Компании запустили тысячи ИИ-агентов. Что они делают прямо сейчас — не знает никто. И это уже проблема
NewsMakerБизнес увлекся умными алгоритмами и не заметил, как потерял над ними контроль.
Крупные компании всё чаще запускают ИИ-агентов , но большинство проектов пока остаётся на стадии тестов. По данным Forrester, три четверти руководителей уже говорят о внедрении агентного ИИ, однако до полноценной работы в бизнесе дошла только небольшая часть инициатив. Компании пробуют технологию, собирают первые варианты применения и проверяют, где автономные помощники действительно экономят время, деньги или ручной труд.
Агентный ИИ отличается от обычного чат-бота . Чат-бот отвечает на запрос и ждёт следующей команды. ИИ-агент получает цель, сам выбирает шаги, обращается к инструментам, берёт данные из разных систем и может продолжать задачу без постоянных подсказок человека. Вокруг технологии быстро вырос сильный шум: поставщики программного обеспечения начали добавлять слово agentic в презентации, описания продуктов и маркетинговые материалы, хотя за новым названием часто скрывается обычный помощник с несколькими дополнительными функциями.
Forrester считает 2026 год важным для рынка, потому что агенты для длинных задач уже перестали быть только обещанием. Разработчики показывают системы, которые работают не пять минут, а дни, недели или даже месяцы. Среди примеров - разработка программ, исследовательские процессы, сбор данных, проверка вариантов, возврат к промежуточным результатам и движение к цели через несколько этапов.
На презентации агентный ИИ выглядит понятным и удобным: система получает задачу, строит план и постепенно выполняет работу. Внутри компании всё быстро усложняется. Агенту нужны доступы, данные, инструменты, ограничения, связь с внешними системами и понятные правила безопасности. Небольшой эксперимент можно запустить силами одной команды. Масштабный проект требует ответа на другие вопросы: кто следит за действиями агента, какие операции разрешены, где проходит граница полномочий, какие ошибки допустимы и как считать пользу.
Forrester видит главный разрыв именно на этапе перехода от теста к обычной работе. Компании охотно расширяют планы по ИИ-агентам, но часто не готовы управлять ими как частью бизнес-процессов. Выбор платформы остаётся неясным, правила контроля отстают от экспериментов, а расчёты окупаемости не всегда убеждают руководство вкладываться в большой запуск.
Риски растут, когда каждый отдел создаёт собственных помощников, а общей схемы управления нет. Поддержка автоматизирует ответы клиентам, разработчики пробуют помощника для кода, аналитики подключают ИИ к отчётам, внутренние службы создают бота для документов. Без общей карты быстро теряется понимание, какие агенты уже запущены, кто отвечает за доступы, где хранятся результаты и какие действия разрешены.
Несколько тестов ещё можно контролировать вручную. Десятки агентов уже работают как отдельная внутренняя система: принимают решения, вызывают инструменты, передают данные, влияют на сотрудников и требуют полноценной координации . В рабочей среде ошибки становятся заметнее: один агент повторяет задачу другого, второй опирается на старые данные, третий отправляет информацию дальше без нормального контроля.
Forrester отдельно выделяет расползание ИИ-агентов . Аналитики используют этот термин для ситуации, когда компания запускает всё больше автономных или полуавтономных помощников, но не успевает следить за их задачами, правами, владельцами и поведением. Больше половины предприятий сталкиваются с этой проблемой даже после появления внутренних правил и политик по управлению ИИ.
Одних документов недостаточно. Компания может описать принципы работы с ИИ, назначить ответственных и согласовать регламенты, но агент выполняет действие сразу. Если система уже вызвала инструмент, отправила запрос, изменила запись или передала данные, поздняя проверка не заменит технический запрет. Forrester считает, что автономным системам нужны автоматические ограничители: наблюдение за действиями, контроль разрешений и возможность остановить операцию в момент выхода за разрешённые рамки.
Поэтому главный вопрос для бизнеса сейчас не в запуске ещё одного агента, а в выборе задачи с измеримым эффектом. Автономия должна ускорять процесс, снижать затраты, убирать ручные операции или давать другой понятный результат. Пока компания не понимает, куда встроить систему, кто отвечает за последствия и какие показатели докажут успех, агентный ИИ будет оставаться в пилотах.
