ сам анализирует входящие запросы, обращается к CRM и базам данных, выбирает оптимальные решения, действуя в реальном времени. Сотрудники освобождаются от рутины, при этом уровень сервиса только растёт — клиенты получают персонализированные ответы и решения почти мгновенно.
• Прогнозирование и ситуационная осведомлённость
  Агентные системы обрабатывают большие массивы данных и формируют прогнозы, позволяя бизнесу действовать проактивно. Команды получают актуальные рекомендации и могут заранее реагировать на изменения спроса, сбои в цепочках поставок или изменения в поведении клиентов.

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в телеграм-канале. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.