Исследование G2 «A Leap of Trust: AI Agents Are Winning Hearts and Wallets» показывает: 2025 год стал моментом, когда ИИ-агенты перестали быть лабораторным экспериментом и вошли в операционную реальность. Три из четырёх компаний уже инвестировали в автономные системы, а более половины готовятся увеличить бюджеты. Мы выделили главное из отчёта — как меняется мотивация бизнеса, где агенты приносят измеримый эффект и почему доверие становится новой валютой цифровой эпохи.
Дисклеймер: это выжимка из исследования компании G2. Материал подготовила редакция «Технократии». Чтобы не пропустить анонс новых материалов подпишитесь на «Голос Технократии» — мы регулярно рассказываем о новостях про AI, а также делимся полезными мастридами и актуальными событиями.
Если у вас стоит задача интеграции ИИ в бизнес-процессы, то напишите нам.
От экспериментов к доверию
2025 год стал переломным для искусственного интеллекта. После двух лет ажиотажа вокруг генеративных моделей бизнес наконец понял: ценность ИИ — не в красивых текстах, а в действиях. На смену «умным чатам» пришли ИИ-агенты — системы, которые не просто советуют, а выполняют задачи в реальных процессах: от поддержки клиентов до автоматизации операций.
По данным G2, за последние 12 месяцев три из четырёх компаний уже инвестировали в агентные решения, а более половины планируют увеличить бюджеты в ближайший год. Это не очередной всплеск FOMO, когда лицензии покупали «на всякий случай» — компании начали видеть реальную отдачу. Генеративный ИИ ускорял людей, но часто упирался в «закон Паркинсона»: высвобожденное время растворялось в чатах и совещаниях, не превращаясь в результат. Агенты этот барьер ломают — они действуют сами, без ожидания дедлайнов и человеческих подтверждений.
Главная развилка 2025-го — доверие. Почти 60% компаний уже держат агентов в продакшене, а половина готова давать им частичную или полную автономию хотя бы в низкорисковых сценариях. Это переход от модели с постоянным участием человека к модели с уведомлением человека: технологии становятся зрелыми, но решает не мощность моделей, а готовность организаций отпускать контроль и доверять результату.
Инвестиции и зрелость рынка
Деньги в ИИ-агентов пришли — и, судя по всему, надолго. По данным G2, три из четырёх компаний уже инвестировали в агентные технологии, причём около 40% тратят на это от $1 млн в год, а в четверти крупных предприятий бюджеты превышают $5 млн. Это уже не пилоты, а полноценная статья в годовом плане расходов.
Лидерами по вложениям стали здравоохранение и ритейл: там, где каждый контакт с клиентом стоит дорого, эффект от автономии виден сразу. В противоположность им сфера услуг чаще всего вообще не выделяет отдельный бюджет — показатель, что зрелость рынка распределяется неравномерно.
Но важнее не суммы, а смена мотивации. Если в 2023-м компании покупали лицензии под давлением моды — «чтобы не отстать», — то теперь решения принимаются на языке ROI. Организации приходят с конкретной болью: перегруженная поддержка, ручной ввод данных, затянутые циклы продаж. И хотят не подсказок, а действий, которые дают экономию и ускорение.
На этом фоне идёт перераспределение бюджетов: более трети компаний готовы сменить текущего SaaS-поставщика, если агентные функции предлагаются по той же цене. Это естественный обмен — от инструментов, требующих человека «в процессе», к системам, которые закрывают задачу под ключ.
От пилотов к продакшену
Если раньше внедрение ИИ растягивалось на годы, то в случае с агентами всё происходит куда быстрее. По данным G2, 57% компаний уже держат агентов в продакшене, ещё 22% находятся на стадии пилота. Для технологии, которая вошла в мейнстрим всего год назад, это аномально короткий цикл внедрения.
Первые ощутимые результаты приходят через три–шесть месяцев, а у каждой четвёртой компании — уже в первый квартал. Особенно быстро продвигаются малые и средние бизнесы: меньше барьеров, меньше бюрократии и больше готовых решений «из коробки», которые можно запустить буквально в день покупки.
Причин такой скорости несколько.
Проблемно-ориентированный спрос: компании идут не «играть в ИИ», а решать конкретные узкие места — очереди в саппорте, затянутые согласования, ручной ввод данных.
Попадание в болевые кейсы: агенты сразу бьют по зонам с наибольшими потерями времени и денег.
Низкий порог запуска: большинство платформ уже интегрированы с CRM, ITSM и DevOps-системами, что позволяет начать без сложных интеграций.
