Привет! На связи команда Research & Insights Центра стратегии цифровых продуктов МТС. В прошлом году мы подготовили исследование мирового и российского рынка ИИ-агентов. Перед вами четвертая часть обзора этого исследования. В первой мы рассказали об интересных фактах из него, во второй — о видах агентов, в третьей — о ситуации в мире и России. А в этой раскроем детали будущего агентного ИИ: каким его видят исследователи и респонденты.
Масштабирование, рутина и коммуникации: для чего подходит ИИ
Согласно исследованию, ИИ-агенты перспективны в операционно-ориентированных функциях, где критичны стандартизация и масштаб. Чего у роботов нет, так это эмпатии. Поэтому высок потенциал внедрения у задач вроде закупок, финансовой отчетности, аудита, кода, логистики и операционки.
Низок — у разработки стратегии, PR-функций, управления талантами, корпоративной коммуникации, поддержки и маркетинга. ИИ автоматизировал клиентскую поддержку, но в перспективе у него выиграет коммуникация с реальными сотрудниками, где важнее всего эмпатия и эмоциональный интеллект.
Функции с высокой долей человеческого взаимодействия требуют гибридных решений — совместной работы ИИ и человека.
Куда внедрили ИИ-помощников
В производство, финансы, бухгалтерию и аудит. А к 2030-му агенты в этих сферах возьмут на себя больше.
В производстве помощники анализируют данные с датчиков, прогнозируют поломки и сбои оборудования, оптимизируют графики, подбирают смены для персонала и помогают в принятии оперативных решений.
Яркий пример — платформа MWS Data. Она представляет собой комплекс инструментов для работы с большими данными. В нее интегрированы ИИ-агенты: один принимает метаданные и примеры таблиц, подключается к документации и генерирует описание для каждой таблицы, сокращая время анализа до минут и экономя ресурсы специалистов, другой анализирует данные по запросу от пользователя на естественном языке, преобразует текстовый запрос в код и готовит отчет с визуализацией.
К 2030 году исследователи ждут цифровые копии заводов, где агенты выявляют аномалии, предполагают их причины, предлагают исправления и согласовывают с операторами или другими системами.
Также агентов интегрируют в физическую инфраструктуру предприятий — управлять производством в роли технологов, координаторов цехов и так далее.
В финансах, бухгалтерии и аудите агенты планируют движение денег и составляют бюджет, оптимизируют издержки, аудируют соответствие финансовым требованиям, анализируют инвестиции и управляют портфелями.
Например, портфелем управляет ИИ-агент-инвестор Wealthfront. Он оптимизирует налоговые стратегии и корректирует инвестиции под цели пользователя.
К 2030-му исследователи ожидают интерактивный финансовый ассистент, который строит таблицы и графики, интерпретирует данные, анализирует и комментирует отчеты. Также исследователи верят в появление мультиагентного ИИ, способного вместо человека руководить финансовым планированием в разных департаментах.
В каких сферах ИИ применяют точечно
Речь о нерегулярных бизнес-функциях, не требующих эмпатии. Из-за низкой повторяемости и разнообразия контекстов автоматизация здесь менее эффективна: ИИ-агенты применяют точечно, в виде:
аналитических инструментов для поддержки единичных решений;
генерации вариантов проектных решений;
подготовки документов или визуализаций.
Полная замена человека в этих сферах затруднительна, но возможно частично автоматизировать этапы или задачи — при наличии качественных данных.
В R&D агенты анализируют литературу, патенты и открытые данные, генерируют гипотезы и идеи на основе рыночных и научных трендов. Также агенты помогают с черновиками документов — от описания гипотез до концептов PoC, подготовки слайдов и резюме для докладов и питчей.
Insilico Medicine с помощью своей ИИ‑платформы Pharma.AI разработала лечение редкой легочной болезни и препарат Rentosertib и вышла на доклинические испытания примерно за два млн долларов и 18 месяцев вместо обычных ≈400 млн долларов и 3–6 лет.
В аналитике и BI агенты исследуют рынок и большие данные, интерпретируют информацию и делают выводы, ищут статистически значимые закономерности, прогнозируют и анализируют сценарии, строят графики, диаграммы и дашборды.
К 2030-му исследователи и респонденты ожидают применение ИИ-агентов в таких случаях:
Проведение исследований. Будут мониторить внешнюю среду 24/7 — патенты, базы публикаций, конкурентные продукты — и формировать предиктивные тренды. Смогут инициировать research-запросы при обнаружении сигналов.
Проверка концепций. Смогут проектировать раннюю архитектуру продукта и предлагать решения задачи.
Создание прототипов приложений. Будут самостоятельно генерировать фичи, интерфейсы, API-дизайн и управлять созданием продукта.
Ожидаемые эффекты:
Цикл от идеи до MVP сократится до 3–4 месяцев.
Стоимость раннего этапа (Research + PoC) снизится на 30–50%.
Повысится точность выхода в PMF за счет постоянной аналитики и итераций.
Появятся платформы R&D-as-a-Service, где ИИ-агенты ведут проекты сквозным потоком.
Агенты смогут предсказывать поведение участников рынка и спрос.
