Neuf raisons de ne pas se précipiter : pourquoi les agents AI ne sont pas encore prêts à remplacer vos employés

Инвесторы и советы директоров давят на компании: внедряйте ИИ, сокращайте людей, режьте расходы. Но между красивыми обещаниями и реальностью — пропасть, и аналитики Habr собрали девять причин, по которым массовое замещение сотрудников ИИ-агентами пока не работает.

Давление без доказательств

Ни один IT-директор сегодня не может прийти на совет директоров без плана по ИИ. Инвесторы видят в языковых моделях и агентах способ радикально снизить фонд оплаты труда и кратно увеличить маржу. Медиа публикуют истории об агентах, которые пишут код лучше джунов, закрывают тикеты и ведут переговоры с клиентами. Конкуренты, кажется, уже всё внедрили. На этом фоне компании начинают торопиться: увольнять заранее, не дождавшись реального результата, и внедрять, не считая скрытых затрат. Проблема в том, что демо и продакшн — принципиально разные миры.

Девять причин притормозить

Разбор выделяет системные проблемы, которые мешают ИИ-замещению работать так, как обещают продавцы технологий: * Галлюцинации без предупреждения. Модели ошибаются уверенно. В продакшне это означает юридические риски и репутационный ущерб, а значит — контролёр всё равно нужен.

Отсутствие контекста компании. ИИ не знает внутренней политики, неформальных договорённостей, специфики конкретного рынка или истории отношений с клиентом. **Проблемы с данными.

Большинство корпоративных баз данных грязные, плохо структурированы или разрознены — ИИ не может нормально работать с тем, что годами не чистилось. Интеграция стоит дорого.* Подключить модель к реальным системам компании — ERP, CRM, внутренним API — занимает месяцы и требует дорогих специалистов.

Регуляторные риски. В финансах, медицине и юриспруденции автоматизация принятия решений наталкивается на жёсткие требования объяснимости и аудита. **Эмоциональный интеллект.

Переговоры, наставничество, работа с конфликтами — задачи, где социальный контекст критичен, а модели буксуют. Скрытые затраты.* GPU-вычисления, мониторинг, повторный промптинг, обучение сотрудников, исправление ошибок — итоговая цена выше ожидаемой.

Низкое доверие пользователей. Клиенты и сотрудники не всегда готовы полагаться на автоматизированные решения в важных — медицинских, финансовых, юридических — вопросах. **Управление изменениями.

** Внедрение ИИ без работы с людьми порождает сопротивление и снижает KPI быстрее, чем растёт автоматизация.

Разрыв между демо и реальностью

Руководители, принимающие решения об увольнениях ради ИИ, часто ориентируются на впечатляющие пилоты, а не на реальные данные промышленных внедрений. В демо агент красиво заполняет форму, пишет код, мгновенно отвечает на вопрос клиента. В продакшне появляется нетипичный кейс, данные приходят в неожиданном формате — и система ломается. А специалист, который умел с этим справляться, уже уволен.

«Руководителям не стоит впопыхах принимать будущее, которое ещё не наступило», — именно этим предупреждением открывается разбор на Habr.

Компании, которые сначала автоматизировали рутину, а потом переобучили людей на задачи более высокого уровня, стабильно показывают лучшие результаты, чем те, кто сразу сокращал штат. Человек плюс ИИ в большинстве реальных сценариев обгоняет «только ИИ» и по точности, и по надёжности.

Что это значит ИИ действительно трансформирует рынок труда — но

медленнее, чем обещают заголовки, и сложнее, чем кажется инвесторам. Компании, которые используют технологию для усиления людей, а не их замены, получат конкурентное преимущество без потери накопленных компетенций. Торопливые сокращения сейчас — это риск остаться без экспертизы именно тогда, когда ИИ наконец дозреет.