В отличие от ИИ-ассистентов, которые ждут команды, агенты могут работать в фоновом режиме, самостоятельно разрабатывать план действий и выполнять его. ИИ-агент сам видит проблему, думает, как ее решить, делает нужные шаги и учится на ошибках — то есть пользователь ставит цель, а ИИ-агент ищет путь к ней. По такому принципу работают роботы-курьеры, строя маршруты и объезжая препятствия; чат-боты поддержки, которые могут ответить на вопрос и решить типовые проблемы клиентов; агенты для умного дома, регулирующие свет и температуру (подробнее см. «Агенты умные и не очень»).

По прогнозу Gartner, к 2028 году треть корпоративных приложений уже будут включать агентный ИИ, а 15% рабочих решений будет приниматься автономно. Напомним, корпоративные приложения — это программы, которые компании создают или покупают для своих сотрудников, чтобы удобнее и быстрее решать рабочие задачи. Они заточены под нужды конкретной компании. Например, это рабочий чат, как Teams, приложение для электронного документооборота или корпоративный портал, как «Битрикс24».

В ближайшие пять-десять лет ИИ-агенты не столько отнимут половину рабочих мест (подробнее см. «Что ИИ говорит об ИИ»), сколько превратятся в новый базовый инфраструктурный слой в программном обеспечении. По сути, речь идет о виртуальной рабочей силе, вшитой в корпоративные приложения и процессы.

Исследование рынка ИИ-агентов, проведенное MarketsandMarkets, оценивает его объем примерно в 7,84 млрд долларов в 2025 году и прогнозирует рост до 52,62 млрд к 2030-му, со среднегодовым темпом 46,3%. Отдельные сегменты (мультиагентные системы, агенты для разработки ПО) растут еще быстрее — более чем на 50‒60% в год.

Gartner прогнозирует, что буквально на наших глазах использование ИИ-агентов превращается из редкого эксперимента в новую норму корпоративного софта: уже в этом году до 40% корпоративных приложений будут содержать встроенных задаче‑специфичных ИИ‑агентов, при том что в 2025‑м их было менее 5%.

Самый быстрый рост использования ИИ-агентов ожидается в сфере финансов, здравоохранения, ИТ, логистики и клиентского сервиса.

Почти 40% российских компаний уже подключили ИИ к автоматизации бизнеса, заявил недавно зампред правления Сбера Анатолий Попов. По данным исследования «СберАналитики» и «Сбер Бизнес Софт», чаще всего автоматизируют документооборот и обработку заявок, бухгалтерию и финучет, HR.

Однако за этой впечатляющей цифрой скрывается сложная реальность: технологии обещают значительную экономию, но требуют большего контроля и не всегда оправдывают затраты денег и времени.

Самые большие вопросы вызывает автономность ИИ-агентов — и их ошибки. Например, в июле 2025 года ИИ-помощник от Replit удалил базу данных проекта SaaStr. SaaStr — это экосистема для SaaS-бизнеса (Software as a Service), модели, при использовании которой компания не покупает и не устанавливает программы на свои компьютеры, а подписывается на онлайн-сервис. Джейсон Лемкин, основатель SaaStr, активировал в ИИ-сервисе Replit режим заморозки кода, который должен был предотвратить любые изменения в проекте. Однако ИИ проигнорировал этот запрет и удалил данные о 1206 руководителях и 1196 компаниях, создав 4000 записей о фиктивных пользователях.

В декабре 2025 года ИИ-агент Google Antigravity, вместо того чтобы очистить кеш, безвозвратно удалил все данные с диска D пользователя. Этот агент предназначен для генерации кода, интегрирован с браузером и взаимодействует с веб-приложениями — например, может добавить форму обратной связи на главную страницу.

Агент для продвижения

ИИ-агенты уже применяются в различных отраслях: клиентский сервис и поддержка, персонализация и маркетинг, HR и внутренние помощники, разработка и эксплуатация ПО, аналитика и поиск. Эту историю нельзя назвать революционной для всех без исключения — скорее, сейчас происходит подстройка бизнеса и его запросов под возможности ИИ-агентов, и наоборот.

