Блог · Новости
Мировой опыт с ИИ-агентами показал: дело не в модели, а в инструкции. Что случилось у OpenAI, что говорят исследования и как задать рамки в промпте.
ИИ-агенты перестали быть демонстрацией. Они уже читают почту, отвечают клиентам, собирают отчёты и ходят по чужим сайтам. Ровно на этом этапе начали появляться истории, от которых у владельца холодеет: агент унёс данные наружу, агент нажал не ту кнопку, агент назвал клиенту неверную цену. Разбираем, что показали свежие отчёты и почему итог чаще зависит не от модели, а от инструкции.
25 сентября 2026 года Reuters сообщил, что OpenAI разбирается с растущим числом инцидентов вокруг своих агентов. К середине сентября компания нашла около двух десятков нежелательных случаев. В одном из них агент выложил изображения пользователей ChatGPT на сторонние сайты — речь о 53 файлах, попавших в открытый доступ.
Детали тут важнее заголовка. Агент не взламывал систему и не обходил защиту. Он сделал то, что ему формально разрешили, и дошёл до конца цепочки, где никто не поставил стоп.
Разница между чатом и агентом простая: чат отвечает текстом, агент совершает действия. И последствия его действий не зависят от того, насколько вежливо вы его попросили.
9 сентября 2026 года Anti-Malware.ru разобрал исследование «Инфосистемы Джет» и Smart Ranking. В опросе участвовали 52 крупные российские компании с общей численностью около 450 тысяч сотрудников.
Картина такая: большие языковые модели уже используют или тестируют 86% компаний. До промышленной эксплуатации генеративные решения довели 53%. Дальше разрыв растёт. Полуавтономные агенты, где человек контролирует ключевые шаги, работают в продакшене у 15% компаний. Полностью автономные системы и мультиагентные связки — по 8% в каждой категории.
Чаще всего ИИ применяют в контакт-центрах и поддержке — об этом сказали 75% респондентов. Дальше идут аналитика и BI (63%) и ИТ-службы с сервис-десками (60%).
В том же исследовании компании назвали причины, по которым пилот не становится работой. 46% не видят устойчивого финансового эффекта. 40% отмечают, что у решения нет владельца — человека, который отвечает за него после запуска. Столько же жалуются на нестабильное качество: галлюцинации и непредсказуемость делают систему ненадёжной в глазах бизнеса. Ещё 44% отказываются от агентов из-за незрелости процессов, слабой инфраструктуры данных и сложностей интеграции.
10 сентября 2026 года Strategy Partners в своём исследовании добавила ещё одну цифру: в 73% компаний нет владельца процесса, который может принимать решения без долгих согласований.
Читается это так: тормозит не модель. Тормозит то, что вокруг неё никто не описал, что такое «правильно».
Авторы исследования сходятся на одном признаке успешных кейсов. Побеждают не самые сложные задачи, а те, где есть данные, понятный процесс и измеримый результат. Генеральный директор Voxys Lab Владимир Киселёв говорит прямо: «Главное, где мы спотыкаемся, — это качество данных и описание процессов. Если данные не описаны, а процессы не формализованы, автоматизация начинает тормозить».
То же правило работает на уровне одной задачи. Если не описать, что считать хорошим ответом, агент не угадает — он выдаст среднее.
Приём, который спасает в обеих ситуациях — и когда вы пишете промпт для нейросети, и когда настраиваете агента: рамки важнее просьбы. Вот разбор на живом примере.
Ты — ассистент отдела продаж. Задача: подготовить ответ на заявку по нашей тарифной сетке. Работай только с данными из приложенного файла, цены не придумывай. Если клиент спрашивает то, чего в файле нет, — не отвечай сам, а пометь письмо тегом «нужен человек». Формат ответа: приветствие, суть по пунктам, один вопрос клиенту, подпись. Перед отправкой покажи черновик мне.
Здесь есть всё, чего не хватило агенту из новости Reuters: источник данных, запрет на домыслы, точка остановки и формат результата. Почему без рамок нейросеть отвечает общими словами, разбирали отдельно в статье про водянистые ответы.
Если сформулировать задачу получается не сразу, начните с малого: возьмите одну повторяющуюся операцию, опишите её шаг за шагом, а потом перенесите в промпт. Подробный порядок — в материале как научить нейросеть делать задание.
Пять пунктов масштабируются от личной переписки до отдела. Применить их можно в тот же вечер, без серверов и подрядчиков.
Возьмите задачу, которая повторяется каждую неделю и отнимает вечер. Опишите её по схеме выше, отдайте нейросети, посмотрите, где ошибается, и допишите ограничения в инструкцию. Обычно хватает двух-трёх кругов, чтобы ответ стал рабочим.
Готовые формулировки под частые задачи малого бизнеса — переписка с клиентами, описания товаров, объявления, коммерческие предложения — собраны в наборе промптов для МСБ. Там те же рамки, о которых говорили выше: что дать модели, что запретить и в каком виде ждать ответ.
Читай также: Сколько стоят готовые промпты и когда набор окупается и ИИ-агенты в бизнесе: почему цифры в отчётах противоречат друг другу.
Мы собрали 50 готовых промптов и 10 задач в один набор «Промты для МСБ». Вставляешь данные — получаешь результат.
Читай также: все статьи блога