Компания McKinsey представила обзор, посвященный ИИ-агентам, их преимуществам и недостаткам. В документе описаны основные тренды, связанные с внедрением ИИ-агентов в бизнесе, а также возникающие при этом трудности. Авторы указывают на ряд проблем и предлагают их решения, которые могут способствовать более эффективной работе организаций с агентным ИИ.

Ключевые выводы:

• несмотря на активное внедрение ГенИИ (78% компаний используют его хотя бы в одной функции), более 80% не видят существенного влияния на финансовые показатели. Этот феномен аналитики называют «парадоксом ГенИИ». Причина — разрыв между широким использованием горизонтальных решений и отсутствием масштабируемых вертикальных кейсов;

• кейсы, встроенные в конкретные бизнес-процессы (например, в цепочку поставок или ценообразование), имеют потенциал прямого влияния на прибыль. Но менее 10% из них доходят до стадии масштабирования. Даже реализованные решения часто охватывают лишь отдельные процессы и работают неавтономно, отмечается в документе;

• ключевым барьером для внедрения ИИ-агентов в работу компаний аналитики называют то, что менее 30% проектов имеют поддержку топ-менеджмента, что ограничивает ресурсы и ухудшает координацию. В большинстве случаев нет готовых решений, а команды не укомплектованы инженерами MLOps;

• также авторы отмечают, что ИИ-команды часто изолированы от команд, занимающихся ИТ-аспектами и развитием бизнеса, что может затруднять интеграцию решений. Данные — особенно неструктурированные — слабо управляются и труднодоступны. Сопротивление в компаниях также связано с опасениями по поводу рабочих мест и отсутствием доверия к новым технологиям;

• ИИ-агенты ускоряют выполнение задач, устраняя задержки и работая параллельно друг с другом. Они адаптируются в реальном времени, меняют приоритеты, предотвращают сбои и персонализируют действия под клиента;

• современные ИИ-агенты не просто создают контент, а берут на себя отдельные задачи: формулируют цели, делят их на подзадачи и выполняют без участия человека. В McKinsey подчеркивают, что это требует полной перестройки рабочих процессов, включая перераспределение ролей и создание архитектуры, ориентированной на агентов;

• если просто внедрить агентов в текущие процессы, прирост эффективности будет сдержанным, пишут авторы документа. Существенный эффект достигается только при редизайне процессов под агентную модель: новая логика, последовательность и роли. Особенно это важно, по мнению аналитиков, для сложных, межфункциональных процессов с высокой координационной нагрузкой;

• обычная инфраструктура на базе LLM не справляется с рисками автономных агентов, говорят в McKinsey. AI Mesh — это гибкая модульная архитектура, позволяющая управлять агентами, их памятью, оркестрацией и безопасным взаимодействием с системами. Она масштабируема, независима от вендоров и готова к быстрой технологической эволюции;

• как отмечают авторы обзора, важно контролировать автономию агентов без потери эффективности и выстроить процессы управления их развитием. Успех зависит от стратегии, стандартов и готовности к новым рабочим процессам.