Функциональные отличия
Почему этот этап наступает именно сейчас? Три фактора достигли необходимого уровня зрелости: методы рассуждения (Chain-of-Thought) в больших языковых моделях, повсеместная доступность API (Application Programming Interface — интерфейс для установления связи между приложениями) для цифровых сервисов и технологии долговременной контекстной памяти агентов. Сочетание этих компонентов позволяет перейти от советующих систем к действующим.
Ключевое различие между чат-ботом и ИИ-агентом заключается в способности последнего к самостоятельным действиям: бот выдает рекомендацию, а агент выполняет операцию.
В качестве примера можно привести задачу планирования поездки. При обращении к традиционному боту пользователь получает список рейсов и вариантов размещения. ИИ-агент, получив ту же задачу, последовательно осуществляет проверку доступных дат в календаре пользователя, бронирование билетов с учетом динамики цен, отправку запросов в гостиницы, сравнение условий кешбэка по банковским картам и формирует готовый маршрут. Пользователю остается только подтвердить предложенный вариант. В случае отмены рейса агент самостоятельно подбирает альтернативный маршрут и перенастраивает сопутствующие услуги.
Таким образом, основными признаками ИИ-агента являются автономное планирование последовательности шагов для достижения цели, использование внешних инструментов (API, базы данных, веб-интерфейсы) и способность адаптироваться к изменяющимся условиям без повторного обращения к пользователю.
Практическая польза
Несмотря на то, что массовое внедрение агентов еще впереди, в ряде областей они уже демонстрируют экономическую и операционную эффективность:
1. Разработка программного обеспечения. Агенты выполняют не только написание кода, но и поиск ошибок, развертывание на серверах, запуск тестов и создание простых приложений под ключ. Человек-разработчик переходит к роли постановщика задач и контролера результатов.
2. Клиентская поддержка. Агент может вести полноценный диалог, принимая заказ, проверяя наличие товаров или услуг на ближайшем складе, передавая данные курьерской службе и инициируя последующий контроль качества — без использования жестко прописанных скриптов, с адаптацией под поведение клиента.
3. Персональная продуктивность. Экспериментальные агенты (например, TaskWeaver от Microsoft) уже способны обрабатывать файлы в локальных папках пользователя, извлекать данные из PDF-документов, сопоставлять их с электронными таблицами и автоматически рассылать отчеты по заданному списку контактов.
Общая черта всех этих примеров заключается в том, что пользователь не участвует в каждой итерации, а конкретно формулирует конечную цель и получает готовый результат. Это меняет характер взаимодействия человека с вычислительными системами.
Коммуникация между агентами
Описанные выше сценарии касаются взаимодействия одного агента с одним пользователем. Следующий уровень — коммуникация множества агентов, принадлежащих разным людям и организациям. В среднесрочной перспективе (3–5 лет) ожидается формирование экономики ИИ-агентов, основанной на стандартизированных протоколах обмена данными (например, Agent Communication Protocol или OpenAGI).
Снова обратимся к примеру с организацией поездки. Агент пользователя получает задачу: приобрести авиабилет в заданный пункт назначения с определенными ограничениями по цене и условиям багажа. Он подключается к открытому рынку агентов, где представлены агенты авиакомпаний и агрегаторов. За миллисекунды происходит обмен предложениями в структурированном формате (цифровые подписи, наборы условий). Агент пользователя сравнивает варианты, выбирает оптимальный и осуществляет бронирование. При этом человек не участвует в этой транзакции в реальном времени.
Если несколько агентов (например, десять) независимо друг от друга решают задачу заказа трансфера из аэропорта, они могут обнаружить друг друга, объединиться и выступить единым заказчиком перед агентом перевозчика. Это позволяет получить групповую скидку и распределить стоимость между пользователями. Для человека такой процесс остается невидимым.
В сфере доставки или заказа услуг несколько агентов-поставщиков могут одновременно направлять предложения агенту пользователя, снижая цену и улучшая условия в ответ на действия конкурентов. В результате пользователь получает более выгодные условия, чем при прямом запросе.
Роль человека в системе
Важно подчеркнуть, что в данной архитектуре человек сохраняет контроль над критическими решениями и границами допустимого поведения агентов.
Пользователь задает правила: максимальные суммы расходов по категориям, запрещенные действия (например, передача определенных типов данных), приоритеты выбора. Внутри этих ограничений агент действует автономно, но при выходе за рамки или возникновении неопределенности агент инициирует запрос к пользователю.
В современных агентных системах предусматривается возможность прозрачного логирования всех переговоров и действий агента: пользователь в любой момент может просмотреть историю коммуникации с другими агентами и подтвердить или отклонить каждое существенное решение. Таким образом, человек выполняет функцию диспетчера и конечного утверждающего органа.
