Блог · Новости
Свежие отчёты показывают разрыв: крупные масштабируют ИИ-агентов, малый бизнес топчется на месте. И дело чаще не в деньгах, а в постановке задач.
Про ИИ-агентов пишут почти каждый день, и из новостей может показаться, что все давно автоматизировали продажи и поддержку. У небольшой компании картина скромнее: пара запросов в чат, пара текстов, и на этом всё. Свежие мировые отчёты помогают понять, где проходит граница между «работает» и «не работает» — и почему она не там, где принято думать.
25 августа McKinsey выпустила обзор The state of AI in 2026: On the road to ROI. Аналитики опросили почти 1 700 руководителей и зафиксировали знакомую картину: инструменты есть почти у всех, а измеримая отдача — у меньшинства. По данным McKinsey, только около 37% респондентов связывают с ИИ какой-то эффект на прибыль. Рынок уже называют гонкой на двух скоростях: одни уходят вперёд, другие годами не выходят из пилотов.
15 сентября Reuters сообщил о первом случае, когда регулятор опубликовал отчёт об утечке, в котором фигурировал ИИ-агент. Испанское агентство по защите данных AEPD описало инцидент, где третья сторона, по версии регулятора, использовала агента на нескольких этапах атаки. Вывод не про хакеров, а про управляемость: агент уже настолько вписан в процессы, что попадает в официальную статистику инцидентов, а отвечает за его действия компания.
Самое интересное в обзоре McKinsey — разрыв по размеру компаний. У крупных организаций доля тех, кто масштабирует ИИ-агентов, за год выросла с 27% до 40%. У компаний поменьше показатель почти не двигался. Одни и те же модели, одни и те же инструменты, а результат разный.
Отсюда легко сделать неверный вывод: значит, малому бизнесу это не нужно. Исследования говорят обратное. Axios 10 сентября разобрал данные Gusto по малому бизнесу: компании, которые внедрили ИИ, нанимали людей быстрее, а не медленнее, причём для самых маленьких фирм прирост оказался заметнее. Отдельный разбор Philadelphia Fed от 22 сентября подтверждает: у небольших компаний ИИ влияет на показатели прежде всего там, где закрывает конкретную рутину.
В испанском кейсе регулятор подчёркивал: интересен не сам агент, а то, что с его помощью можно было пройти несколько этапов атаки при ограниченном участии человека. Для бизнеса это сигнал про контроль. Если ваша нейросеть что-то отправляет, удаляет или публикует без подтверждения, вы теряете контроль над последствиями.
Агент — это не «умный чат». Это исполнитель с доступом к вашим данным, и он делает ровно то, что вы сформулировали, а не то, что вы имели в виду.
Поэтому в мировой практике растёт спрос на наблюдение за агентами: в обзорах начала осени часть запущенных агентов работает вообще без присмотра, и это уже считают операционным риском, а не мелочью.
Разница между «получилось» и «не получилось» редко в бюджете. У компаний, которые получили эффект, заметна общая черта: сначала описывают процесс, потом подбирают инструмент. Не «давайте внедрим ИИ», а «вот эта операция повторяется каждый день, давайте снимем её с людей».
У остальных получается вода — не потому что модель слабая, а потому что задание допускает десять разных прочтений.
Малой команде некогда писать длинные задания, поэтому просьба к нейросети умещается в строку: «напиши пост». Модель честно выполняет самое общее из возможных прочтений.
Лечится это не новыми сервисами, а привычкой давать контекст: кто читатель, что он уже знает, какой тон уместен, что нельзя упоминать, в каком виде нужен ответ. Разбор структуры хорошего промпта и типичных ошибок в промптах у нас уже был — это тот уровень, где вложения минимальны, а отдача видна сразу.
Сравните два варианта. Первый — как обычно пишут: «напиши описание для товара». Второй — рабочая версия с ролью, контекстом и форматом:
Ты копирайтер компании, которая продаёт дачные товары. Напиши описание товара для маркетплейса. Товар: садовая тачка с усиленным корпусом. Читатель: дачник, который выбирает по срокам доставки и прочности. Дай заголовок до 60 знаков, затем два абзаца: для чего подходит и из чего сделана. Без слова «уникальный», без восклицательных знаков.
Разница не в длине, а в том, что второй вариант оставляет модели меньше свободы для домыслов.
Возьмите один документ, который вы пишете регулярно: коммерческое предложение или карточку товара. Сформулируйте к нему задание по схеме выше и прогоните через любую доступную нейросеть. Если результат пригоден к работе с небольшими правками, у вас есть готовый шаблон, который дальше только уточняется.
Если не хочется собирать формулировки с нуля, посмотрите набор «Промты для МСБ»: там собраны готовые задания под типовые задачи небольшой компании, от описаний товаров до писем и постов. Принцип при этом не меняется: нейросеть не заменяет понимание задачи, она его ускоряет.
Читай также: Набор промптов для селлеров: карточки, отзывы и ответы и Нейросети для малого бизнеса: модели подешевели, а агентов блокируют.
Мы собрали 50 готовых промптов и 10 задач в один набор «Промты для МСБ». Вставляешь данные — получаешь результат.
Читай также: все статьи блога