«Яков и Партнеры»: российские ИИ-агенты существуют только внутри корпораций

Консалтинговая компания «Яков и Партнеры» проанализировала 30 ИИ-продуктов и 65 примеров внедрения в России и мире. Согласно отчету «ИИ-агенты: где хайп, где реальность», только 7 из 18 международных решений соответствуют как минимум пяти из шести критериев полноценного агента. IT Speaker ознакомился с результатами исследования.

Среди 12 российских продуктов готовых агентов не оказалось: четыре решения выступают платформами для сборки, остальные восемь – ассистентами и чат-ботами. В корпоративных внедрениях ситуация схожая: из 43 международных кейсов лишь 10 достигли уровня L4-L5, способного выполнять процессы с минимальным участием человека. В России из 22 публичных кейсов четыре соответствуют L4, и все созданы внутри крупных компаний – «Т-Банк», «Сбер», «Альфа-Банк» и «Северсталь».

Эксперты сходятся во мнении, что отсутствие готовых коробочных агентов на российском рынке объясняется не технологическим отставанием, а структурой спроса и экономикой таких продуктов. Генеральный директор ЕМДЕВ Алексей Какунин пояснил IT Speaker, что универсального агента сложно адаптировать под разные отрасли из-за различий в процессах, ИТ-ландшафте и требованиях к безопасности, поэтому востребованы платформы, позволяющие собрать агента под конкретный бизнес-процесс. Старший эксперт Института инженеров электротехники и электроники (IEEE) Данил Темников добавил, что коробочный агент эффективен там, где процесс стандартизирован, а компания готова пустить облачный сервис в свой контур, тогда как российские корпорации требуют локального развертывания и работы с закрытыми данными.

Основатель и генеральный директор внешнего продуктового офиса devять it Богдан Загребельный, в свою очередь, акцентировал, что главное отличие агента от чат-бота – способность совершать действия в чужих системах, а без доступа к интеграциям он остается ассистентом.

«Продать это в готовой коробке невозможно: оно живет в интеграциях, регламентах и матрице доступов конкретной компании. Поэтому рынок и движется в сторону платформ. Вендор предоставляет среду выполнения, оркестрацию, коннекторы и журналирование, но конкретную логику все равно приходится собирать 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 настраивают агентов через no-code редактор.

Для отличия 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 предупредил, 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 смотреть, что именно делает ИИ, а что остается за человеком, чтобы понять реальный уровень трансформации.

Богдан Загребельный, в свою очередь, предложил проверять вендоров через четыре вопроса: имеет ли система право что-то менять, как она узнает об ошибке, что происходит при низкой уверенности и можно ли посмотреть журнал выполнения задачи.

«Еще в июне 2025 года Gartner назвал это agent washing – так называют случаи, когда обычный чат-бот или систему автоматизации начинают продавать под видом ИИ-агента. Эти четыре вопроса отсекают многие слабые решения еще до старта проекта», – отметил он.

Массовое распространение генеративного ИИ пока не дает массового 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 разбивается о согласования, интеграции и неизмененные KPI. Алексей Какунин пояснил, что основная проблема возникает при встраивании агента в реальные бизнес-процессы с множеством исключений и разрозненных систем. Данил Темников добавил, что каскад начинается, когда ИИ ускорил один этап, но дальше все упирается в старые согласования, поэтому необходимо переделывать сам процесс, а не только внедрять технологию.

Богдан Загребельный обратил внимание на то, что внедрение упирается в процесс, потому что ИИ часто ставят не туда, где реальное ограничение, а туда, где автоматизацию проще показать. Эксперт по ГенИИ Axenix Андрей Мальков подчеркнул, что эволюция должна произойти в головах, и компаниям необходимо давать инициативным сотрудникам право формировать сообщества активных специалистов. Старший продукт-менеджер Walmart Артем Милосердов добавил IT Speaker, что бизнес пока не готов комплексно перестраивать процессы и трансформировать культуру работы с данными. Илья Петухов отметил, что главные барьеры – 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 стимулировать спрос на платформенные решения. Алексей Какунин пояснил, что платформы позволяют разворачивать ИИ внутри защищенного контура, выбирать модели и контролировать доступ к данным. Данил Темников добавил, что компаниям понадобится локализация данных, аудит действий и возможность замены модели без перестройки системы. Илья Петухов подчеркнул IT Speaker, что регуляторика усиливает спрос на платформенные решения благодаря контролю над данными, гибкости и прозрачности, что критично для финансового и госсектора.

Богдан Загребельный отметил, что закон регулирует фундаментальные модели, а не «ИИ вообще», поэтому у компании, собирающей агента на базе открытой модели в своем периметре, прямых обязанностей будет меньше. 

«Развилка заключается не в "готовое против платформы". Развилка в том, сможете ли вы показать, что и как вы сделали. Это требования к доказуемости, а не про запрет технологии. У готового продукта часть документации уже подготовлена вендором, но границу ответственности необходимо читать в договоре, а не в презентации. Платформа дает контроль и данные внутри периметра, но собирать доказательства придется самим», – пояснил он. Александр Лебедев считает, что новые требования оставляют достаточный простор для выбора подходящих решений.

На российском рынке четыре зрелых публичных решения – Yandex AI Studio, GigaChat Enterprise, Agent Platform от Just AI и MWS AI Agents Platform от МТС – являются платформами для сборки, требующими 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.