Крупные компании всё чаще запускают ИИ-агентов , но большинство проектов пока остаётся на стадии тестов. По данным Forrester, три четверти руководителей уже говорят о внедрении агентного ИИ, однако до полноценной работы в бизнесе дошла только небольшая часть инициатив. Компании пробуют технологию, собирают первые варианты применения и проверяют, где автономные помощники действительно экономят время, деньги или ручной труд.
Агентный ИИ отличается от обычного чат-бота . Чат-бот отвечает на запрос и ждёт следующей команды. ИИ-агент получает цель, сам выбирает шаги, обращается к инструментам, берёт данные из разных систем и может продолжать задачу без постоянных подсказок человека. Вокруг технологии быстро вырос сильный шум: поставщики программного обеспечения начали добавлять слово agentic в презентации, описания продуктов и маркетинговые материалы, хотя за новым названием часто скрывается обычный помощник с несколькими дополнительными функциями.
Forrester считает 2026 год важным для рынка, потому что агенты для длинных задач уже перестали быть только обещанием. Разработчики показывают системы, которые работают не пять минут, а дни, недели или даже месяцы. Среди примеров - разработка программ, исследовательские процессы, сбор данных, проверка вариантов, возврат к промежуточным результатам и движение к цели через несколько этапов.
На презентации агентный ИИ выглядит понятным и удобным: система получает задачу, строит план и постепенно выполняет работу. Внутри компании всё быстро усложняется. Агенту нужны доступы, данные, инструменты, ограничения, связь с внешними системами и понятные правила безопасности. Небольшой эксперимент можно запустить силами одной команды. Масштабный проект требует ответа на другие вопросы: кто следит за действиями агента, какие операции разрешены, где проходит граница полномочий, какие ошибки допустимы и как считать пользу.
Forrester видит главный разрыв именно на этапе перехода от теста к обычной работе. Компании охотно расширяют планы по ИИ-агентам, но часто не готовы управлять ими как частью бизнес-процессов. Выбор платформы остаётся неясным, правила контроля отстают от экспериментов, а расчёты окупаемости не всегда убеждают руководство вкладываться в большой запуск.
Риски растут, когда каждый отдел создаёт собственных помощников, а общей схемы управления нет. Поддержка автоматизирует ответы клиентам, разработчики пробуют помощника для кода, аналитики подключают ИИ к отчётам, внутренние службы создают бота для документов. Без общей карты быстро теряется понимание, какие агенты уже запущены, кто отвечает за доступы, где хранятся результаты и какие действия разрешены.
Несколько тестов ещё можно контролировать вручную. Десятки агентов уже работают как отдельная внутренняя система: принимают решения, вызывают инструменты, передают данные, влияют на сотрудников и требуют полноценной координации . В рабочей среде ошибки становятся заметнее: один агент повторяет задачу другого, второй опирается на старые данные, третий отправляет информацию дальше без нормального контроля.
Forrester отдельно выделяет расползание ИИ-агентов . Аналитики используют этот термин для ситуации, когда компания запускает всё больше автономных или полуавтономных помощников, но не успевает следить за их задачами, правами, владельцами и поведением. Больше половины предприятий сталкиваются с этой проблемой даже после появления внутренних правил и политик по управлению ИИ.
Одних документов недостаточно. Компания может описать принципы работы с ИИ, назначить ответственных и согласовать регламенты, но агент выполняет действие сразу. Если система уже вызвала инструмент, отправила запрос, изменила запись или передала данные, поздняя проверка не заменит технический запрет. Forrester считает, что автономным системам нужны автоматические ограничители: наблюдение за действиями, контроль разрешений и возможность остановить операцию в момент выхода за разрешённые рамки.
Поэтому главный вопрос для бизнеса сейчас не в запуске ещё одного агента, а в выборе задачи с измеримым эффектом. Автономия должна ускорять процесс, снижать затраты, убирать ручные операции или давать другой понятный результат. Пока компания не понимает, куда встроить систему, кто отвечает за последствия и какие показатели докажут успех, агентный ИИ будет оставаться в пилотах.