Консалтинговая компания «Яков и Партнеры» провела анализ 30 продуктов ИИ и 65 примеров их внедрения в России и за рубежом. В соответствии с отчетом «ИИ-агенты: где хайп, где реальность», только 7 из 18 международных решений соответствуют по меньшей мере пяти из шести критериев полноценного агента. IT Speaker ознакомился с итогами исследования.
Среди 12 российских продуктов не было готовых агентов: четыре решения являются платформами для сборки, остальные восемь – ассистентами и чат-ботами. В корпоративных внедрениях ситуация аналогична: из 43 международных кейсов лишь 10 достигли уровня L4-L5, что позволяет им минимизировать участие человека в процессах. В России из 22 публичных кейсов четыре соответствуют L4, и все они разработаны внутри крупных компаний – «Т-Банк», «Сбер», «Альфа-Банк» и «Северсталь».
Эксперты едины во мнении, что отсутствие готовых коробочных агентов на российском рынке объясняется не техническим отставанием, а структурой спроса и экономикой таких продуктов. Генеральный директор ЕМДЕВ Алексей Какунин объяснил IT Speaker, что универсального агента трудно адаптировать под различные отрасли из-за различий в процессах, ИТ-ландшафте и требованиях к безопасности, поэтому востребованы платформы, которые позволяют создать агента под конкретные бизнес-процессы. Старший эксперт Института инженеров электротехники и электроники (IEEE) Данил Темников добавил, что коробочный агент эффективен в тех случаях, когда процесс стандартизирован, а компания готова интегрировать облачный сервис в свою инфраструктуру, тогда как российские корпорации требуют локального развертывания и работы с конфиденциальными данными.
Основатель и генеральный директор внешнего продуктового офиса devять it Богдан Загребельный, в свою очередь, подчеркнул, что ключевое отличие агента от чат-бота заключается в способности выполнять действия в других системах; без доступа к интеграциям он остается лишь ассистентом.
«Продать это в готовом виде невозможно: оно функционирует в рамках интеграций, регламентов и матрицы доступов определенной компании. Поэтому рынок движется в сторону платформ. Вендор предоставляет среду выполнения, оркестрацию, коннекторы и журналирование, но конкретную логику все равно требуется разрабатывать под заказчика», – пояснил он.
Руководитель проектов развития ИИ-решений компании Directum Илья Петухов также считает, что будущее за платформенными решениями, и сообщил, что в Directum RX пользователи могут настраивать агентов через no-code редактор.
Для различения реального агента от маркетинговой упаковки эксперты предлагают конкретные критерии. В исследовании выделены шесть признаков: агентный цикл, планирование, работа с инструментами, самокоррекция, память и автономное завершение задачи. Полноценным считается решение, соответствующее минимум пяти из шести критериев. Порог прошли Claude Code, Devin, Codex, Operator, Cursor, Harvey и Manus. Партнер «Яков и Партнеры» Максим Болотских предостерег, что термин «агент» часто является маркетинговым ярлыком, и руководителям важно проверять реальные возможности системы. Старший разработчик систем искусственного интеллекта Innostage Александр Лебедев посоветовал IT Speaker обратить внимание на то, что именно делает ИИ, а что остается на усмотрение человека, чтобы понять реальный уровень трансформации.
Богдан Загребельный, в свою очередь, предложил проверять вендоров с помощью четырех вопросов: имеет ли система право что-то изменять, как она обнаруживает ошибку, что происходит при низкой уверенности и можно ли ознакомиться с журналом выполнения задачи.
«Еще в июне 2025 года Gartner назвал это agent washing – так обозначают ситуации, когда обычный чат-бот или систему автоматизации начинают продавать как ИИ-агента. Эти четыре вопроса отсекают многие слабые решения еще до начала проекта», – отметил он.
Массовое внедрение генеративного ИИ пока не приносит значительного финансового эффекта: более 70% российских компаний используют его хотя бы в одной функции, но эффект свыше 5% EBITDA получили только 9% организаций. Эксперты связывают это с «каскадом затухания», когда локальное ускорение отдельного этапа сталкивается с согласованиями, интеграциями и неизмененными KPI. Алексей Какунин пояснил, что основная проблема возникает при интеграции агента в реальные бизнес-процессы, полные исключений и разрозненных систем. Данил Темников добавил, что каскад начинается, когда ИИ ускоряет один этап, но дальше все упирается в старые согласования, поэтому необходимо пересматривать сам процесс, а не только внедрять технологию.
Богдан Загребельный обратил внимание на то, что внедрение сталкивается с проблемами, потому что ИИ часто устанавливают не там, где есть реальные ограничения, а там, где проще продемонстрировать автоматизацию. Эксперт по ГенИИ Axenix Андрей Мальков подчеркнул, что эволюция должна происходить в сознании, и компаниям необходимо предоставлять инициативным сотрудникам возможность формировать сообщества активных специалистов. Старший продукт-менеджер Walmart Артем Милосердов добавил IT Speaker, что бизнес пока не готов к комплексной перестройке процессов и трансформации культуры работы с данными. Илья Петухов отметил, что главные барьеры – это качество данных и управление изменениями, а не технологии.
С принятием Федерального закона № 243-ФЗ о поддержке развития ИИ, основные нормы которого вступают в силу 1 сентября 2026 года, регуляторные требования будут способствовать росту спроса на платформенные решения. Алексей Какунин пояснил, что платформы позволяют развертывать ИИ внутри защищенного контура, выбирать модели и контролировать доступ к данным. Данил Темников добавил, что компаниям потребуется локализация данных, аудит действий и возможность замены модели без перестройки системы. Илья Петухов подчеркнул IT Speaker, что регуляторика усиливает спрос на платформенные решения за счет контроля над данными, гибкости и прозрачности, что критично для финансового и государственного сектора.
Богдан Загребельный отметил, что закон регулирует фундаментальные модели, а не «ИИ в целом», поэтому у компании, создающей агента на базе открытой модели в своей инфраструктуре, будет меньше обязательств.
«Разделение не в “готовом против платформы”. Разделение в том, сможете ли вы продемонстрировать, что и как вы сделали. Это требования к доказуемости, а не запрет технологии. У готового продукта часть документации уже подготовлена вендором, но границы ответственности необходимо читать в договоре, а не в презентации. Платформа предоставляет контроль и данные внутри периметра, но собирать доказательства придется самостоятельно», – пояснил он. Александр Лебедев считает, что новые требования предоставляют достаточно пространства для выбора подходящих решений.
На российском рынке имеются четыре зрелых публичных решения – Yandex AI Studio, GigaChat Enterprise, Agent Platform от Just AI и MWS AI Agents Platform от МТС – которые представляют собой платформы для сборки и требуют самостоятельной настройки. Остальные продукты – ассистенты и диалоговые системы. В основе отчета лежит классификация 18 международных и 12 российских продуктов, а также 43 международных и 22 российских внедрений.
Ранее Yandex B2B представил нового быстрого и универсального ИИ-агента, который сможет выполнять от 30% до 50% рутинных задач офисных сотрудников. ИИ-агент будет работать на базе технологий Yandex AI Studio и может выйти до конца сентября 2026 года.
UserGate зафиксировал рост российского рынка SOC на 15-30%
