Agentic Reality Check: только 11% компаний используют AI-агентов в рабочей среде
Тема AI-агентов сейчас звучит из каждого угла. Вендоры обещают автономных помощников, которые сами решают задачи, сами принимают решения, сами масштабируются. Звучит красиво. А что в реальности?
Deloitte в декабре 2025 выпустила 17-й ежегодный отчет Tech Trends - и одна из ключевых глав называется прямо: “The Agentic Reality Check”. Авторы Jim Rowan, Nitin Mittal, Parth Patwari и Ed Burns собрали данные опроса, кейсы крупных компаний и мнения экспертов. Разбираю ключевое.
Цифры: разрыв между хайпом и реальностью
По данным Deloitte, текущее состояние внедрения AI-агентов выглядит так:
То есть только 11% компаний реально используют AI-агентов в рабочей среде. При этом 42% разрабатывают дорожную карту, а у 35% даже формальной стратегии нет. Категории в опросе пересекаются - одна компания может и пилотировать, и разрабатывать стратегию одновременно - но общая картина говорит сама за себя.
Прогнозы Gartner, которые приводит Deloitte:
- К 2028 году 15% ежедневных рабочих решений будут приниматься автономно через AI-агентов (сейчас менее 1%)
- 33% корпоративного ПО будет включать агентный AI к 2028 (сейчас менее 1%)
- Более 40% агентных проектов провалятся к 2027 из-за несовместимости с устаревшими системами
Три фундаментальные проблемы
Авторы выделяют три причины, почему компании буксуют.
1. Устаревшие системы не готовы. Традиционные корпоративные системы проектировались для людей, не для агентов. У них нет real-time API, модульной архитектуры, безопасного управления идентификацией. Агенты вынуждены работать через обычные API и пайплайны данных - это создает узкие места.
2. Данные не структурированы для агентов. Архитектура данных большинства компаний построена вокруг ETL-процессов и хранилищ. По данным опроса, 48% компаний называют поиск по данным проблемой для AI-автоматизации, 47% - повторное использование данных. Агентам нужны данные с бизнес-контекстом, а не сырые таблицы.
3. Нет управления автономными решениями. Традиционные модели IT-управления не учитывают системы, которые принимают решения самостоятельно. Отсюда “agent washing” - когда обычную автоматизацию переклеивают ярлыком “агент”, а плохо спроектированные агенты создают “workslop” - делают процессы менее эффективными.
Не асфальтируйте коровью тропу
Главный тезис отчета: компании пытаются автоматизировать процессы, которые проектировались для людей. Это тупик.
Brent Collins, VP AI Strategy в Intel, формулирует прямо:
Сейчас идеальное время для value stream mapping - чтобы понять, как процессы должны работать, а не как они работают сегодня. Не асфальтируйте коровью тропу. Используйте эту эволюцию AI, чтобы переосмыслить, как агенты могут лучше всего сотрудничать.
Ethan Mollick, профессор Wharton и автор “Co-Intelligence”, добавляет:
Это на самом деле не технологическая проблема. Это проблема процессов.
На мой взгляд, это ключевое. Я вижу похожую картину в банковском секторе: берут существующий ручной процесс на 15 шагов и пытаются “автоматизировать” его агентом шаг за шагом. Вместо того чтобы спросить - а нужны ли эти 15 шагов вообще?
Кто делает по-настоящему
Отчет приводит несколько кейсов компаний, которые не просто внедряют агентов, а перестраивают процессы.
Toyota: от 100 экранов мейнфрейма к одному агенту
Toyota использовала 50-100 экранов мейнфрейма для отслеживания поставок автомобилей. Значительная часть работы делалась вручную. Сейчас один агент обеспечивает видимость в реальном времени - от предпроизводства до дилера. Без взаимодействия с мейнфреймом.
Jason Ballard, VP Digital Innovations в Toyota:
Агент может сделать всё это до того, как сотрудник придет утром на работу. Мы приняли принципиальное решение инвестировать в это направление. Мы считаем, что именно здесь будет конкурентное преимущество.
Следующий этап: агенты будут сами определять задержки поставок и составлять письма для решения проблем.
