Agentic AI в бизнесе: что это и как компаниям переходить к автономным ИИ-агентам

Что такое Agentic AI

Agentic AI - это класс ИИ-систем, которые умеют самостоятельно ставить себе подзадачи, действовать в цифровой среде и корректировать поведение по результатам того, что получается. Если привычные генеративные модели работают по схеме «запрос - ответ», то агентные системы работают по схеме «цель - последовательность шагов - результат». Разница принципиальная: первая ждёт команды на каждый шаг, вторая сама решает, какие шаги предпринять.

Такие системы нередко называют автономными ИИ-агентами или мультиагентными системами, когда несколько агентов координируются между собой. Бизнес-смысл термина простой: вместо инструмента, к которому обращаются за отдельной операцией, появляется «цифровой исполнитель», способный провести процесс от начала до конца.

Почему Agentic AI обсуждают именно сейчас

Свежий отчёт MIT Sloan Management Review и BCG «The Emerging Agentic Enterprise» вышел 18 ноября 2025 года. Это девятый ежегодный совместный проект MIT SMR и BCG по теме ИИ и бизнес-стратегии, основанный на опросе 2102 руководителей из 21 отрасли и 116 стран. Главный вывод исследования: почти 80% компаний уже находятся на той или иной стадии интереса к технологии. 35% организаций исследуют agentic AI прямо сейчас, еще 44% планируют внедрение в ближайшее время.

Динамика необычно быстрая: менее чем за два года такой охват интереса набрала очень небольшая доля корпоративных технологий. Сравнимый уровень распространения генеративного ИИ занял заметно больше времени. Авторы отчёта объясняют это тем, что agentic AI ломает привычное разделение на «инструмент» и «коллегу»: один и тот же агент может выполнить за человека рутинный шаг процесса, помочь эксперту разобрать данные и одновременно связать разные рабочие процессы между собой.

Чем Agentic AI отличается от привычных ИИ-инструментов

Чтобы понять, как компании переходят к ИИ-агентам, полезно разложить разницу по уровням:

• По уровню автономии. Обычный генеративный ИИ ждёт промпта и выдаёт результат на одну операцию. Агентная система сама разбивает цель на шаги, выбирает инструменты и идет дальше, пока задача не решена или пока не сработает ограничение.
• По работе с процессом. Генеративный ИИ помогает внутри шага: написать письмо, свести таблицу, пересказать документ. ИИ-агенты берут на себя целые фрагменты процесса: согласование, координацию между системами, контроль исполнения.
• По зоне принятия решений. С генеративным ИИ человек принимает решение и просит модель помочь с оформлением. С агентным ИИ часть решений о порядке действий смещается к системе, а значит, меняются и управленческие рамки - кто за что отвечает, как контролируется результат.

BCG отдельно подчеркивает: agentic AI способен «накапливать ценность» с использованием - становиться точнее и полезнее со временем. Поэтому компании, которые воспринимают его только как способ сэкономить на операционке, рискуют упустить более широкий эффект как движка масштабируемого обучения.

Какие задачи компании уже отдают ИИ-агентам

Конкретные именные кейсы с измеримым ROI пока редки - отчёт MIT SMR и BCG работает с процентами компаний, а не с разбором отдельных внедрений. Но вектор использования уже понятен из описаний и интервью с топ-менеджерами. Чаще всего речь идет о процессах, где много коротких разнородных действий и где ручная координация съедает время специалистов.

Типичные направления: первичная обработка входящих обращений и маршрутизация их по нужным очередям, сбор и сверка данных между несколькими внутренними системами, подготовка черновиков документов и их согласование по заданным правилам, мониторинг отклонений в операционных показателях и эскалация. Это не магические сценарии - это рутина, которая есть почти в любой компании среднего размера.

Отдельный пласт - мультиагентные системы, где несколько агентов берут на себя разные роли в одном процессе: один отвечает за данные, другой за коммуникации, третий за проверку результата. Именно такие конфигурации BCG и описывает как переход от «впихнуть ИИ в существующий процесс» к пересборке самого процесса.

