Операционные модели в бизнесе меняются быстрее, чем успевают меняться оргструктуры большинства компаний. Пока один директор обсуждает, разрешать ли команде очередной ИИ-инструмент, конкурент уже перестраивает модель работы в продажах, поддержке, бэк-офисе и выигрывает, закрывая тем же составом в разы больший объем задач. Мы как ИТ-компания начинали внедрение agentic-подхода на отделе разработки, но дальше прошли этот путь и в других направлениях бизнеса. Разберем, что происходит на практике, когда компания сознательно переходит от экспериментов отдельных энтузиастов к agentic-подходу как основной операционной модели.
Собрать агента может каждый, конвейер — нет
ИИ-инструменты снижают порог входа настолько, что любой сотрудник сегодня может за вечер собрать сценарий под конкретную операцию — оформление коммерческого предложения, расшифровку встречи, черновик письма. Дальше такая самодеятельность превращается в боль руководителя, которому предстоит разбираться, стоит ли распространять прототип на отдел или это разовая игрушка, которая развалится при первой же проверке. Именно легкость создает обманчивое ощущение, что дальше все пойдет само собой. На деле решение работает только на одном сценарии и на данных одного человека.
Решить одну конкретную задачу агентом несложно. Сложность начинается там, где разовое решение нужно превратить в устойчивый производственный процесс, чтобы ИИ-агент не терял контекст между сессиями, не деградировал при обновлении модели, проходил контрольные точки без ручного участия человека на каждом шаге, а его действия можно было проследить.
Контроль без понимания
Прежде чем перейти к конкретным проектам, стоит зафиксировать проблему, из-за которой agentic-подход настораживает руководителей. Раньше управленец мог приблизительно детерминировать процесс получения результата: каждый человек выполнял в организации понятную функцию, а в конце цепочки появлялся результат, который можно было объяснить и при необходимости разобрать по шагам. С агентами эта связь рвется, поскольку результат приходит из процесса, который руководитель не проектировал и не понимает. Это похоже на ситуацию, когда человек всю жизнь готовил себе еду сам — пусть не идеально, но предсказуемо и по понятному рецепту. А потом ему приносят закрытую коробку с одной кнопкой: нажал, что-то зашумело и засветилось, и на столе оказалось готовое блюдо. Станет ли он есть такую еду по умолчанию?
Из пяти классических функций управления agentic-подход обесценивает почти все, кроме контроля. Модель не нужно мотивировать: у нее нет отпусков и выгорания. Планировать с ней почти нечего — она не выбирает, когда работать. Делегирование сводится к постановке задачи. Остается контроль, но контролировать то, что не понимаешь, невозможно. Именно в этой точке чаще всего застревает переход от разрозненных экспериментов к системе. Проекты по внедрению ИИ упираются в управленческую стену: по прогнозу Gartner, из-за неясной окупаемости и недостаточного контроля рисков к концу 2027 года будет отменено более 40% agentic-проектов. Эксперты Harvard Business School, изучившие опыт использования ИИ в консалтинговых компаниях, констатируют похожий эффект на уровне среднего менеджмента: в их новые обязанности входит проверка результатов ИИ, поиск ошибок, обучение команды.
Из пяти классических функций управления agentic-подход обесценивает почти все, кроме контроля.
Модель не нужно мотивировать: у нее нет отпусков и выгорания. Планировать с ней почти нечего — она не выбирает, когда работать. Делегирование сводится к постановке задачи. Остается контроль, но контролировать то, что не понимаешь, невозможно. Именно в этой точке чаще всего застревает переход от разрозненных экспериментов к системе. Проекты по внедрению ИИ упираются в управленческую стену: попрогнозуGartner, из-за неясной окупаемости и недостаточного контроля рисков к концу 2027 года будет отменено более 40% agentic-проектов. Эксперты Harvard Business School, изучившие опыт использования ИИ в консалтинговых компаниях, констатируютпохожий эффект на уровне среднего менеджмента: в их новые обязанности входит проверка результатов ИИ, поиск ошибок, обучение команды.
