Агентный ИИ: от хайпа к результату
Недавно McKinsey опубликовал довольно занятную статью которая посвящена анализу внедрению Искусственного интелекта после начала так называемой “революции агентного ИИ”.
Я решил поресёрчить эту историю и посмотреть как вообще обстоят дела в мире в сфере внедрения ИИ в бизнес процессы.
Корпорации всерьёз взялись за внедрение агентного ИИ. Но за красивыми историями успеха скрывается жёсткая статистика:
- до 40% проектов будут свёрнуты к 2027 году
- 90% пилотов не доходят до продакшена
Парадокс: технология обещает ROI в 100%+, но большинство внедрений терпит фиаско. Почему так происходит и что делать?
Что говорит McKinsey - 6 смертельных грехов агентных проектов:
1) Технология ради технологии
Классическая схема провала: “Нам нужны AI-агенты!” → покупка дорогой платформы → поиск применений → попытки притянуть решения за уши
Ритейл-гигант потратил $5M на AI-платформу, а потом спрашивал департаменты, что они могли бы с ней делать. Результат: 23 недоработанных пилота, ноль продакшен - внедрений.
Агент — это не “улучшенная автоматизация”, а фундаментально иной подход к реорганизации рабочих процессов. - пишет McKinsey
2) Катастрофа данных
В страховой компании агент провалился, потому что 40% данных хранились в PDF, 30% имели несовместимые форматы, а ID клиентов не совпадали между системами.
Зачастую компаний не имеют инфраструктурной базы для полезного агентного ИИ. Попытки построить “Формулу-1 на двигателе от картинга” обречены на провал.
3) "Big Bang" - сразу автоматизировать всё.
Банк попробовал автоматизировать весь процесс кредитования AI-агентами.
День 1: система одобрила кредит $2M собаке. День 3: проект заморожен.
Слишком много переменных, слишком много точек отказа, слишком сложно отлаживать при сбоях.
4) Игнорирование человеческого фактора
Построение агентов, которые заменяют людей без вовлечения их в процесс. Результат: саботаж системы или полный отказ от использования
5) Отсутствие чётких метрик успеха
Запуск с расплывчатыми целями типа “повысить продуктивность” или “снизить затраты”. Без измеримых результатов команды не могут понять, работает ли агент или просто создаёт видимость деятельности.
6) Недооценка опасности
Агентные системы взаимодействуют через чувствительные рабочие процессы. Без сильного управления риски безопасности данных могут задержать внедрение.
Правильная стратегия: как попасть в успешные 10%
McKinsey подчёркивает: дело не в агенте, а в workflow. Начните с процессов - выявления болевых точек пользователей, и только потом решайте, где и как использовать агентный ИИ.
Альтернативная юридическая компания преуспела, потому что спроектировала агентов для обучения внутри рабочего процесса. Каждая правка пользователя в редакторе документов категоризировалась, создавая богатый поток обратной связи для обучения агентов.
Onboarding агентов больше похож на найм нового сотрудника, чем на развёртывание программного обеспечения
Взгляд в будущее: что дальше?
К 2028 году агентный ИИ займёт до 33% корпоративных приложений. До половины технологических расходов может приходиться на агенты, работающие по всему предприятию.
Основной урок: Агентный ИИ — фундаментальный сдвиг к новым операционным моделям, где автономные системы и люди создают ценность совместно. Компании, которые понимают эту разницу и инвестируют соответственно, получат преимущества. Те, кто рассматривает это как очередной IT-проект, пополнят статистику неудач.
Мы сами каждый день внедряем агентный ИИ для компаний — и для внешних задач (общение с клиентами), и для внутренних (база знаний, автоматизация процессов).
Наш опыт подтверждает выводы аналитиков: технологии вторичны. Секрет успеха — в том, как встроить ИИ в живые процессы бизнеса. Когда это сделано правильно, эффект всегда заметен: скорость выше, издержки ниже, клиенты довольнее.
#insight 🍀