Персонал перестанет проводить исследования, достаточно будет ответов ИИ-агента.
ИИ начнут выполнять весь цикл аналитики: от поиска и обработки информации до визуализации данных.
Где агенты не обойдутся без надзора
Чтобы постоянно общаться со множеством людей, важна не только скорость, но и межличностное общение — сочетающее эмпатию, понимание контекста и адаптацию к нюансам.
ИИ-агенты здесь применяются, но преимущественно в качестве вспомогательных инструментов, а не самостоятельных исполнителей. Речь о следующих сферах:
Управление и руководство. Здесь будут лидировать ассистенты для решений. Агенты быстро, точечно ищут информацию и проверяют гипотезы, готовят аналитические справки, предлагают лучшее варианты действий. Также свою нишу нашли автоматизаторы рутины. Они обрабатывают итоги встреч, переписки и документы, генерируют письма и брифы. И еще агенты в менеджменте мониторят и оценивают исполнение: отслеживают статусы и сигнализируют об отклонениях.
Пример: Unilever запустил Adaptive Strategy Platform внутри компании. Платформа объединяет данные о потребителях, рынках и операционной эффективности. ИИ-агенты в реальном времени отслеживают стратегические KPI, выявляют изменения в поведении потребителей, оценивают влияние инициатив и риски.
К 2030 году роль агентов в менеджменте по прогнозам усилится. Агенты станут операционными координаторами, управляющими задачами в подразделениях и корректирующими планы. ИИ-помощники будут отслеживать метрики сотрудников и команд в реальном времени, предлагать управленческие действия, давать рекомендации по стратегиям, анализировать и сценарно моделировать риски.
Маркетинг. В этой категории задач популярны ассистенты для генерации контента, слоганов, визуала (GenAI); A/B-тестирования; оптимизации каналов и тайминга; гиперперсонализированных рекомендаций в режиме реального времени.
Например, Shopify интегрирует автономных агентов ИИ в свои маркетинговые операции, чтобы снизить зависимость от человека и повысить эффективность.
В маркетинге спустя четыре года агенты будут самостоятельно генерировать креативы и запускать их в работу. Также в их задачах окажутся автоматизированная сегментация клиентов, анализ данных и гиперперсонализация под каждого пользователя.
Где агенты малоприменимы
С отставанием агенты внедряются в области, требующие вовлеченности человека: где важны общение, межличностное взаимодействие и оперативные решения в неопределенности. Для таких задач человеческие качества, по крайней мере пока что, незаменимы. А ИИ-агенты в PR и стратегии не играют ведущей роли.
В PR применение агентов ограничивается созданием креативов и пресс-релизов для разных ЦА, анализом новостных источников и выявлением трендов. Также агентам поручают отслеживать упоминания бренда, анализировать настроения и эффективность кампаний, мониторить состояние бренда, собирать метрики, измерять KPI и показатели постов.
В Microsoft ИИ-интерфейс обрабатывает упоминания компании в СМИ, подкастах и соцсетях. Команда коммуникаций получает данные для оперативной реакции. А Copilot создает публикации в соцсетях и готовит речи топ-менеджмента, но люди строго проверяют результаты.
В разработке стратегии организации ИИ-агенты на сегодняшний день применимы еще меньше. Их используют лишь для двух задач — анализа рынка и конкурентов, таких как Manus и Perplexity, а также для разработки стратегии и составлении дорожной карты. В частности, BlackRock запустила ИИ-агента Asimov в свою инвестиционную стратегию и операции по анализу рынка.
К 2030-му при помощи ИИ-агентов в компаниях начнут запускать симуляции стратегий, чтобы проанализировать их эффект. Это поможет принимать решения владельцам бизнеса, усилит аналитическую и проектную части разработки стратегии.
Как агенты меняют потребительское поведение
Исследование приводит его типовую модель: карту пользовательского пути (customer journey), охватывающую цикл взаимодействия с товаром или услугой — от возникновения потребности до постпродажного обслуживания.
Модель построили в разрезе двух горизонтов:
2026 — текущее состояние: ИИ-агенты выполняют преимущественно рекомендательные и аналитические функции, являясь фактически «продвинутым поиском».
2030+ — прогноз: ИИ-агенты становятся активными цифровыми посредниками, принимающими решения, совершающими транзакции и управляющими циклом потребления от имени пользователя.
В 2026 году пользователь осознаёт свою потребность и формулирует под нее запрос в формате инструкции для ИИ‑агента: найти, сравнить, предложить варианты, дать совет. Агент косвенно влияет на потребности пользователя через рекламные механизмы, сбор поведенческих данных, real-time-таргетинг и генерацию персонализированных креативов.
В 2030-м пользователь не станет формулировать запрос, а доверит ИИ‑агенту предугадывать потребности. Будет подтверждать предложенное действие (например, покупку, продление услуги) или разрешать агенту действовать автоматически. И пользователь сможет открыть агенту свои данные для персонализации рекламы — в обмен на бонусы или приоритет.