Подход под масштаб
Логика перехода на agentic-разработку зависит от масштаба бизнеса, и подход, который сработал в одном случае, не переносится на другой без изменений. Боли у команды из десяти человек и у компании с историей в двадцать лет — принципиально разные. Это различие видно и в структуре затрат. По оценке Axenix, трехлетняя совокупная стоимость внедрения ИИ-агентов составляет около 12,5 млн рублей для малого бизнеса, 50 млн рублей — для среднего, 275 млн рублей для крупного бизнеса и около 1,3 млрд рублей для корпораций. У небольшой компании основные расходы приходятся на облачные сервисы, подписки, интеграцию нескольких сценариев и обучение команды. У крупной — на инфраструктуру, управление данными, безопасность, соответствие требованиям, интеграцию с большим числом систем и управление изменениями.
Для команды из трех-десяти человек переход занимает около месяца: роли, базу знаний и порядок работы можно собрать параллельно с текущими задачами, начиная с одной фичи. Именно этот путь мы прошли у себя на тестовых проектах.
Для крупной организации главная боль — страх, что попытка что-то ускорить сломает то, что и так работает. У большинства систем такого масштаба за плечами годы разработки, десятки интеграций, и ни один документ давно не описывает архитектуру целиком — часть знаний осталась только в головах людей, некоторые из которых уже не в проекте. Здесь agentic-подход начинается не с задачи «поставить ИИ писать код», а с инвентаризации: какие связи между частями системы существуют де-факто, а не на бумаге, где бизнес-логика размазана по разным сервисам, что нельзя трогать без риска сломать биллинг, интеграцию или процедуру, обязательную по закону.
По нашему опыту, на такую инвентаризацию у команды из пяти-семи человек уходит от полутора до трех месяцев — и это только на то, чтобы получить рабочую карту будущей автоматизации, а не идеальную документацию. Дольше всего восстанавливается контекст там, где систему годами перестраивали разные подрядчики, а часть интеграций держится на человеке, который уже не в проекте. Несколько вещей, которые в этой ситуации реально помогают:
● Начинать с интервью: 2–3 часа с каждым инженером, который дольше всех в проекте, дают больше, чем неделя чтения репозитория.
● Использовать историю тикетов и инцидентов как источник правды о том, где на самом деле хрупкие места, — там, где чаще всего чинили одно и то же, обычно и живет нигде не описанный контракт.
● Фиксировать восстановленный контекст сразу в общий слой знаний, а не в голову одного архитектора — иначе через полгода придется проходить этот путь заново.
● Закладывать бюджет и время на этот этап отдельной строкой иначе руководству будет казаться, что проект стоит без движения.
Похожая логика была на миграции бэкенда крупной сети быстрого питания на новую архитектуру. Agentic-инструменты применялись не ко всей системе разом, а точечно. На практике это выглядело так: автоматизация готовила тесты только для одного модуля, любое изменение сначала автоматически проверялось на соответствие внутренним стандартам и только потом уходило на ревью специалисту. В legacy работает именно ограниченный периметр: не отдавать агенту всю систему, а встроить его в уже существующий у заказчика процесс контроля.
Выход на зрелый процесс здесь занимает годы, но и эффект другой — не ускорение отдельной задачи, а высвобождение времени специалистов, которое раньше уходило бы на расширение команды и снижение стоимости постоянных доработок, которые в enterprise-разработке обычно измеряются десятками миллионов рублей в год.
Читайте по теме: На смену хайпу: как управленцу внедрить ИИ в компании
Дилемма собственника: автоматизация сама себя не запустит
Еще одна боль проявляется уже на уровне собственников и акционеров. Замысел обычно один: заменить часть людей агентами и получить финансовый эффект от трансформации. Но то, как эта задача решается на практике, регулярно упирается в организационный тупик, который редко проговаривают вслух.
Если поставить ИТ-отделу задачу внедрить ИИ-агентов в другие отделы, то результата ждать не стоит. Айтишники настроят ИИ-сервисы и дадут инструменты коллегам, но не смогут сами добиться финансового эффекта, потому что не могут вмешиваться в чужие процессы.
