Данные G2 показывают, что агенты с ИИ терпят неудачу крайне редко

Перепроверьте свои исследования, MIT: 95% ИИ-проектов вовсе не терпят неудачу — совсем наоборот.

Согласно новым данным компании G2, почти 60% компаний уже внедрили ИИ-агентов в рабочие процессы, и менее 2% фактически терпят неудачу после развертывания. Это сильно контрастирует с недавними академическими прогнозами, предрекавшими повсеместный застой в сфере ИИ-проектов.

Являясь одной из крупнейших в мире краудсорсинговых платформ для обзоров программного обеспечения, набор данных G2 отражает реальные тенденции внедрения, которые показывают, что ИИ-агенты оказываются гораздо более надежными и «прилипчивыми», чем ранние пилотные проекты генеративного ИИ.

«Наш отчет четко указывает на то, что агенты — это совершенно иной уровень в отношении успехов или неудач ИИ», — рассказал VentureBeat Тим Сандерс (Tim Sanders), руководитель исследований в G2.

Делегирование задач ИИ в сфере обслуживания клиентов, бизнес-аналитики и разработки ПО

Сандерс отмечает, что в часто цитируемом исследовании MIT, опубликованном в июле, рассматривались только кастомные проекты на базе генеративного ИИ. По мнению Сандерса, многие СМИ обобщили эти данные, заявив, что ИИ терпит неудачу в 95% случаев. Он указывает на то, что университетские исследователи анализировали публичные заявления, а не данные замкнутого цикла. Если компании не сообщали о влиянии на прибыль и убытки (P&L), их проекты считались провальными, даже если это было не так.

В то же время в отчете G2 за 2025 год об аналитике ИИ-агентов (2025 AI Agents Insights Report), в рамках которого были опрошены более 1 300 лиц, принимающих решения в сфере B2B, отмечается следующее:

• 57% компаний используют агентов в рабочих процессах, а 70% заявляют, что агенты лежат в основе их операций;

• 83% удовлетворены производительностью агентов;

• Предприятия теперь инвестируют в среднем более 1 млн долларов ежегодно, причем каждая 4-я компания тратит более 5 млн долларов;

• 9 из 10 планируют увеличить эти инвестиции в течение следующих 12 месяцев;

• Организации добились сокращения расходов на 40%, ускорения рабочих процессов на 23%, а каждый третий респондент сообщает о росте скорости более чем на 50%, особенно в маркетинге и продажах;

• Почти 90% участников исследования сообщили о повышении удовлетворенности сотрудников в тех отделах, где были развернуты агенты.

Каковы основные сценарии использования ИИ-агентов? Обслуживание клиентов, бизнес-аналитика (BI) и разработка программного обеспечения.

Интересно, что специалисты G2 выявили «удивительное количество» (примерно каждая третья компания) организаций, использующих подход «пустил на самотек» (так называемые *let it rip* организации), как выразился Сандерс.

«Они по сути позволяют агенту выполнить задачу, а затем либо немедленно отменяют действие, если оно оказалось неверным, либо проводят контроль качества (QA), чтобы очень и очень быстро устранить негативные последствия», — пояснил он.

В то же время программы с участием человека в контуре управления (human-in-the-loop) в два раза чаще обеспечивали снижение затрат (на 75% и более) по сравнению со стратегиями полностью автономных агентов.

Это отражает то, что Сандерс назвал «напряженной борьбой» между организациями, пускающими все на самотек, и теми, кто оставляет «человеческие барьеры». «Человек в контуре останется и через годы, — заявил он. — Более половины респондентов сообщили нам, что человеческий контроль выражен сильнее, чем мы ожидали».

Тем не менее, почти половина ИТ-закупщиков готовы предоставить агентам полную автономность в рутинных рабочих процессах с низким уровнем риска, таких как исправление данных или управление конвейерами данных. Между тем, бизнес-аналитику и исследования следует рассматривать как подготовительную работу, считает Сандерс: агенты собирают информацию в фоновом режиме, чтобы подготовить почву для финальной проверки и принятия решений человеком.