Типовой путь внедрения выглядит так:
сначала тестируется узкий сценарий с гардрейлами — например, автосоздание тикетов или ответы на типовые обращения;
затем охват расширяется на смежные процессы — бухгалтерию, внутренние запросы, DevOps-рутину;
и только после накопления данных и доверия компания переводит агента в режим частичной автономии.
Такой подход позволяет пройти путь от эксперимента до реальной ценности за считаные месяцы — без дорогостоящих пилотов и «песочниц», которые раньше затягивали внедрение ИИ.
Измеримые результаты
Главное отличие ИИ-агентов от генеративных моделей в том, что они не подсказывают — они действуют. И результаты этого действия уже можно измерить.
По данным G2, компании фиксируют снижение стоимости операций в среднем на 40%, а в зрелых сценариях — до 75%. Это не абстрактные проценты, а конкретные бизнес-метрики: цена закрытого тикета, обработанной заявки, выполненной операции. В продажах медианная стоимость исхода — лида или встречи — сокращается примерно на 20%, без долгих интеграций и дорогих лицензий.
Ещё один ощутимый эффект — ускорение потоков. Средний прирост скорости выполнения процессов составляет около 23%, а в маркетинге и разработке этот показатель достигает 50% и выше. Команды быстрее укладываются в окна релизов, сокращают time-to-market и чаще выполняют KPI.
Самое наглядное — поддержка пользователей. В среднем 80% обращений закрываются без участия человека, тогда как у классических чат-ботов этот показатель не превышает 50%. Это означает меньше эскалаций, меньшую нагрузку на первую линию и ощутимую экономию бюджета.
Есть и «человеческий» эффект. 87% сотрудников отмечают, что агенты снизили рутину и высвободили время для задач, где важны опыт и суждение. Для компаний это означает не только рост эффективности, но и снижение выгорания.
Генеративный ИИ ускорял человека, но не изменял экономику труда. Агенты ломают этот барьер — они не ждут инструкций, не «зависают» в чатах и не теряют фокус. Они просто выполняют задачу, превращая эффективность в результат.
Доверие как новая инженерия
Агенты уже доказали свою эффективность, но главный барьер их масштабирования — не технологии, а доверие. По данным G2, 63% компаний признали, что уровень человеческого контроля оказался выше ожидаемого: людей в контуре приходится держать дольше, чем планировалось. Причина проста — риск ошибок, утечек и несогласованных действий всё ещё велик.
За прошлый год компании фиксировали инциденты от «галлюцинаций» до нарушений комплаенса и потери данных. Особенно болезненны утечки — именно они чаще всего попадают в категорию major-рисков. Поэтому даже при высоких показателях эффективности организации осторожничают с полной автономией.
Тем не менее тренд очевиден: бизнес учится управлять риском инженерно. Почти половина компаний уже готовы предоставлять агентам полную свободу в низкорисковых сценариях — там, где цена ошибки невелика и откат дешёв. Чтобы сделать это безопасно, организации выстраивают инфраструктуру доверия:
создают единое окно данных, где агент получает целостную картину клиента или процесса;
внедряют системы наблюдаемости, фиксирующие каждое действие и позволяющие быстро откатывать операции;
используют ступени автономии, начиная с guardrails-режимов и постепенно переходя к human-informed;
переходят на стандарты MCP и A2A, которые упрощают интеграции и снижают вероятность ошибок при взаимодействии агентов между собой.
Всё это формирует новый подход, где доверие перестаёт быть эмоцией. Доверие становится инженерной дисциплиной — системой данных, процессов и инструментов, которая делает автономию управляемой, а риск — прогнозируемым.
Эра оркестрации
Когда агенты перестали быть одиночками, компаниям пришлось решить новую задачу — научить их работать вместе. Без «дирижёра» даже самые умные системы превращаются в какофонию: одни обращаются к разным источникам данных, другие конфликтуют за ресурсы или дублируют действия. Так родилась новая дисциплина — оркестрация ИИ.
Сегодня роль дирижёра берёт на себя центральное ИТ. Уже более 55% агентных внедрений финансируется из единого ИТ-бюджета, что означает переход от экспериментов к операционному управлению. В центре этой архитектуры — единые данные, стандартизированные интеграции и прозрачные политики автономии.
Для согласованной работы агентам нужен общий язык. Эту задачу решают новые стандарты Model Context Protocol (MCP) и Agent-to-Agent (A2A) — по сути, «USB-C для ИИ». MCP позволяет агентам подключаться к корпоративным системам без кастомной прошивки, а A2A обеспечивает обмен сообщениями между агентами разных платформ.
