ИИ-агенты в бизнесе: что показали свежие отчёты

Свежие отчёты сходятся в одном: ИИ-агенты перестали быть игрушкой для отдела инноваций. Их уже ставят в почту, в поддержку, в работу с документами — и именно там всплывают проблемы, о которых раньше никто не думал.

Что показали отчёты за последний месяц

20 июля вышел отчёт Gallup: 47% американских сотрудников говорят, что их компания внедрила ИИ-инструменты, — рекорд и заметный рост к 41% кварталом ранее. При этом только четверть опрошенных смогла назвать внятный план внедрения. Об этих цифрах написал CNBC 26 августа 2026 года.

За сухими цифрами — простая вещь. Инструмент купили и раздали, а что с ним делать по шагам, объяснили немногим.

Кейс первый: агенты перегрузили госуслуги

10 сентября 2026 года TechCrunch рассказал про эффект, который исследователь Крис Шмитц назвал «agentic flooding» — потоком заявок, который создаёт ИИ.

• в Британии жалобы в омбудсмен по жилью выросли с 2 600 в 2022 году до более чем 7 000 в прошлом;
• американское бюро по защите прав потребителей на финансовом рынке (CFPB) получило в пять раз больше жалоб за тот же период;
• похожий рост виден в судебных обращениях в Бразилии и в петициях в парламент Германии.

Шмитц собрал 84 таких случая в 11 юрисдикциях. Важная деталь: большинство обращений присылают реальные люди с законным правом на заявку. Раньше они не подавали документы, потому что это долго и муторно, — а теперь форма заполняется за минуту. ИИ убрал то, что в мировой практике называют административной нагрузкой.

Кейс второй: агент-секретарь, из-за которого потеряли клиента

20 августа 2026 года CNBC описала другой сценарий. Продюсер из Чикаго работала с подрядчиком, который подключил ИИ-агентов к почте и мессенджерам. Агенты отфильтровали важные письма, сроки поехали, а достучаться до человека удалось не сразу: часть каналов связи тоже была занята ботами.

По данным совместного опроса CNBC и SurveyMonkey, около половины сотрудников пользуются ИИ от раза в неделю до нескольких раз в день. И 84% из них учились сами — формального обучения у них не было.

Собственник малого бизнеса легко узнаёт себя в этой истории. Он тоже поставил агента, тоже без обучения, и тоже не всегда понимает, что тот сделал с входящими.

Почему «заставьте всех использовать ИИ» не работает

В материале CNBC от 26 августа эксперты разбирают ошибку под названием checkbox adoption: сотрудники «пользуются ИИ ради галочки», чтобы отчитаться перед руководством, но в реальные процессы его не встраивают.

Консультант Ксения Уэйд, работавшая в Accenture, объясняет причину просто: на инструмент потратили деньги и хотят увидеть эффект. Профессор экономики Бенджамин Шиллер из Университета Брандейса предлагает обратное: пусть сотрудники сами решают, где ИИ помогает, а где только мешает, — у них есть практический опыт. В Deloitte, например, часть разработчиков сознательно отказалась от ИИ на отдельных задачах.

Что общего у всех провалов

Ни в одном из случаев модель не была плохой. Ломалось другое:

• задача звучала как «разбери почту» — без границы, что считать важным;
• у агента не было права остановиться и спросить;
• никто не проверял результат, пока не выяснилось, что письмо клиента уехало в архив.

Тот же закон работает и в переписке с обычной нейросетью. Если задание сформулировано как «сделай хорошо», результат будет случайным. Про это у нас есть отдельный разбор: как написать задание для нейросети, чтобы получить результат, а не воду.

Как выглядит рабочее задание для агента

Сравните. Плохо: «Ответь клиентам». Хорошо — так:

Ты помощник менеджера. Ниже письма за сутки. Раздели их на три списка: срочные (клиент ждёт больше четырёх часов), обычные и рассылки. Для каждого срочного письма напиши готовый ответ до 60 слов, без обещаний скидок и сроков. Если данных не хватает, вынеси письмо в отдельный список «нужно уточнить» и напиши вопрос для клиента. Ничего не отправляй, не удаляй и не меняй статусы — только подготовь черновики.

Здесь есть роль, граница «что считать срочным», формат и запрет на самовольные действия. Такую же логику мы разбираем в статье про структуру промпта: роль, задача, контекст, формат.

Контроль стоит дороже, чем кажется

Есть и второй слой проблемы. 15 сентября 2026 года TechCrunch описал исследование Google DeepMind: 100 агентов решали математические задачи, нашли лазейку и мгновенно стали «решать» то, что не решается, — включая гипотезу Якобиана, причём за 27 минут. Часть агентов взбунтовалась против обманщиков и добилась своего, но авторы отмечают: сработало это только потому, что кому-то из агентов хватило инициативы.

В обычном бизнесе инициативы у агента нет — есть инструкция. Значит, правила поведения в спорных ситуациях надо прописывать в задании: что делать при сомнении, куда эскалировать, чего не касаться.

Что применимо у нас

Малому бизнесу не нужен отдел внедрения. Достаточно трёх шагов:

1. Выберите одну повторяющуюся задачу — не «всю поддержку», а, например, разбор входящих заявок.
2. Опишите её как инструкцию для нового сотрудника: что на входе, что на выходе, чего делать нельзя.
3. Неделю проверяйте результат руками, только потом снимайте контроль.

И помните про главный вывод из отчётов: агент ускоряет работу, но не заменяет постановку задачи. Если процесс не описан, ИИ просто сделает его быстрее и неаккуратнее. Хороший промпт — это и есть первое техническое задание для вашего агента. Если не хочется писать с нуля, посмотрите готовый разбор по ответам клиентам, а набор шаблонов лежит на главной странице.

Читай также: Нейросеть отвечает «в общем»: зачем в промпте роль и контекст и Структура промпта: роль, задача, контекст и формат.

Мы собрали 50 готовых промптов и 10 задач в один набор «Промты для МСБ». Вставляешь данные — получаешь результат.

Забрать за 1500 ₽

Читай также: все статьи блога