Крупные компании лидируют по внедрению

Более половины опрошенных — 57,3% — уже используют агентов в production. Еще 30,4% находятся в активной разработке и имеют конкретные планы по запуску.

Это заметный рост относительно прошлого года, когда о production-внедрении сообщили 51% участников. Иными словами, рынок сдвинулся: proof-of-concept уже не выглядит финальной остановкой. Скорее наоборот — компании массово переходят от демонстраций к реальным системам, которые должны приносить пользу, а не просто красиво выглядеть на слайде.

‍

Что меняется с ростом масштаба?

Среди организаций с численностью 10 000+ сотрудников 67% уже вывели агентов в production, а еще 24% активно готовят запуск. Для компаний с численностью менее 100 сотрудников эти показатели составили 50% и 36% соответственно.

Вывод довольно прямой: крупный бизнес быстрее переводит пилоты в устойчивые решения. Вероятно, дело в инвестициях в платформенные команды, зрелую архитектуру AI-агентов, процессы надежности и, конечно, безопасность. Без этого масштабирование обычно идет не бодрым маршем, а с характерным скрипом.

Основные сценарии использования

Клиентский сервис оказался самым распространенным сценарием применения AI-агентов — 26,5%. Сразу за ним идут исследования и анализ данных — 24,4%. В сумме эти два направления дают больше половины всех основных production-сценариев.

Сильные позиции клиентского сервиса показывают важный сдвиг: агенты все чаще выходят на передовую, то есть взаимодействуют не только с сотрудниками, но и с клиентами напрямую. А это уже совсем другой уровень ответственности. Ошибка внутреннего помощника неприятна. Ошибка внешнего агента — это уже репутация, деньги и иногда юридические риски.

При этом внутренние процессы никуда не делись: 18% респондентов используют агентов для автоматизации внутренних workflow и повышения продуктивности сотрудников. Такой подход особенно характерен для компаний, которые хотят сначала обкатать агентные системы внутри, а уже потом выпускать их наружу.

Популярность сценариев, связанных с исследованиями и аналитикой, тоже закономерна. Сегодня AI-агенты особенно сильны там, где нужно собрать разрозненные данные, сопоставить источники, удержать контекст и выдать осмысленный результат. Не магия — просто хорошая работа с информацией. Хотя иногда выглядит почти как магия, да.

Интересно и другое: в этом году ответы оказались заметно более разнообразными. Похоже, внедрение AI-агентов постепенно выходит за рамки пары «канонических» кейсов и начинает расползаться по бизнес-функциям шире, чем раньше.

‍

Что меняется в крупных организациях?

В компаниях с численностью 10 000+ сотрудников на первое место выходит внутренняя продуктивность — 26,8%. Далее следуют клиентский сервис (24,7%) и исследования с анализом данных (22,2%). Похоже, крупные компании чаще начинают с внутренних задач: автоматизируют поддержку сотрудников, поиск знаний, рутинные операции, а уже затем масштабируют внешние сценарии.

Это, кстати, вполне здравая логика. Внутри компании проще контролировать риски, быстрее собирать обратную связь и спокойнее выстраивать мультиагентные системы под реальные процессы.

‍

Главные барьеры для production

Качество по-прежнему остается главным препятствием для вывода AI-агентов в production. В этом году треть респондентов назвали его основным блокером. Под качеством здесь понимают не что-то абстрактное, а вполне конкретные вещи: точность, релевантность, стабильность ответов, соблюдение нужного тона, соответствие бренд-гайдам и внутренним политикам.

На втором месте — задержка ответа (20%). И это неудивительно. Когда агент работает в клиентском сервисе, помогает писать код или участвует в бизнес-процессе в реальном времени, медлительность бьет по пользовательскому опыту почти так же больно, как и ошибки. Иногда даже сильнее: хороший ответ через минуту — это уже не всегда хороший ответ.

Здесь возникает знакомый компромисс: более сложные, многошаговые агенты часто дают лучший результат, но отвечают медленнее. А бизнес, как водится, хочет и быстро, и точно, и дешево, и чтобы без сюрпризов. Ну конечно.

При этом стоимость упоминается реже, чем в предыдущие годы. Похоже, снижение цен на модели и рост инженерной эффективности сместили фокус: команды меньше думают о цене одного вызова и больше — о том, чтобы агент работал надежно, предсказуемо и без странностей.

‍

Что меняется при масштабировании?

В enterprise-компаниях с численностью 2 000+ сотрудников качество остается главным барьером, но на второе место выходит безопасность: ее указали 24,9% респондентов. Для более мелких организаций чаще острее стоит вопрос latency.

Для организаций с 10 000+ сотрудников ответы в свободной форме особенно часто указывали на галлюцинации и нестабильность выходных данных как на главный вызов в обеспечении качества. Многие также отмечали сложности с контекстом: как его удерживать, как не терять важные детали, как не раздувать стоимость и задержку. В реальных проектах именно здесь часто нужна не просто настройка промптов, а продуманная агентная память и RAG.

И да, это тот случай, когда проблема редко решается одной кнопкой. Скорее серией неидеальных, но разумных инженерных решений.

‍

Наблюдаемость AI-агентов

Для агентных систем наблюдаемость уже стала не «приятным дополнением», а базовой инженерной нормой. Если команда не видит, как агент проходит шаги, какие инструменты вызывает, где теряет контекст и почему принимает то или иное решение, отладка превращается в гадание на кофейной гуще. А это, мягко говоря, не лучший operational-подход.

89% организаций сообщили, что внедрили ту или иную форму observability для своих агентов. У 62% есть детализированный tracing, позволяющий разбирать отдельные шаги, вызовы инструментов и логику выполнения.