Параллельно формируется гибридная автоматика: связка RPA и ИИ-агентов. Если роботы обеспечивают стабильность в предсказуемых сценариях, то агенты добавляют гибкость и способность работать с исключениями. Вместе они создают новую производственную логику — когда ручной труд постепенно уходит, а процессы становятся управляемыми, наблюдаемыми и самоадаптивными.
Что определяет успех
Результаты внедрения ИИ-агентов зависят не только от технологий, но и от стратегии, с которой компания подходит к автоматизации. G2 выделяет три ключевых рычага, определяющих эффективность и скорость окупаемости:
Архитектура стека.
Компании, делающие ставку на agent-first, получают более высокое качество действий и выше общую удовлетворённость. Агентный стек гибче, не ломается на «стыках» и лучше адаптируется к изменениям.
Гибридная модель RPA + агенты обеспечивает предсказуемость, но проигрывает в скорости и потенциале развития.Подход к закупке.
Рынок разделился на три модели:готовые агенты — быстрый вход, минимум интеграций, первые результаты за 1–3 месяца;
платформы-билдеры — баланс между гибкостью и скоростью;
in-house-разработка — максимум кастомизации, но и самые долгие циклы окупаемости.
По данным G2, каждая четвёртая команда, строившая агентов полностью самостоятельно, так и не достигла значимых результатов.
Модель надзора.
На ранних стадиях компании чаще используют human-gated — когда человек утверждает действия агента. Это снижает риск и повышает точность.
По мере зрелости сценариев организации переходят к human-informed — человек лишь получает уведомление о действиях агента. Такой подход даёт ту же экономию (~38%), но позволяет масштабировать без страха.
Вендоры и прозрачность
Покупатели больше не верят обещаниям о «революции ИИ» — они хотят понятных метрик и прозрачных механизмов работы. Согласно G2, лишь 48% компаний доверяют заявлениям поставщиков о надёжности и возможностях их агентов. Остальные требуют доказательств: где границы автономии, как ведётся журнал действий, какие ограничения встроены и что происходит при сбое.
Новый стандарт доверия — объяснимость (explainability). Лучшие вендоры публикуют системные карты: схемы, показывающие архитектуру агента, используемые данные, логику принятия решений и систему откатов. Вместо маркетинговых кейсов покупателю дают реальные показатели — долю успешно выполненных задач, частоту откатов, среднее время восстановления после ошибок стоимость задачи и загрузку контекстом.
Отдельное требование — гибкость в оплате. Всё чаще компании выбирают pay-per-action или pay-per-outcome вместо фиксированной подписки. Такая модель снижает барьер входа и делает сделку честной: поставщик зарабатывает не на обещаниях, а на фактических действиях агента.
Побеждают те, кто не прячет механику, а показывает, как система принимает решения и какие меры безопасности встроены. В эпоху агентного ИИ прозрачность становится тем же конкурентным преимуществом, каким когда-то были SLA и uptime.
Долгосрочный горизонт
К 2030 году агенты не заменят SaaS, а возглавят его. По прогнозу G2, почти половина компаний видит будущее в формате «агенты поверх SaaS» — когда автономные системы управляют приложениями и данными, а не подменяют их. Это не революция, а естественная эволюция корпоративных ИТ: вместо десятков изолированных инструментов появляется единый слой «цифровой рабочей силы», способной действовать сквозь системы.
Историческая аналогия проста: как банкоматы не уничтожили профессию кассира, а перераспределили её функции, так и агенты не уберут людей — они снимут с них рутину. Повседневные операции перейдут к машинам, а людям останутся задачи, где ценятся суждение, доверие клиентов и принятие решений.
Этот сдвиг создаёт новые роли внутри компаний. Появляются архитекторы агентных систем, отвечающие за надёжность и масштабирование; кураторы данных, обеспечивающие чистоту и доступность информации; и операторы цифровой рабочей силы, которые следят за метриками выполнения задач и стоимостью результата. Всё это формирует новый класс инфраструктуры — оркестрацию, где агенты становятся «режиссёрами» процессов, а не просто инструментами.
Доверие как новая валюта
ИИ-агенты уже доказали свою ценность: они снижают издержки, ускоряют процессы и освобождают людей от рутины. Но масштабирование этой технологии упирается не в алгоритмы, а в доверие — к данным, к интеграциям и к самим системам. Компании, которые выстраивают это доверие инженерно — через прозрачность, наблюдаемость и управляемую автономию, — получают устойчивую экономику и предсказуемый результат.
В новом технологическом цикле побеждают не самые громкие, а самые надёжные. Там, где доверие подкреплено инженерией, экономика растёт быстрее, чем меняются лозунги.