Так, в рекламе ИИ-помощники работают с аналитикой, настройкой кампаний, креативами и монетизацией. Нейротехнологии для рекламодателей объединяют генеративный ИИ и модели глубокого обучения. Такого ИИ-агента для рекламных площадок запустил «Яндекс».

Рынок ИИ-агентов формируется буквально на наших глазах: уже в этом году до 40% корпоративных приложений будут содержать встроенных ИИ-агентов — против 5% в 2025 году

С ИИ-агентом пользователю не обязательно знать, как работает реклама, где искать нужный отчет или рассчитывать нетипичные метрики. Достаточно сформулировать задачу словами в чате, чтобы получить готовые данные. В «Яндексе» также предлагают обсудить с ИИ-помощником продуктовые идеи и гипотезы. Например, как повысить вовлеченность пользователей — помощник ответит с учетом лучших практик.

«В “Яндекс.Метрике” ИИ-помощник анализирует статистику сайта и помогает понять, что происходит с аудиторией. Например, если посещаемость снизилась, пользователь может спросить: “Почему стало меньше визитов?” ИИ-помощник сравнит показатели с предыдущими периодами, посмотрит источники трафика, устройства, регионы и подскажет возможные причины изменений», — объясняет Катерина Пальваль, PR-менеджер «Яндекса». ИИ-помощник дает быстрые ответы на вопросы, которые обычно требуют сложных отчетов. Например: «Сколько человек открыли приложение вчера?» или «Какой процент пользователей вернулся через пять дней после установки?» Помощник найдет нужные данные и объяснит результат.

ИИ-агенты не только создают и оптимизируют тексты, генерируют изображения и видео, но и отбирают и ранжируют рекламу, прогнозируют конверсии, подбирают аудиторию и оптимизируют ставки.

По данным «Яндекса», в 2025 году их ИИ-агенты повысили общую конверсионность (совершение целевого действия: покупки, просмотра или регистрации) в системе «Яндекс Директа» на 40% год к году.

С помощью ИИ-агентов маркетологи тратят на 30% меньше времени на рутинные процессы, говорят в «Яндексе». При этом искусственный интеллект не способен принимать решения автономно. Он анализирует данные и предлагает варианты, но действует только по команде пользователя.

Цифровой двойник в медицине

В медицине ИИ-агенты используются на этапах диагностики, аналитической обработки данных и коммуникации с клиентами. Например, вместо чат-бота с клиентами может общаться ИИ-агент: он классифицирует вопросы пациентов в мессенджерах, записывает на прием и напоминает о визитах, анализируя историю лечения.

Так, в стоматологии на этапе первичной диагностики ИИ анализирует компьютерную томографию и телерентгенограмму — снимки, по которым врач оценивает положение зубов, состояние костей и суставов челюсти. Без ИИ-агента ортодонт вручную расставляет на этих снимках десятки контрольных точек, выделяет контуры каждого зуба и измеряет параметры, что занимает часы и сильно зависит от внимательности и усталости врача. Диагностический агент автоматически расставляет эти точки, сегментирует зубы и определяет состояние костной ткани.

Еще один ИИ-агент, прогностический, помогает спланировать лечение. Он рассчитывает, как будет двигаться каждый зуб, учитывая сопротивление корней и плотность кости, чтобы избежать ситуации, когда зуб не доходит до нужного положения, так называемого недобегания.

«Программа (например, Diagnocat или собственные разработки) выдает отчет за пять-десять минут, на что врачу раньше требовалось до полутора часов, — рассказывает Андрей Жук, врач-ортодонт и создатель сети клиник OrthoLike. — Мы в своей практике используем концепцию цифрового двойника и глубокую автоматизацию. ИИ полностью оправдывает себя, потому что убирает рутину, позволяя врачу заниматься стратегией лечения».

Разработка собственного кастомного агента «под ключ» (обучение на данных клиники и интеграция с медицинской информационной системой) стоит от 5 тыс. до 20 тыс. долларов за один модуль — это рыночные расценки для клиник. Чаще используются готовые SaaS-решения с оплатой каждого анализа (10‒30 долларов за один снимок).