Среди тех, у кого агенты уже работают в production, показатели еще выше: 94% используют observability, а 71,5% имеют полноценный tracing. Это очень показательно. Когда агентная система становится частью реального бизнеса, прозрачность перестает быть опцией.

Без наблюдаемости невозможно надежно расследовать сбои, улучшать производительность, контролировать качество и объяснять поведение системы внутренним командам, заказчикам и аудиторам. Особенно если речь идет о regulated-среде, где важны безопасность AI-агентов и управляемость решений.

Оценка и тестирование

Хотя observability уже стала почти повсеместной практикой, системы оценки и тестирования AI-агентов пока догоняют. Чуть больше половины организаций — 52,4% — проводят offline evaluation на тестовых наборах. Это говорит о том, что команды понимают важность проверки регрессий и валидации поведения до релиза.

Online evaluation пока распространена меньше — 37,3%, — но ее доля растет по мере того, как агенты выходят в реальные процессы и начинают взаимодействовать с живыми пользователями, а не только с демонстрационными сценариями.

У организаций с production-агентами практики оценки выглядят зрелее: доля тех, кто вообще не проводит evals, снижается с 29,5% до 22,8%, а online evals используют уже 44,8%. Логика тут простая — после запуска нельзя полагаться только на лабораторные тесты. Нужны сигналы из реальной среды, иначе проблемы всплывут слишком поздно. Или слишком громко.

Большинство команд начинают с offline evals — порог входа ниже, настройка понятнее, результаты проще интерпретировать. Но постепенно многие приходят к комбинированной модели. Среди тех, кто вообще проводит evals, почти четверть совмещает offline и online evaluation.

Что касается самих подходов, команды чаще всего используют сочетание человеческой проверки и автоматизированной оценки. LLM-as-judge дает масштаб и скорость, а human review — глубину и нюанс. Для сложных или чувствительных сценариев человеческая оценка по-прежнему незаменима: ее используют 59,8% организаций. Подходы LLM-as-judge применяют 53,3%.

А вот классические ML-метрики вроде ROUGE и BLEU используются ограниченно. Для открытых агентных взаимодействий, где допустимо несколько корректных ответов, они часто оказываются слишком грубыми. Скажем так: линейкой тут не все измеришь.

‍

Ландшафт моделей и инструментов

Модели OpenAI по-прежнему лидируют по распространенности, но рынок уже явно ушел от идеи «один провайдер на все случаи жизни». Мульти-модельный подход стал новой нормой.

Более двух третей организаций используют GPT-модели OpenAI, однако свыше трех четвертей респондентов сообщили, что работают сразу с несколькими моделями — и в production, и на этапе разработки. Команды все чаще маршрутизируют задачи между моделями в зависимости от сложности, стоимости, задержки, требований к качеству и ограничений по данным.

Несмотря на удобство коммерческих API, запуск моделей внутри собственной инфраструктуры остается важной стратегией. Около трети организаций инвестируют в инфраструктуру и экспертизу для развертывания моделей in-house. Причины понятны: оптимизация затрат при больших объемах, требования к локализации данных, суверенитет данных и регуляторные ограничения в чувствительных отраслях.

Fine-tuning при этом остается скорее специализированной практикой. 57% организаций не занимаются дообучением моделей, предпочитая использовать базовые модели в связке с prompt engineering, retrieval и RAG-подходами. И это, в общем, не удивляет: fine-tuning требует данных, разметки, инфраструктуры, MLOps-поддержки и дисциплины. Много всего. Иногда слишком много для задачи, которую можно решить проще.

Отсюда и важный практический вывод: зрелая разработка AI-агентов сегодня все чаще строится не вокруг одной «идеальной» модели, а вокруг грамотной оркестрации — выбора модели под задачу, управления контекстом, памятью, инструментами и правилами исполнения. То есть вокруг инженерии системы целиком, а не вокруг одного API-ключа. Наконец-то.

‍

Какие агенты используют каждый день

Когда участников спросили: «Каких агентов вы чаще всего используете в повседневной работе?», в ответах довольно быстро проявились устойчивые паттерны.

1. Агенты для разработки кода уверенно лидируют.

Чаще всего респонденты упоминали coding-ассистентов: Claude Code, Cursor, GitHub Copilot, Amazon Q, Windsurf и Antigravity. Их используют для генерации кода, отладки, написания тестов, рефакторинга и навигации по большим codebase. Для многих это уже не эксперимент, а часть ежедневного рабочего ритма — почти как IDE, только разговорчивее.

2. Research- и deep research-агенты идут следом.

Второй крупный кластер — исследовательские агенты на базе ChatGPT, Claude, Gemini, Perplexity и похожих инструментов. Их используют для изучения новых тем, суммаризации длинных документов, анализа рынка, подготовки материалов и синтеза информации из разных источников. Часто такие агенты работают в паре с coding-ассистентами в рамках одного workflow.

3. Кастомные AI-агенты тоже занимают заметное место.

Третья группа ответов касалась собственных, кастомно разработанных агентов — нередко на базе LangChain и LangGraph. Респонденты описывали внутренние решения для QA-тестирования, поиска по корпоративным базам знаний, SQL и text-to-SQL, планирования спроса, клиентской поддержки и автоматизации бизнес-процессов.

При этом заметная часть участников призналась, что пока не использует агентов за пределами LLM-чата или помощи в программировании. Это важный сигнал: AI-агенты уже широко вошли в повседневную практику, но идея тотальной agentic-автоматизации пока все еще находится на ранней стадии. То есть рынок уже разогнался, но до полной зрелости ему еще ехать и ехать.