ИИ-агент будет определять потребность пользователя, ориентируясь на историю взаимодействий плюс данные, и предлагать действия. Также он будет адаптировать рекламные сообщения и персонализировать их, встраивая в интерфейс и делая частью индивидуальных рекомендаций.
В 2026-м ИИ играет вспомогательную роль при выборе, ускоряя и упрощая его. От пользователя требуется внимание, анализ и подтверждение.
Похожие механизмы реализованы в тарифе «РИИЛ» от МТС, где доступны несколько сценариев взаимодействия с нейросетью:
Сценарий «Что посмотреть/почитать» помогает подобрать фильм, сериал или книгу.
«Где поесть» подберет ресторан с определенной кухней, даст краткое описание и расположение заведения, информацию о среднем чеке, а также номер телефона заведения.
«Хочу спросить» и «Хочу поболтать» дадут возможность узнать у ИИ любую информацию или просто поговорить с ним в неформальном тоне. При этом ИИ не дает медицинских или юридических рекомендаций.
Помимо этого, в тариф встроены два персональных ИИ-помощника абонента. Это ИИ-тренер и ИИ-стилист. ИИ-тренер узнает у абонента его тренировочные цели, уровень подготовки, доступное спортивное оборудование, предпочитаемый вид спорта, медицинские ограничения и наличие свободного времени. Затем по этим данным составляет индивидуальную программу тренировок.
Похоже работает и ИИ-стилист. Сначала он узнает пол пользователя, его возраст и предпочтения в стиле. После этого уточняет, куда требуется создать образ, и предлагает несколько вариантов с оп��санием.
К 2030-му ИИ-агент превратится в субъекта выбора, действующего в рамках пользовательских целей, ограничений и доверенных параметров. Он сможет пересматривать принятые решения при появлении альтернативы, запрашивать предложения у разных платформ, сравнивая, торгуясь и выбирая лучшее — с подтверждением от пользователя.
Сейчас пользователь ставит способ оплаты, метод и время доставки, вводит платежные данные и одобряет транзакцию. К 2030 году ИИ-агент будет делать это самостоятельно в рамках заданных условий, в том числе оптимизируя цену в момент покупки с помощью акций, скидок, карт и купонов. Также он будет проверять безопасность оплаты, выбирать время и адрес доставки сообразно календарю и локации пользователя, отслеживать заказ в реальном времени и коммуницировать с курьером.
Постпокупку тоже возьмут на себя агенты. Спустя пять лет они будут следить за гарантийными сроками, инициировать обращения в поддержку и сервисное обслуживание.
По каким сценариям ИИ разовьется в производстве и потреблении
Генеративный рынок. Технологии развиты: ИИ генерирует контент, продукты и интерфейсы. Но потребность в человеческом выборе остается высокой. Избыток контента ведет к инфляции внимания и необходимости новых фильтров. Возникает еще один критерий ценности — контент, созданный людьми.
Ручной контроль. Сценарий может развиваться параллельно с другими в зрелых и высокорегулируемых сферах (медицина, суды и прочее). ИИ помогает, но человек доминирует — как в производстве, так и в потреблении. Технологии усилива��т человека, но не замещают его. Формируется культура осознанного цифрового выбора, появляются движения off-AI, low-AI. Контроль над ИИ-инструментами становится этической нормой и маркером статуса. Физические и экономические ограничения ресурсов замедляют тотальную автоматизацию.
Экономика агентов. Сценарий скорее реализуем в B2B-секторе, зависит от доверия и зрелости правовых норм. Полностью автоматизированная цепочка: ИИ создает — ИИ покупает. Возникают B2A- (Business-to-Agent) и A2A-взаимодействия, автономные рынки агентов — торгующих, договаривающихся, распределяющих ресурсы. Энергетика, логистика и управление инфраструктурой адаптируются под агентов, а не людей. Человек переключается на надсистемный уровень управления — через метацели.
Агентское потребление. Развивается в банковских сервисах, подписках и цифровых ассистентах. Может стать доминирующим стилем потребления. ИИ-агент знает цели, предпочтения, график, контекст пользователя и действует в его интересах. Пользователь не выбирает, а определяет принципы и ограничения (бюджет, бренды, ценности). Производство автоматизировано частично — остаются элементы человеческого контроля (дизайн, финальная сборка, проверка качества). Роль взаимодействия B2A усиливается: бренды оптимизируют продукты и интерфейсы под агентов.
Куда идем? Выводы для бизнеса
С 2024 по 2026 год компании должны были экспериментировать масштабно — инвестировать в пилоты и накапливать компетенции, чтобы к моменту зрелости технологий иметь стратегическое преимущество.
С 2027-го по 2030-й бизнесу будет важнее всего выбрать роль: быть интегратором, строить платформы B2A — или оставаться нишевым игроком с узкой специализацией.
А после 2030-го лидеров будет выявлять не скорость внедрения технологий, а способность переосмыслить бизнес-модели и адаптироваться к экономике, управляемой алгоритмами.
Конечно, «будущее не определено, нет судьбы, кроме той, что мы творим сами». Но важно учитывать варианты развития, чтобы в этом будущем быть, причем не на задворках судьбы, а успешными игроками новой реальности.