Почему большинство пилотных проектов корпоративных агентов так и не доходят до стадии развертывания?

Спонсорский контент

Почему большинство пилотных проектов корпоративных агентов так и не доходят до стадии развертывания?

Исследование технологических тенденций Deloitte на 2026 год показывает, что процент неудачных попыток внедрения ИИ-агентов в производство составляет 89%. Опрос Teradata подтверждает эту разницу: 78% предприятий имеют как минимум один запущенный пилотный проект с ИИ-агентами, но только 14% масштабировали его до использования в масштабах всей организации. Внедрение практически повсеместное; развертывание встречается редко. Разница заключается не в возможностях модели, поскольку одни и те же модели используются как в пилотных проектах, так и в производственных системах, а во всем, что связано с моделью: доступ к данным, оценка, владение и контроль затрат. Именно поэтому Crunch-IS является лидером в разработке ИИ-агентов, используя подход к внедрению, построенный вокруг операционного уровня, который обычно пропускают пилотные проекты. Ниже перечислены шесть препятствий, которые повторяются в исследовании, и то, что делают по-другому 11–14% компаний, которым удается преодолеть эти препятствия.

Воронка в цифрах

Прежде чем рассматривать причины, необходимо оценить масштаб проблемы. Основываясь на опросе Gartner, проведенном в апреле 2026 года среди 782 руководителей инфраструктурных и операционных подразделений, а также на анализе соответствующей отрасли, можно приблизительно представить следующую схему:

• Из каждых 1000 проектов в области искусственного интеллекта, получивших бюджет, примерно 120 доходят до стадии внедрения в производство.
• Из них около 34 достигают целевых показателей рентабельности инвестиций.
• Согласно исследованию Gartner Agentic AI Pulse, 41% внедрений приносят положительную окупаемость инвестиций в течение 12 месяцев; 19% так и не окупаются.

Согласно исследованию McKinsey, к 2026 году доля организаций, использующих агентов в реальных масштабах, составляла 11%. S&P Global Market Intelligence оценивает долю таких организаций в 31%, при этом у них должен быть хотя бы один работающий агент. «Один работающий агент» и «агентства в масштабах» — это совершенно разные показатели.

Препятствие 1: Расширение масштабов проекта

Анализ застопорившихся проектов по внедрению агентов показывает, что 61% сбоев обусловлены сочетанием двух причин: расширением масштаба проекта и качеством данных. Пилотные проекты начинаются с узкой области, успешно завершаются, а затем от них требуют обработки смежных рабочих процессов, для которых базовая инфраструктура изначально не была предназначена. От агента, который занимался сортировкой заявок в службу поддержки, теперь ожидается их решение, затем обновление CRM-системы, а затем оформление возвратов. Каждое расширение добавляет интеграции, разрешения и режимы сбоев, не создавая при этом необходимой операционной основы для их поддержки.

Препятствие 2: Доступ к данным, работавший в песочнице.

Пилотные проекты работают на основе тщательно отобранных экспортированных данных. В производственной среде используются работающие системы с несогласованными схемами, контролем доступа и задержками. Отраслевые исследования показывают, что 83% предприятий нуждаются в модернизации инфраструктуры для поддержки агентного ИИ. Пилотный проект не затрагивал устаревшую ERP-систему; в производственной среде этого избежать невозможно.

Препятствие 3: Отсутствие оценочного комплекта.

Согласно исследованию Forrester 2026 года, только 38% агентов, работающих в производственной среде, используют автоматизированную оценку каждого изменения запроса. В пилотном проекте каждый результат проверяется человеком. В производственной среде этого делать не приходится, и без автоматизированных регрессионных тестов каждая корректировка запроса — это риск. Данные Forrester показывают, что у агентов без автоматизированной оценки показатель отката составил 47%, по сравнению с 9% у агентов с полным охватом. Организации, использующие систематические системы оценки, в ходе отдельного исследования достигли почти в шесть раз более высоких показателей успешности в производственной среде.

Блокировка 4: Никто этим не владеет

Пилотный проект находится в ведении инновационной команды. Для производственной версии необходим ответственный за оперативное использование: кто-то, кто будет отвечать за ошибки агента в 2 часа ночи. Опросы по корпоративному управлению показывают, что уровень зрелости управления ИИ-агентствами составляет около 21%. Без назначенного ответственного, определенного пути эскалации и бюджетной статьи для текущей работы пилотный проект некуда передать.

Препятствие 5: Затраты, которые проявляются только при масштабировании

Анализ отмененных проектов неизменно показывает, что затраты в два-три раза превышают прогнозируемые. Потребление токенов, циклы повторных попыток и глубина рассуждений масштабируются в зависимости от объема и нестандартных ситуаций. Пилотный проект, выполняющий 50 задач в день, обходится недорого. Тот же самый агент, выполняющий 5000 задач в день, с повторными попытками и мониторингом производственного уровня, часто обходится дороже, чем процесс, который он заменил.

Блокировщик 6: Допуск к секретной информации

Исследование Gravitee за 2026 год показало, что 54% организаций столкнулись или подозревали инциденты, связанные с безопасностью или конфиденциальностью данных, в прошлом году, и только около одной из пяти полностью обеспечивает безопасность агентов в производственной среде. Группы безопасности, проверяющие пилотный проект на предмет одобрения для внедрения в производство, обычно обнаруживают учетные записи служб с избыточными правами доступа и отсутствие журнала аудита, и блокируют запуск.

Что делают 14% иначе?

Данные опроса организаций, успешно масштабировавших использование ИИ, показывают, что они не тратили больше средств, чем те, кто застопорился. Общие бюджеты на ИИ были сопоставимы. Разница заключалась в распределении ресурсов:

1. Больше средств тратится на инфраструктуру оценки и меньше — на оперативное проектирование.
2. Больше средств на мониторинг и наблюдаемость: структурированные журналы каждого этапа анализа и вызова инструмента.
3. Больше средств на оперативный персонал: людей, чья работа заключается в управлении агентом, а не в его создании.
4. Постепенная автономия с этапами проверки человеком, привязанными к значимости каждого действия.
5. Для каждого агента назначается ответственный за управление, а также устанавливаются контрольные точки рентабельности инвестиций на каждом этапе с утверждением финансовым отделом.

Главный вывод

По прогнозам Gartner, к концу 2027 года более 40% проектов по внедрению агентного ИИ будут отменены, и компания отмечает, что многие сценарии использования, позиционируемые сегодня как агентные, вообще не требуют их реализации. Разрыв между пилотным проектом и внедрением в производство не свидетельствует о неэффективности агентов. Он свидетельствует о том, что большинство организаций создают демонстрационную версию и пропускают этап разработки операционной модели. Те, кто доходит до этапа развертывания, поступают наоборот.

Источник: www.artificialintelligence-news.com