Задачу нужно ставить функциональным руководителям: финансовому директору, HR-директору, коммерческому и маркетинговому директорам. Но даже если их удается убедить сократить часть команды, личной заинтересованности в этом почти никогда нет: отдел — это бюджет, статус и политический вес внутри компании, а формулировка «сократите людей и работайте вдвоем» вызывает сопротивление, даже когда формальное согласие получено. Добавьте к этому команды, которые работают вместе годами и сопротивление становится эмоциональным.
Поэтому agentic-трансформация не должна выглядеть как передача задачи от собственника ИТ-директору или отдельному руководителю функции. Это совместный управленческий проект, в котором технический и функциональный блоки получают одну цель и отвечают за неё вместе.
Читайте также: Как ИИ-агенты меняют привычные роли в компаниях
И стартовать нужно не с выбора модели и не с покупки платформы. Сначала необходимо выбрать конкретный процесс, понять, как он работает сегодня, где в нем возникает основная стоимость ручного труда, что именно можно передать агентам и какой бизнес-результат должен измениться.
Только после этого появляется смысл проектировать агентов, их роли, точки контроля и интеграции. То есть последовательность должна быть обратной привычной логике: сначала процесс и экономика — потом автоматизация.
Что делать на практике
Начинать с пилотного проекта. Выберите узкую задачу с понятным результатом и ограниченным риском. Это позволяет отладить роли, точки контроля и поток работы до того, как вы начнёте масштабировать подход на критичные процессы.
Заложить прочный фундамент. Уделите внимание качеству данных, выстройте базовые процессы управления данными и при необходимости модернизируйте инфраструктуру доступа. Без этого агенты будут работать на «грязных» или недоступных данных — и быстро разочаруют.
Тщательно продумать оркестрацию. Четко определите роли агентов,правила их взаимодействия и механизмы синхронизации. Опишите их так же формально, как описывали бы взаимодействие подразделений.
Внедрить механизмы контроля. Для критичных решений обязательно оставляйте человека в контуре. Определите заранее, какие решения агент может принимать сам, а какие — только после подтверждения.
Обеспечить мониторинг и наблюдаемость. Система должна позволять в реальном времени видеть, что делают агенты, где возникают сбои и какие правила срабатывают. Без наблюдаемости вы теряете возможность управлять.
Уделить внимание безопасности. Реализуйте изоляцию сред, ограничение прав доступа и обязательный аудит действий агентов. Это условие, при котором руководители вообще готовы отдавать агентам реальные полномочия.
Главное здесь не перепутать автоматизацию инструмента с автоматизацией процесса.
ИИ может появиться в компании за несколько дней. Но чтобы он начал системно менять экономику бизнеса, кто-то должен спроектировать новый процесс, встроить в него технологию и взять ответственность за результат.
Результат в цифрах
Если вы дочитали до этого места и узнали свою компанию, скорее всего, у вас один из двух вопросов. Первый — как дать сотрудникам легальный, контролируемый доступ к моделям, не теряя видимость расходов. Это больше управленческий вопрос политики доступа, чем технический: часть компаний закрывает его своими силами за пару недель, просто договорившись о едином инструменте и лимитах, часть берет готовую платформу, чтобы не тратить на это время инженеров.
Второй — как перевести разовые эксперименты сотрудников в устойчивый процесс: с ролями агентов, базой знаний, точками контроля и прослеживаемостью, которая выдержит проверку безопасности и не развалится через полгода. Это тоже не столько про технологии, сколько про то, что придется переосмыслить: как распределяется ответственность между человеком и агентом, как меняется роль тех, кто раньше просто писал код руками, и кто в компании будет отвечать за систему, когда она однажды даст сбой. Часть команд проходит этот путь сами, методом проб и ошибок, и это нормальная стратегия, если готовы заложить на нее время. Мы сами прошли через большинство описанных здесь развилок.
Каких показателей вообще реально ждать от такой трансформации и на каком горизонте? Вот к чему привели полтора года этого пути у нас: штат сократился с 230+ до 145 человек, при этом число выпускаемых решений выросло с одного в год до пяти, а подготовка прототипа сократилась с полутора месяцев до недели. В деньгах это дало рост выручки на 25%, по отдельным направлениям — на 40%, а рост прибыли составил 400%.