HPE: четыре специализированных агента вместо одного универсального
HPE построила систему “Alfred” для операционных отчетов. Не один “умный” агент, а четыре специализированных:
Marie Myers, CFO HPE:
Мы хотели выбрать сквозной процесс, где можно действительно трансформировать, а не просто решить одну болевую точку.
Dell: дюжина пилотов, но с подписью финансов
Dell ведет 12 пилотов агентных решений для составных задач - котировки, сквозное решение клиентских проблем через разные домены (права доступа, биллинг, логистика). Уже оцифровано 20 корпоративных процессов.
Но есть жесткое правило: каждый агент перед выходом в рабочую среду проходит подтверждение ROI от финансового партнера и руководителя бизнес-подразделения. Создан архитектурный совет, который оценивает и утверждает AI-инвестиции.
John Roese, CTO и Chief AI Officer Dell:
AI - это технология улучшения процессов. Если у вас нет отлаженных процессов, вам не стоит начинать.
Для меня это ключевая мысль. Агенты не спасут плохие процессы - они их масштабируют.
Moderna: HR + IT = одна функция
Moderna пошла дальше всех организационно. Компания создала должность Chief People and Digital Technology Officer - объединив HR и IT в одну функцию.
Tracey Franklin, которая заняла эту позицию:
HR-организация отлично планирует рабочую силу, а IT-функция отлично планирует технологии. Нам нужно думать о планировании работы - неважно, выполняет её человек или технология.
Мультиагентная оркестрация и протоколы
Отчет фиксирует сдвиг от универсальных чат-ботов к специализированным агентам, работающим совместно. Для этого уже появились стандарты:
Стандартный интерфейс для подключения AI к корпоративным данным и инструментам. Универсальный "разъем" между агентами и ресурсами предприятия.
Прямая коммуникация между агентами разных платформ. Обнаружение агентов, делегирование задач, совместные рабочие процессы.
RESTful API для взаимодействия агентов независимо от платформы. Открытый аналог проприетарных решений.
Подход напоминает микросервисную архитектуру: много мелких специализированных агентов вместо одного монолитного. Это упрощает отладку, тестирование и масштабирование.
Гибридная команда: люди + “кремниевые работники”
Самая провокационная часть отчета - идея “silicon-based workforce”. Deloitte предлагает относиться к агентам как к новому типу работников:
- Онбординг - агентов нужно “обучать” на корпоративных данных, а людей обучать работе с агентами
- Управление эффективностью - цифровые идентификаторы, криптографические подтверждения действий, неизменяемые логи
- Жизненный цикл - обновление обучения, переброска на приоритетные задачи, вывод из эксплуатации
Mapfre (страховая компания) уже работает по гибридной модели. Агенты занимаются рутинной оценкой ущерба, но чувствительные коммуникации с клиентами остаются за людьми.
Maribel Solanas Gonzalez, CDO Mapfre:
Это гибрид by design. Агенты не заменят людей, но изменят то, что люди делают сегодня, позволяя им инвестировать время в более ценную работу.
Спектр автономности
Deloitte выделяет три фазы:
Управлять переходом предлагают через “агентных супервайзеров” - людей, которые входят в рабочий процесс в заранее определенных точках для обработки исключений, требующих человеческой оценки.
Что из этого следует
Отчет Deloitte рисует реалистичную картину. Технология агентов работает - это подтверждают кейсы Toyota, HPE, Dell. Но масштабное внедрение буксует по трем причинам: устаревшая инфраструктура, неструктурированные данные, отсутствие моделей управления.
На мой взгляд, главная ловушка - “agent washing”. Когда существующую автоматизацию переклеивают ярлыком “агент” и рапортуют об инновациях. Настоящая работа начинается с вопроса: какие процессы нужно перепроектировать с нуля, а не автоматизировать?
Dell требует подтверждение ROI перед выводом агента в рабочую среду. Moderna объединила HR и IT чтобы планировать работу, а не людей или технологии по отдельности. Toyota выбросила 100 экранов мейнфрейма и построила процесс заново.
Большинство компаний пока не там. Но разрыв между хайпом и реальностью - это и есть окно возможностей.
Источник: Deloitte Tech Trends 2026, глава “The Agentic Reality Check: Preparing for a Silicon-Based Workforce”. Авторы: Jim Rowan, Nitin Mittal, Parth Patwari, Ed Burns. Прогнозные данные: Gartner.
Читайте также
