За последний год вопрос о том, когда AI-функции выйдут в эксплуатацию, стал одним из самых частых. Однако часто бывает так: AI-инструмент запущен, но через три месяца сотрудники продолжают работать по-старому. Gartner прогнозирует, что более 40% Agentic AI-проектов будут отменены до 2027 года — не из‑за технических проблем, а из‑за неконтролируемых затрат, неясной бизнес-ценности и недостаточного управления рисками.
Люди склонны доверять системам с низкой ценой ошибки и возможностью контроля. Например, сотрудник может доверить стажёру обработать отчёт, но не станет сразу давать ему доступ к базе данных. Это явление автор называет «несимметричностью доверия»: одно ошибочное действие AI может перечеркнуть сотни успешных. Поэтому на рынке растёт интерес не к универсальным агентам, а к «Purpose-Built Agents» — узкоспециализированным решениям, встроенным в существующие рабочие процессы.
В качестве примера автор приводит опыт команды, которая при внедрении AI Agent в электронную коммерцию выбрала в качестве первой задачи настройку купонов. Причины выбора: чёткие правила (логика настройки структурирована), низкая и обратимая цена ошибки (неправильные купоны можно исправить до публикации), реальная потребность в автоматизации (сотрудникам не нужно вручную проверять конфликты между акциями).
Ещё один важный элемент — возможность отката действий. Например, при изменении заказа AI сначала показывает, что именно он собирается изменить, а после выполнения операции оставляет окно для отката изменений в несколько минут. Также сотрудники могут в любой момент перехватить управление процессом.
Автор подчёркивает: внедрение AI Agent — это не разовый проект, а начало цикла обратной связи. Нужно анализировать реальные данные использования: какие задачи люди готовы доверить AI, какие рекомендации принимают, где отказываются от него в пользу Excel. Чем раньше AI начнёт работать в низкорисковых задачах, тем быстрее он накопит специфические знания компании — правила, исключения, язык.
Автор рекомендует: прежде чем проводить масштабное сравнение поставщиков, выберите одну задачу, которая повторяется более десяти раз в неделю, имеет чёткие правила и низкую цену ошибки. Дайте AI выполнить её, установите чёткие границы, предусмотрите возможность отката и регулярно анализируйте данные использования, корректируя работу каждые две недели.
Подписаться в Макс
