Масштаб проблемы в цифрах
По данным исследования «Искусственный интеллект в России — 2025», 34% российских поставщиков решений на базе ИИ позиционируют свой продукт как ИИ-помощника или ИИ-агента. Это самая крупная категория на рынке. При этом в концепции ИИ-агента разбираются 11% людей за пределами отрасли ИИ.
Треть рынка называет себя агентами, десятая часть покупателей способна проверить это утверждение. Дальше происходит предсказуемое: клиент платит за агента, а получает чат-бот с интеграцией по API. Отсюда и главная ошибка при закупке, которую формулируют авторы исследования «Яков и Партнёры»: заплатить за агента, а получить ассистента. Это разные классы решений с разной ценой и разным потолком эффекта.
Есть и зеркальная ошибка, о ней говорят реже. Построить агентную инфраструктуру там, где хватило бы ассистента, и заплатить за автономность, которая в этом процессе никому не нужна.
Рабочее определение
Исследователи обобщили формулировки шести ведущих отраслевых компаний и вывели определение, которое можно применять на переговорах.
ИИ-агент — автономная система, работающая в петле обратной связи: она сама планирует, действует, наблюдает результат, корректирует подход и доводит задачу до конца без постоянного участия человека.
Практическое отличие от ассистента одно. Агенту вы говорите, что нужно сделать, и он сам определяет, как этого добиться. Ассистенту нужно указывать каждый шаг.
В отчёте это объясняют через повара. Вы говорите «ужин на четверых, один вегетарианец» и не объясняете, что взять 200 граммов муки и разогреть духовку до 180 градусов. Такие решения повар принимает сам. Но без вас всё равно не обойтись, потому что заказчик вы.
Шесть критериев, по которым проверяют архитектуру
Агентный цикл. Система проходит полный круг: планирование, действие, наблюдение, корректировка. Без петли обратной связи это обычный инструмент автоматизации.
Планирование. Система сама разбивает путь к цели на шаги. Если шаги задаёт пользователь, он и есть планировщик.
Работа с инструментами. Есть доступ к API, базам данных, корпоративным системам, браузеру или коду. Без этого агент умеет только отвечать текстом.
Самокоррекция. При ошибке или неожиданном результате система меняет подход. Иначе она ломается на первом же отклонении от сценария.
Память. Контекст сохраняется между шагами, а при необходимости и между сессиями. Без памяти длинный процесс не пройти.
Автономное завершение. Система доводит задачу до конкретного результата. Если на последнем шаге она ждёт указаний, это помощник.
Считают так: «да» даёт балл, «частично» — половину, «нет» — ноль. Полноценным агентом считается продукт, набравший минимум пять баллов из шести.
Поверх критериев работает шкала зрелости из пяти уровней. L1 — языковая модель, текст на входе и текст на выходе, аналогия с калькулятором. L2 — ИИ-ассистент, чат с сохранением контекста, каждый шаг задаёт пользователь. L3 — ассистент с агентными функциями, умеет искать информацию и обращаться к внешним системам, но работает под контролем, как стажёр при наставнике. L4 — полноценный агент, получает задачу и доводит её до результата в заданных границах, как молодой сотрудник. L5 — мультиагентная система, где несколько агентов координируются через оркестратор.
Различие между двумя инструментами важное, и его часто путают. Шесть критериев проверяют архитектуру продукта. Шкала L1–L5 оценивает конкретное внедрение в конкретной компании. Продукт с архитектурой уровня L4 вполне может работать у вас на уровне L2, потому что ему не выдали прав или не настроили автономный режим.
Что показала проверка 18 мировых продуктов
Из восемнадцати лидеров рынка порог полноценного агента прошли семь, то есть 39%. Максимальные 6 из 6 набрали Claude Code, Devin и Codex от OpenAI. По 5,5 балла у Cursor, Operator, Harvey и Manus.
Остальные одиннадцать распределились так: три агента с ограничениями, пять ИИ-ассистентов, два фреймворка (CrewAI и AutoGen оценке по этой методике не поддаются, это инструменты сборки), одно средство автоматизации рабочих процессов.
Отдельные результаты стоит запомнить, потому что они контринтуитивны. Microsoft 365 Copilot получил 1 балл из 6. Gemini Advanced — 0,5. Проекты Claude — 1. Платформа Lilli в McKinsey, те самые агенты из пресс-релизов, — 1 балл из 6. GPT-системы BCG — 0,5.
Проверка внедрений дала ещё более скромную картину. Из 43 публичных мировых кейсов уровня L4–L5 достигают десять, то есть 23%. Подавляющее большинство остаётся на L3–L3,5: фиксированные цепочки действий с элементами автономности, но без агентной логики.
Ещё один неожиданный вывод
Считается, что агентов ставят в первую очередь на клиентские процессы. Из публикаций в прессе складывается именно такое впечатление, потому что кейсы про поддержку и продажи ярче.
Факт другой: 51% решений работает во внутренних процессах против 37% в клиентских. Коммуникации, управление персоналом, ИТ, цепочки поставок, финансы, документооборот. Уровень зрелости при этом в обеих группах примерно одинаковый.
Логика простая. В бэк-офисе ошибка агента не видна клиенту, репутационные риски ниже, а окупаемость предсказуемее. Начинать с бэк-офиса — не осторожность, а расчёт.
Чек-лист для разговора с вендором
Шесть критериев легко превращаются в шесть вопросов, на которые продавец либо отвечает конкретикой, либо начинает рассказывать про инновационность.
Кто разбивает задачу на шаги — ваша система или мой сотрудник? Покажите лог, где видно планирование.
Что происходит, когда шаг завершается ошибкой? Система пробует другой путь или останавливается и ждёт человека?
К каким моим системам она подключается и какие действия там совершает? Не «читает данные», а именно совершает: создаёт документ, меняет статус, отправляет заявку.
Что она помнит между шагами и между сессиями?
На каком шаге процесс заканчивается без участия человека и какая доля случаев доходит до конца автономно?
И контрольный: покажите внедрение, где ваш продукт закрывает процесс целиком, с метрикой до и после.
Если из шести ответов внятных меньше трёх, вам продают ассистента. Это не повод отказываться: ассистент может быть ровно тем, что нужно, и стоить он должен соответственно. Повод отказаться появляется тогда, когда ассистент стоит как агент.
Мы в dzeta.ai собираем агентные системы под конкретные процессы и по опыту скажем: честный ответ на вопрос «а нужен ли здесь вообще агент» экономит клиенту больше, чем любая оптимизация промптов. Разобрать вашу ситуацию можно тут: dzeta.ai
Источники: «Яков и Партнёры», «ИИ-агенты: где хайп, а где реальность» (2026); исследование «Искусственный интеллект в России — 2025»; Computerworld; Gartner.