Внедрение готовой системы занимает от двух недель до месяца: за это время проходит настройка и обучение персонала. Создание своего продукта с нуля требует от 6 до 12 месяцев разработки и тестирования.

При этом благодаря ИИ-агенту врачи экономят до 30–40% времени на первичной диагностике. Это позволяет клинике принимать больше первичных пациентов без расширения штата. Кроме того, ИИ повышает конверсию из консультации в лечение. В OrthoLike говорят, что, когда пациент видит отчет от системы, а не просто «мнение врача», его доверие кратно повышается.

Однако полностью доверять ИИ в медицине на текущем этапе невозможно — да и незаконно. Цена ошибки в ортодонтии огромна из-за судов и повторного решения. ИИ может выступать как второе мнение, подсвечивая то, что человеческий глаз может пропустить из-за усталости, — и снижать этот риск. Тем не менее технология остается лишь инструментом и не может действовать автономно.

«В OrthoLike действует принцип: “Врач — финальный фильтр”, — подчеркивает Андрей Жук. — ИИ подготавливает черновик проекта, а врач-ортодонт проверяет каждую точку. Если ИИ ошибся из-за артефакта (например, металлической коронки), врач корректирует это вручную».

Но даже с учетом перепроверок ИИ-агенты экономят ресурсы в стоматологии. Найти ошибку в готовом отчете гораздо быстрее, чем создавать этот отчет с нуля.

Кадры: ИИ отберет лучших

Для многих бизнесов в таких сферах, как недвижимость, банки и финансы, ИИ сейчас используется для фильтрации предложений и обработки документов — казалось бы, все давно автоматизировано, но агенты могут оптимизировать процесс. Например, в агентстве недвижимости ИИ-помощник занимается подбором квартир. Риелтор получает от клиента информацию, постоянно возвращается с новыми вопросами и уточнениями, потом вручную фильтрует базу, отправляет варианты, которые ему приглянулись. ИИ-агент задает правильные вопросы (район, бюджет, транспорт, школа рядом, окна во двор), превращает информацию в структурированный запрос, подбирает варианты с точным соответствием запросу, проверив все доступные базы, делает короткие карточки «плюсы/минусы» под конкретного клиента и назначает просмотры или создает задачи риелтору.

Другой ИИ-агент автоматически считывает документы клиента и заполняет ипотечные заявки. Без ИИ-агента брокер или риелтор вручную собирают нужные данные и заполняют анкету. Агент же достает ключевые атрибуты из пачки документов, заполняет черновик заявки и пишет точный список недостающего. Например, «не хватает страницы с регистрацией / справки за N месяцев».

В сфере финансов ИИ-агенты могут работать над кодингом, deep research (поиском информации и исследований) или проверять документы по чек-листу. Если раньше всем специалистам приходилось вручную сверять сделку и контрагента, то ИИ самостоятельно берет карточку клиента и историю, проверяет по правилам, внутреннему регламенту и документам, формирует протокол проверки и список «что запросить».

Автоматизировать возможно и наем сотрудников — этим занялись в группе Arenadata (ИТ-холдинг, разработчик программного обеспечения).

«Процесс простой: HR публикует вакансию на рекрутинговой платформе, кандидаты откликаются, HR отбирает релевантные и передает нанимателю. Тот их фильтрует самостоятельно, и понравившихся приглашают на интервью. Возникает понятная воронка. Однако есть проблема: огромный входящий поток, измеряемый сотнями и даже тысячами откликов, просмотреть вручную очень тяжело, а текущим штатом практически невозможно. Решением стало создание ИИ-агента (пока для внутреннего использования), который автоматизирует воронку от CRM до нанимающего менеджера. Причем менеджер получает от агента даже больше систематизированной информации. Это не только экономит трудозатраты, но и повышает точность отбора», — рассказывает Петр Емельянов, директор по исследованиям и разработкам компании УБИК (входит в группу Arenadata).