Классический пример — ипотечный кредит, отмечает Сандерс: агенты делают всю работу вплоть до момента, пока человек не проанализирует полученные данные и не одобрит или не отклонит кредит.

Если ошибки и случаются, они остаются в фоновом режиме. «Программа просто не публикует ничего от вашего имени и не ставит под этим ваше подпись, — говорит Сандерс. — В результате вы доверяете ей больше и пользуетесь ей чаще».

Что касается конкретных методов развертывания, то Agentforce от Salesforce «побеждает» готовых агентов и решения собственной разработки, занимая 38% всей доли рынка, сообщил Сандерс. Тем не менее, многие организации, похоже, выбирают гибридный подход с расчетом в будущем на создание собственных инструментов.

В дальнейшем, стремясь получить надежный источник данных, они, по его прогнозу, «сконцентрируются вокруг Microsoft, ServiceNow, Salesforce — компаний с реальной системой учета».

ИИ-агенты не привязаны к дедлайнам

Почему агенты (по крайней мере, в некоторых случаях) справляются намного лучше людей? Сандерс указал на концепцию, известную как закон Паркинсона, которая гласит, что «работа заполняет время, отпущенное на нее».

«Индивидуальная продуктивность не ведет к организационной продуктивности, потому что людьми движут исключительно дедлайны», — считает Сандерс. Когда организации рассматривали проекты с генеративным ИИ, они не сдвигали целевые показатели, а сроки оставались прежними.

«Единственный способ исправить это — либо приблизить дедлайн, либо иметь дело с не-людьми, поскольку не-люди не подвержены закону Паркинсона», — отметил он, подчеркнув, что им не знаком «синдром человеческой прокрастинации».

Агенты не делают перерывов. Они не отвлекаются. «Они просто пашут, поэтому вам не нужно менять дедлайны», — говорит Сандерс.

«Если вы сосредоточитесь на все более быстрых циклах контроля качества, которые могут быть даже автоматизированными, вы исправите своих агентов быстрее, чем своих сотрудников».

Начинайте с бизнес-проблем и помните, что доверие формируется медленно

Тем не менее, Сандерс видит в развитии ИИ те же тенденции, что были с облачными технологиями в вопросах доверия: он помнит 2007 год, когда все бросились внедрять облачные инструменты, а затем к 2009 или 2010 году «наступил некий спад доверия».

Сюда же добавляются проблемы с безопасностью: 39% всех респондентов опроса G2 заявили, что столкнулись с инцидентом безопасности после внедрения ИИ; в 25% случаев ситуация была серьезной. Сандерс подчеркнул, что компании должны уметь измерять в миллисекундах, насколько быстро агент может быть переобучен, чтобы никогда больше не повторять ошибочных действий.

Он посоветовал обязательно привлекать ИТ-отделы к внедрению ИИ. Они знают, что пошло не так с генеративным ИИ и роботизированной автоматизацией процессов (RPA), и способны разобраться в вопросах прозрачности работы систем, что значительно повышает уровень доверия.

С другой стороны: не стоит слепо доверять вендорам. Фактически, только половина респондентов заявили, что доверяют им; Сандерс отметил, что главным сигналом доверия является объяснимость действий агента. «В ходе качественных интервью нам неоднократно повторяли: если вы [вендор] не можете объяснить работу системы, вы не можете ее внедрить и управлять ею».

Также крайне важно отталкиваться от конкретной бизнес-проблемы, а не наоборот, советует он: не покупайте агентов в надежде отыскать для них концептуальное применение (PoC) позже. Если руководители применяют агентов для решения самых болезненных проблем, внутренние пользователи будут более снисходительны к сбоям и более охотно пойдут на итерации, тем самым повышая свою квалификацию.

«Люди до сих пор не доверяют облакам, они определенно не доверяют генеративному ИИ и могут не доверять агентам, пока не столкнутся с ними на практике, но после этого все меняется, — резюмировал Сандерс. — Доверие прибывает пешком на осле — просто так прощение никто не раздает».