Почему у крупных компаний не взлетают ИИ-агенты

Два исследования за две недели: LLM используют 86% крупных компаний, а агенты стоят на пилоте. Разбираем барьеры и что они значат для небольшой компании.

Я пишу о том, что происходит вокруг продукта: что спрашивают клиенты, что отвечаем мы, о чём говорит рынок. За последние две недели рынок высказался дважды, и оба раза про одно.

13 августа «Технологии Доверия» опубликовали исследование по ИИ-агентам: опросили больше тысячи представителей бизнеса из разных отраслей плюс провели глубинные интервью с руководителями Сбера, ВТБ, Альфа-Банка, Яндекс Финтеха, Яндекс Cloud и Точка Банка. Вывод: практика применения агентов находится на ранней стадии, интерес при этом высокий.

26 августа своё исследование выпустили «Инфосистемы Джет» вместе со Smart Ranking. Цифры там такие:

большие языковые модели используют или пилотируют 86% крупных российских компаний;
53% из них прошли стадию пилота и вывели решения в промышленную эксплуатацию;
до работающих ИИ-агентов доходят единицы.

Разрыв между первой цифрой и последней и есть тема этой записи.

Что мешает, по данным исследования

«Инфосистемы Джет» назвали барьеры внедрения ИИ в процентах компаний:

стоимость серверов, 58%;
юридические риски, 56%;
устойчивого экономического эффекта не видят 46%;
недостаточная зрелость процессов, из-за неё от внедрения агентов отказываются 44%.

Максим Андрианов, директор дирекции по разработке и внедрению ПО «Инфосистемы Джет», объясняет это так:

Ценность ИИ-агентов напрямую зависит от AI-Ready-инфраструктуры: систематизированных и оцифрованных процессов компании, качества и количества данных, а также интеграций с корпоративными системами заказчика.

У ТеДо в списке барьеров стоит примерно то же: незрелость систем управления данными, отсутствие корпоративной платформы для агентов и необходимость постоянно держать человека в пилотном контуре.

Первые два пункта из списка «Джет» к небольшой компании отношения не имеют. Серверы вы не покупаете, юридическую политику по ИИ у вас писать некому, инвестбюджета под эксперимент нет. А вот третий и четвёртый пункты про вас, только в другом масштабе.

Барьер: данных для ИИ нет в принципе

В компании из десяти человек история клиента разложена так:

часть в переписке менеджера в мессенджере, в его личном телефоне;
часть в почте, у каждого своя;
часть в таблице, которую ведёт руководитель;
в CRM пусто, потому что заполнять её некогда.

Мы разбирали это отдельно в записи про возражение «менеджеры не будут ничего заполнять»: заполнение системы это вторая работа поверх первой, и в конце дня она всегда проигрывает звонку.

Дальше происходит понятное. Компания подключает ИИ, задаёт ему вопрос про клиентов и получает уверенный ответ мимо, потому что отвечать ему не на чем. После этого ИИ признают игрушкой и возвращаются к таблицам. В исследовании «Джет» это ровно те 46%, которые не увидели устойчивого экономического эффекта.

Решение: данные собираются там, где идёт работа

Мы зашли с той стороны, что карточка сделки должна собираться из того, что уже произошло, а не из того, что человек вспомнил вечером.

Сообщения с сайта, из портала клиента, Max, Telegram и почты попадают в ленту сделки сами. Копировать переписку из телефона не нужно.
Встреча расшифровывается, саммари и договорённости остаются в карточке.
Ассистент менеджера предлагает следующий шаг и дату, человек соглашается или правит.

Так у ИИ-сотрудника появляется то, чего ему обычно не хватает: полная история по клиенту, собранная без отдельного проекта по наведению порядка в данных. Заполнение при этом превращается в подтверждение, и мы снимаем обещанные 15-20 часов рутины в неделю с сотрудника.

Отдельная платформа для агентов, серверы и своя команда под неё в этот счёт не входят. У вас подписка, инфраструктура наша забота.

Человек в контуре: барьер или правило

Второй пункт, который в обоих исследованиях звучит как проблема: из пилота не получается убрать человека, кто-то должен постоянно смотреть, что агент делает.

У нас это правило, а не издержка, и мы объясняли его в записи почему Орбита переспрашивает. Граница проходит по одному признаку: увидит ли действие клиент.

Наружу через ваше подтверждение: письмо, счёт, сообщение в мессенджере. Черновик поправите, отправленное письмо из почты клиента не вернуть.
Внутри система работает сама: собрать список, проверить телефоны, разложить события по календарю, поднять историю сделки.

Сложным оказалось не научить систему спрашивать, а отучить спрашивать лишнее. В рассылке три вопроса, а не семь.

Что проверить у себя на этой неделе

Смотрите вы нас или кого-то ещё, три вопроса стоит задать до внедрения:

Откуда система возьмёт данные о клиенте, если менеджер за неделю не впишет туда ни строчки?
Какие действия ИИ выполнит без спроса, а какие принесёт на подтверждение? Список должен быть, и он должен быть коротким.
Что вы увидите через месяц: отчёт о работе ИИ или счёт за неё?

Что это значит для вас

Крупные компании упираются в серверы и юристов. У небольшой компании барьер один: пустая база. Он снимается не платформой для агентов, а тем, что данные перестают зависеть от вечерней дисциплины менеджера.

Скажите, вы пробовали поручать ИИ рабочие задачи? И где остановились: непонятно, что поручить, или страшно за то, что он сделает без спроса?

— Александр