Что мешает компаниям перейти к ИИ-агентам системно

Авторы отчета фиксируют несколько системных разрывов. Главный - между скоростью внедрения и готовностью им управлять. Технологию пробуют быстрее, чем компании успевают пересобрать процессы, governance, модели ответственности и планы по людям. Получается рассинхрон: пилоты идут, а контур управления под них не подстроен.

Второй разрыв - методологический. Где-то agentic AI стараются вписать в существующие процессы как «еще одну автоматизацию». Тогда система действительно работает как обычный инструмент, и бизнес получает скромный эффект от ускорения одного шага. Чтобы получить более широкий результат, нужно переосмыслить сам процесс: какие шаги теперь делает агент, какие остаются человеку, где пролегает граница ответственности.

Третий - управленческий. Двойственная природа «инструмент плюс коллега» ломает привычные категории «автоматизация или augmentация», «капитал или труд». Без пересборки ролей и ответственности это ведет к размыванию зон принятия решений - кто последний отвечает за результат, если часть действий предпринял агент.

С чего компании начинают переход к ИИ-агентам

Практика, которую выделяют авторы исследования, складывается в несколько повторяющихся шагов. Не все из них требуют зрелой ИИ-инфраструктуры - начинать можно с малого.

• Выбрать процесс с высокой долей рутины и понятными правилами. Там, где исход известен заранее и отклонения обрабатываются по инструкции, агент снимает нагрузку быстрее всего. Творческие и слабо формализованные процессы для старта подходят хуже.
• Зафиксировать роли и границы. До запуска важно договориться, что именно агент делает сам, в каких случаях привлекает человека, и кто из сотрудников отвечает за итог. Это не юридическая формальность - без нее пилот буксует на стыке ответственности.
• Пересобрать процесс, а не «прикрутить» агента сбоку. Проще выделить участок работы целиком и поручить его агенту, чем надеяться, что он усилит существующую линию.
• Измерять не скорость, а качество решений. Ускорение шага - слабая метрика для agentic AI. Важнее, как меняется доля успешно закрытых задач, частота ошибок и нагрузка на человека-эксперта.

Эти шаги не требуют от компании сразу становиться «агентной корпорацией» - они позволяют проверить гипотезу на одном процессе и понять, какие управленческие решения придется принимать дальше.

Что это значит для бизнеса

Для среднего бизнеса главный практический сигнал в том, что agentic AI - это не «еще одна версия чат-бота». Это класс систем, который меняет распределение задач между людьми и софтом, а значит требует изменения процессов и ролей, а не только лицензии на платформу. Исследование MIT SMR и BCG фиксирует, что интерес к технологии уже массовый, а управленческая подготовка к ней - нет: в этом окне находится главная возможность для тех, кто начнет перестраивать процессы первым.

Конкретный шаг, который доступен уже сейчас: взять один повторяющийся процесс с прозрачными правилами, описать его так, чтобы можно было передать агенту, и провести пилот с понятными метриками качества. Параллельно стоит зафиксировать, как меняются роли сотрудников, кто остается владельцем результата и в каких точках процесса человек принимает решение. Это дает компании опыт управления agentic AI до того, как технология войдет в критичные операции.

Исследование рекомендует руководителям относиться к agentic AI как к новому типу делового партнера, а не только как к инструменту оптимизации затрат. Такой сдвиг в подходе задает другой набор вопросов: какие процессы нужно пересобрать, какие роли переопределить, какие инвестиции заложить в обучение сотрудников работе с агентами.

Итог

Agentic AI переводит разговор об ИИ в бизнесе с уровня «у нас есть чат-бот» на уровень «у нас есть цифровой исполнитель процессов». Данные MIT SMR и BCG показывают, что интерес к технологии уже почти универсальный, а управленческая инфраструктура под нее только формируется. Компании, которые начнут с одного хорошо выбранного процесса и осознанно перестроят роли вокруг агента, получают фору во времени и в качестве решений. Остальным останется догонять уже не только технологию, но и сложившиеся практики управления ею.

Если хотите проверить, какие процессы в вашей компании готовы к передаче ИИ-агентам, начните с экспресс-аудита.