40% проектов AI-агентов закроют к 2027 году — почему

Внедрение ИИ в бизнес в 2025 году всё чаще ассоциируется не с сокращением штата, а с ростом нагрузки на сотрудников. Парадокс, который начали фиксировать аналитики Gartner, McKinsey и Deloitte, звучит просто: чем больше автономных AI-агентов запускает компания, тем больше времени менеджеры тратят на их контроль, обучение и исправление ошибок. Для среднего бизнеса, который планирует масштабирование, это критически важный сигнал — без продуманной архитектуры управления агентами трансформация бизнеса превращается в источник новых операционных рисков.

Что означает тезис «больше AI-агентов — больше работы для людей»?

AI-агент — это программная система, способная самостоятельно ставить подцели, выбирать инструменты и выполнять многошаговые задачи без постоянного участия человека. Парадокс возникает из-за того, что каждый новый агент требует «человека-оператора»: кто-то должен проверять его решения, настраивать доступы, разбирать исключения и синхронизировать работу с другими агентами и системами.

Аналитики Gartner прямо предупреждают о разрыве между ожиданиями и реальностью. В отчёте, посвящённом провалам agentic-проектов, компания указывает, что причина не в самой технологии, а в отсутствии зрелых процессов управления.

«Организации фокусируются на технологии, но недооценивают затраты на управление, интеграцию и контроль качества решений AI-агентов, что приводит к отказу от проектов»— Анушри Верма, старший директор-аналитик, Gartner

Сколько компаний уже внедрили AI-агентов в 2025 году?

По данным Deloitte, доля компаний с пилотными проектами agentic AI вырастет с 25% в 2025 году до 50% к 2027 году, а полноценное масштабирование таких решений останется значительно ниже — большинство пилотов не выходит за пределы одного отдела. Это подтверждает: скорость внедрения технологии обгоняет скорость выстраивания процессов контроля.

PwC в своём исследовании agentic AI фиксирует похожую картину: руководители видят потенциал, но операционная готовность отстаёт.

«Компании внедряют AI-агентов быстрее, чем выстраивают механизмы надзора за их решениями — это создаёт скрытые операционные риски, которые проявляются через 6-9 месяцев после запуска»— из отчёта PwC AI Agent Survey

Почему рост числа агентов увеличивает нагрузку на сотрудников?

Каждый дополнительный AI-агент добавляет к работе компании новый слой координации. Практика показывает три основные причины роста нагрузки на людей:

• Множественность точек отказа. Чем больше агентов, тем больше сценариев, где один агент передаёт задачу другому с ошибкой в контексте.
• Исключения требуют человека. Агенты хорошо решают типовые задачи, но нетиповые случаи — 15-25% от общего потока — эскалируются к сотрудникам.
• Аудит и объяснимость решений. Регуляторные и внутренние требования вынуждают компании документировать логику решений агентов, что создаёт новую административную функцию.

McKinsey в исследовании «Superagency in the workplace» отмечает разрыв между тем, как топ-менеджмент оценивает готовность организации к работе с ИИ, и тем, что реально происходит на уровне линейных сотрудников.

«Руководители систематически переоценивают готовность своих команд к работе с автономными системами ИИ — сотрудники нуждаются в новых навыках управления и проверки решений машин, а не только в доступе к инструментам»— Лариена Йи, старший партнёр, McKinsey

Какие новые задачи появляются у людей при масштабировании AI-агентов?

При переходе от одного пилотного агента к экосистеме из 10-20 агентов у компании возникает потребность в новых ролях: AI-оператор, специалист по промпт-инжинирингу, аналитик по аудиту решений и владелец продукта агентной системы. Это не абстракция — именно эти роли сейчас массово появляются в вакансиях технологических компаний.

Как компании избежать роста скрытых издержек от AI-агентов?

Снизить риск перегрузки сотрудников можно только через проектирование архитектуры оркестрации до масштабирования, а не после первых сбоев. Ниже — последовательность шагов, которая используется в проектах трансформации бизнеса среднего размера.

1. Провести аудит процессов и выделить задачи с чёткими правилами принятия решений — именно они подходят для первых агентов.
2. Определить владельца экосистемы агентов — конкретного сотрудника или команду, отвечающую за качество решений.
3. Заложить бюджет не только на разработку агентов, но и на мониторинг, логирование и разбор исключений.
4. Ограничить число одновременно запускаемых агентов на старте (3-5), чтобы протестировать модель оркестрации.
5. Внедрить регулярные стратегические сессии для пересмотра ролей людей по мере роста автономности агентов.
6. Обучить middle-менеджмент навыкам проверки и корректировки решений ИИ, а не только использования инструментов.
7. Зафиксировать метрики нагрузки на сотрудников до и после внедрения, чтобы вовремя увидеть рост скрытых затрат.