Риски и ограничения
При всех преимуществах массовое внедрение ИИ-агентов сопряжено с тремя категориями рисков:
1. Технические риски: возможность зацикливания или нестабильного поведения при взаимодействии нескольких агентов (например, бесконечное взаимное снижение цены). Аналогичные явления наблюдались на финансовых рынках при использовании высокочастотных алгоритмов.
2. Риски безопасности и доверия. Отсутствие единой системы верификации агентов создает возможности для мошенничества: агент может неверно идентифицировать себя как представителя легитимной организации. Решение требует внедрения цифровых сертификатов и распределенных реестров транзакций.
3. Социально-экономические риски. Автоматизация переговоров и закупок приведет к сокращению потребности в ряде посреднических профессий — менеджеры по продажам, тревел-агенты, риелторы. Одновременно возникнут новые специальности: архитекторы мультиагентных систем, специалисты по обучению агентов, верификаторы протоколов взаимодействия.
Переход к ИИ-агентам представляет собой эволюционное изменение. Агенты уже внедряются в корпоративные процессы — закупки, логистику, документооборот. Затем последует интеграция в потребительские сервисы (туризм, доставка, личные финансы). Ожидается, что на конечном этапе агенты станут повсеместным инструментом для каждого пользователя.
Российские разработки
На текущий момент на рынке представлены как потребительские, так и корпоративные продукты, демонстрирующие практическую эффективность.
Алиса AI («Яндекс»)
В октябре 2025 года компания «Яндекс» представила обновленную версию виртуального ассистента, оснащенного агентскими функциями. Например, ИИ-агент может забронировать услуги: агент способен самостоятельно подбирать и резервировать столики в ресторанах (более 30 тысяч заведений), а также записывать пользователя в салоны красоты и барбершопы (более 40 тысяч организаций) на основе истории предыдущих посещений.
Кроме того, агент занимается поиском товаров по минимальным ценам: пользователь может отправить ссылку на товар в чат или использовать кнопку «Найти дешевле» в браузере, после чего программа анализирует миллионы предложений от маркетплейсов и локальных магазинов и предоставляет наиболее выгодные варианты.
Исследовательский агент проводит многошаговый анализ данных, изучая множество сайтов, документов и пользовательских файлов, и выдает структурированный результат по таким задачам, как планирование ремонта, анализ рынка или личные финансы.
GigaChat и Giga Agentic RPA (Сбер)
В корпоративном сегменте Сбер развивает экосистему решений на базе модели GigaChat. На конференции AI Journey 2025 был представлен продукт Giga Agentic RPA, позволяющий автономизировать бизнес-процессы поверх существующих информационных систем без необходимости их переработки.
Платформа SaluteRPA, интегрированная с GigaChat API, уже используется для суммирования текстов, извлечения ключевых сущностей, анализа больших объемов данных и преобразования изображений в текст.
GigaNetwork (Сбер)
В июне 2026 года Сбербанк представил платформу GigaNetwork — доверенную A2A-платформу, где ИИ-агенты компаний автономно находят контрагентов, проводят тендеры, договариваются об условиях и сопровождают коммерческие операции с банковскими гарантиями.
Платформа обеспечивает верификацию агентов через банковскую идентификацию и цифровую подпись, а все события фиксируются в блокчейне. По данным разработчика, такой подход позволяет сократить транзакционные издержки до 90% и ускорить выполнение сделок с недель до часов.
В числе пилотных кейсов — закупка электрокомплектующих для «ФосАгро», автоматизированная покупка авиабилетов для сотрудников «Аэрофлота», а также организация командировок под ключ внутри компаний холдинга Trivio.
Выводы
По данным Servicepipe за первый квартал 2026 года, среди ИИ-агентов, которых российские интернет-площадки признают доверенными, лидирует «Алиса» с долей 31% в легитимных сессиях ИИ-трафика, за ней следуют DeepSeek (18%), GigaChat (9%), ChatGPT (7%) и Perplexity AI (3%). Компании фиксируют трехкратный рост обращений бизнеса с запросом на настройку взаимодействия с ИИ-агентами, что свидетельствует о переходе от экспериментального к промышленному использованию.
Таким образом, российский рынок демонстрирует динамичное развитие как в сфере потребительских ИИ-агентов, так и в корпоративном сегменте. Общей тенденцией является движение от точечных автоматизированных действий к мультиагентным системам, способным автономно сопровождать сквозные бизнес-процессы.
Ключевой вывод заключается в том, что ИИ-агенты не заменяют человека, а берут на себя рутинные коммуникации и транзакции с внешними системами. Функция человека смещается от непосредственного выполнения операций к постановке целей, заданию границ и принятию итоговых решений. Это позволяет сосредоточить усилия на задачах, требующих креативности, этической оценки и стратегического планирования.
