Directum: لماذا تناقش الشركات وكلاء الذكاء الاصطناعي بنشاط لكن تتردد في نشرهم في العمليات

Бизнесу уже мало чат-ботов, которые отвечают на вопросы и пишут письма: компаниям нужны ИИ-системы, способные самостоятельно доводить задачу до результата внутри корпоративных процессов. Но именно там, где автономность выглядит наиболее ценной, и вскрываются главные ограничения — дорогая инфраструктура, ошибки при работе с множеством систем и отсутствие ясной ответственности за решения агента. В Directum предлагают разделять ассистентов и агентов.

Ассистент — это по сути продвинутый собеседник: он реагирует на запрос, помогает с текстом, поиском или подсказкой, но не управляет процессом сам. Агент устроен иначе: он декомпозирует цель на шаги, выбирает инструменты, переключается между системами и возвращает результат человеку. В корпоративной среде это может означать полный цикл работы с документом, заявкой или задачей — от классификации до передачи ответственному сотруднику.

По мнению компании, всплеск интереса к агентам не случаен. После волны пилотов 2024 года бизнес перестал спрашивать, может ли ИИ написать письмо или резюмировать встречу, и перешел к следующему уровню: можно ли доверить модели часть процесса, где нужно собрать данные из нескольких систем и принять рабочее решение. Параллельно сами LLM стали сильнее в планировании и многошаговом выполнении задач, а стандарты вроде function calling и MCP упростили подключение внешних инструментов — от ERP и CRM до ECM, календарей и RPA-сценариев.

Первый стоп-фактор — инфраструктура. Крупный и средний бизнес хочет запускать такие решения внутри собственного защищенного контура, потому что речь идет о финансах, персональных данных и коммерческой тайне. Но локальное развертывание моделей среднего класса требует серьезных вложений в GPU, а с поставками, ценой и доступностью такого железа в России все еще есть проблемы.

Альтернатива в виде аренды мощностей у дата-центров технически возможна, но часто вызывает вопросы у служб информационной безопасности. В результате многие компании доходят до стадии интереса, но не до стадии промышленного запуска. Второе ограничение связано с качеством работы агента при росте числа интеграций.

Теоретически он должен уметь работать с ERP, СЭД, CRM, почтой, базами знаний и календарями одновременно. На практике каждая новая связка добавляет риск: модель может выбрать не тот инструмент, перепутать параметры вызова или вообще “додумать” несуществующий API. По наблюдениям Directum, после примерно 15 инструментов вероятность подобных сбоев заметно растет, поэтому сегодня безопаснее ограничивать агента узким доменом или набором из 5–7 проверенных систем.

Масштабирование на весь ИТ-ландшафт предприятия пока остается сложной инженерной задачей. Третий барьер — ответственность. Даже если агент умеет выполнять цепочку действий сам, окончательное решение в чувствительных сценариях все равно оставляют человеку.

Ни один руководитель не готов без оговорок передать модели право подписывать крупный договор, согласовывать рискованную операцию или переводить деньги без контроля. И дело не только в недоверии к технологии: юридический контур еще не догнал уровень автоматизации. Если агент ошибся, неясно, кто отвечает за последствия — вендор, интегратор, владелец процесса или сотрудник, настроивший сценарий.

Пока этот вопрос не закрыт, автономность будет ограниченной. Из этого следует довольно трезвый вывод: рынок движется не к полной замене сотрудников агентами, а к промежуточной модели, где ИИ берет на себя хорошо описанные участки процесса под наблюдением человека. Именно поэтому сейчас лучше всего выглядят workflow-агенты — решения с понятными рамками, ограниченным набором действий и предсказуемым ROI.

Для бизнеса это не отказ от агентного подхода, а способ внедрять его без лишнего риска: начинать с узких кейсов, проверять надежность и только потом расширять периметр автоматизации.