Что показывает практика среднего бизнеса в России?

Российские компании среднего размера чаще всего внедряют AI-агентов в клиентском сервисе, документообороте и продажах. Проблема повторяется: команды закупают несколько разрозненных агентов от разных вендоров, но не выстраивают единый слой контроля. В результате нагрузка на аналитиков и менеджеров растёт вместо того, чтобы снижаться — им приходится вручную сверять данные между системами. Для компаний, которые нацелены на масштабирование бизнеса, а не разовую автоматизацию, критично рассматривать внедрение ИИ в бизнес как часть более широкой стратегии роста, а не набор изолированных инструментов.

Именно поэтому крупные внедрения agentic AI редко начинаются с самой технологии. Сначала проводится диагностика операционной модели — часто в формате стратегических сессий, где собственник и топ-менеджмент фиксируют, какие процессы действительно готовы к передаче автономным системам, а какие требуют участия независимого директора по развитию, контролирующего трансформацию на уровне совета директоров.

Экспертный комментарий

Сергей Семёнов, ESSG Consulting: «В нашей практике был кейс дистрибьюторской компании из сектора FMCG с оборотом около 2 млрд рублей, которая за полгода внедрила пять AI-агентов для обработки заказов, но столкнулась с ростом нагрузки на отдел логистики на 30% — сотрудники вручную перепроверяли решения агентов, потому что никто не спроектировал единую точку контроля. Мы перестроили архитектуру: ввели роль владельца экосистемы агентов и сократили число исключений, требующих человека, с 27% до 12% за три месяца, при этом скорость обработки заказов выросла на 40%».

«По опыту наших клиентов из логистики и ритейла, главная ошибка — воспринимать AI-агентов как способ убрать людей из процесса. На практике агенты меняют структуру занятости: снижается количество рутинных операций, но растёт спрос на людей, способных проверять, обучать и корректировать решения машин. Компании, которые закладывают эти роли заранее в рамках growth hacking стратегии, получают кратный эффект от масштабирования, а не хаос из разрозненных пилотов».

«Руководителю, который планирует внедрение ИИ в бизнес, я рекомендую начинать не с выбора технологии, а с ответа на вопрос: кто в компании будет нести ответственность за решения каждого агента и сколько времени команда готова тратить на их аудит. Без этого ответа рост числа агентов почти гарантированно превращается в рост скрытой ручной работы, а не в её сокращение».

Сколько стоит подготовка компании к работе с AI-агентами?

Стоимость подготовки инфраструктуры оркестрации для среднего бизнеса обычно составляет 15-25% от бюджета на сами AI-агенты — это затраты на мониторинг, логирование, обучение сотрудников и построение процессов эскалации. Компании, которые закладывают этот бюджет с самого начала, реже сталкиваются со сценарием, описанным в отчёте Gartner о закрытии 40% agentic-проектов.

Окупаемость зависит от зрелости процесса: там, где заранее выделены роли контроля, эффект от автоматизации проявляется через 4-6 месяцев. Там, где агентов внедряют без пересмотра организационной модели, срок окупаемости растягивается или проект замораживается — именно этот сценарий и описывает исходный тезис о том, что больше агентов означает больше работы для людей.

Часто задаваемые вопросы

Сколько стоит внедрение AI-агентов для среднего бизнеса?

Стоимость зависит от количества процессов и сложности интеграции, но помимо разработки самих агентов нужно закладывать 15-25% бюджета на инфраструктуру контроля, мониторинга и обучение сотрудников.

За какой срок окупается внедрение AI-агентов?

При правильно выстроенной архитектуре оркестрации эффект проявляется через 4-6 месяцев; без пересмотра ролей людей срок окупаемости может растянуться на год и более или проект будет закрыт, как показывает статистика Gartner о 40% отменённых проектов.

С чего начать компании, которая хочет внедрить AI-агентов без роста нагрузки на сотрудников?

Начинать нужно с аудита процессов и определения владельца экосистемы агентов, а не с закупки технологии. Далее — постепенное расширение с фиксацией метрик нагрузки на команду на каждом этапе.

Действительно ли AI-агенты сокращают штат?

Не напрямую. Практика показывает, что агенты меняют структуру задач: рутинные операции сокращаются, но появляется спрос на новые роли — аудиторов решений, операторов и владельцев агентных систем.

Как понять, что компания готова к масштабированию AI-агентов?

Готовность подтверждается наличием чётких владельцев процессов, бюджета на мониторинг и обученного middle-менеджмента, способного проверять решения агентов, а не только запускать пилоты.

#ВнедрениеИИ #AgenticAI #ТрансформацияБизнеса #МасштабированиеБизнеса #ESSGConsulting