Скорость найма с использованием ИИ-агента вырастает кратно: агент за сутки просмотрит хоть тысячу, хоть сто тысяч откликов. До собеседований доходит вдвое больше кандидатов, и офферы в компании делают почти вдвое чаще. Время ИИ-агенты точно экономят, а значит, и деньги тоже.

Кроме того, в Arenadata используют ИИ-агентов для технической документации. Особенно хорошо ИИ работает с формой документов: все структурировано, единообразно, аккуратно.

Внедрение ИИ-агентов в компаниях занимает до нескольких месяцев, и только половина таких внедрений в итоге становятся финансово эффективными

«Речь идет именно об агентах (а не об обычном чат-боте или ИИ-ассистентах), которые, получив запрос, подумают, спросят разрешения, запустят текстовый документ, возьмут данные из сервиса для диаграмм и выдадут готовый документ, — подчеркивает Петр Емельянов. — Содержание, конечно, приходится проверять и местами дорабатывать, но это занимает гораздо меньше времени, чем писать самостоятельно с нуля. Хороший агент подготовит документ буквально по несколькими примерам несоизмеримо быстрее любого человека и, по моему опыту, лучше, чем восемь из десяти людей».

Сколько стоит агент

«Мы занимаемся разработкой ИИ-агентов для разных целей, и, по нашему опыту, в среднем создание нового ИИ-агента стоит от трех до пяти миллионов рублей. Разработка и внедрение занимают порядка трех-четырех месяцев, — говорит Ярослав Шмулев, сооснователь сервиса AI-аналитики Find Insight. — Подчеркну, что это очень усредненные цифры. Если у компании уже есть опыт и платформа, можно уложиться и в один миллион. Если же нужен сложный ИИ-агент с несколькими мультимодальными базами и много автоматизации, стоимость может достигать десятков миллионов. При этом именно сложные ИИ-агенты с высокой автоматизацией процессов обычно несут максимальную ценность для бизнеса».

Стоимость создания и скорость внедрения ИИ-агентов всегда зависит от цели. Если с задачей может справиться простой ИИ, такой как ChatGPT, Claude Code или Cursor, его можно легко установить и начать использовать уже на следующий день. При этом затраты будут небольшими, а некоторые задачи можно будет выполнять вообще бесплатно. Например, ИИ-ассистент сам напишет нужное письмо клиенту или ответ на претензию, выполнит поиск по базе данных, сделает выжимку, найдет ошибки, напишет код, но не сможет ходить по внутренним системам — фактически он работает только с текстом.

Искусственный интеллект — это не универсальное решение. Однако если 60 сотрудников ежедневно обрабатывают 3000 документов, стоит задуматься о внедрении ИИ-агента — он сможет выполнять эту работу быстрее и с меньшим количеством ошибок.

«Только половина внедрений в итоге становятся финансово эффективными. Но если они таковыми становятся и в компании прицельно занимаются повышением эффективности, то ИИ-агенты приносят в среднем 60 процентов экономии», — говорит Ярослав Шмулев.

Однако совсем скоро экономика использования ИИ-агентов может усложниться. Так, OpenAI планирует брать долю от интеллектуальной собственности, созданной с помощью их моделей, — об этом уже заявила финансовый директор компании Сара Фрайар. Она пояснила, что OpenAI намерена трансформировать свою бизнес-модель за пределы простых подписок — текущая схема, по ее словам, слишком примитивна и не покрывает колоссальные расходы на вычислительные мощности.

В компании планируют брать долю как на commerce layer, так и на discovery layer. Под commerce layer имеются в виду комиссии с транзакций, совершенных непосредственно внутри ChatGPT, например покупка товаров или услуг через ИИ-интерфейс. Но особенно значим discovery layer: речь идет о доле от интеллектуальной собственности или будущей коммерческой ценности того, что ИИ помог создать. Например, если модель генерирует структуру новой молекулы для лекарства, OpenAI может претендовать на процент от патента или последующих продаж препарата.

В первую очередь изменения коснутся корпоративных клиентов — особенно в таких областях, как разработка лекарств или проектирование энергосистем. Вероятно, уже на этапе заключения контрактов им придется согласиться на условия совместного владения или лицензирования интеллектуальной собственностью, созданной при участии ИИ.