Microsoft выпускает новое руководство по искусственному интеллекту для предприятий с реальными примерами, и оно раскрывает удивительную «защиту», которая у вас уже может быть

Изучив более 100 внутренних инициатив по внедрению ИИ, в Microsoft заявляют, что успешная корпоративная архитектура поставит на первое место собственные системы оценки (евалы), контекст и циклы обучения — выше взаимозаменяемых базовых моделей, — при этом полностью перерабатывая рабочие процессы перед тем, как передать их агентам.

Для компаний, спешащих развернуть ИИ-агентов, у Microsoft есть контринтуитивное послание: не начинайте с агентов.

В новом 44-страничном руководстве компании «Becoming a Frontier Firm: Our Frontier Playbook» («Становление передовой компании: наше руководство по развитию»), которое выпускается в четверг, утверждается, что многие организации совершают ту же ошибку, которую, по словам Microsoft, она сама допустила в начале своей ИИ-трансформации: относятся к ИИ как к очередному внедрению технологии, измеряют количество лицензий и уровень использования и внедряют новые инструменты в рабочие процессы, изначально созданные для людей и устаревшего ПО.

Вместо этого, как заявляют в Microsoft, предприятия должны сначала демонтировать и переработать лежащий в основе процесс, создать общую базу данных, четко определить, какими решениями должны управлять люди, а какими — агенты, и только после этого внедрять агентов.

И что, пожалуй, еще более важно для корпоративных разработчиков, в Microsoft утверждают, что компаниям следует избегать превращения какой-либо конкретной базовой модели в центр этой архитектуры. Вместо этого их долгосрочное конкурентное преимущество должно заключаться в частных оценках, проприетарном контексте, оркестрации рабочих процессов, циклах обратной связи и институциональных знаниях, которые смогут пережить замену лежащей в основе модели.

Это представляет собой поразительно независимое от моделей видение от одного из крупнейших в мире поставщиков ИИ-платформ.

Согласно документу, Microsoft разработала руководство после анализа более 100 кейсов внутренней ИИ-трансформации в своих подразделениях, коммерческой организации и инженерных командах. Его главная мысль заключается в том, что простое предоставление сотрудникам инструментов ИИ еще не является трансформацией.

«Инструмент, на который куплена лицензия и который развернут для 100 000 сотрудников, не меняет того, как выполняется работа», — говорится в руководстве.

Кэтлин Хоган (Kathleen Hogan), директор Microsoft по стратегии и трансформации, высказывается еще более резко в сопутствующей записи в блоге: поначалу Microsoft подходила к ИИ как к традиционному развертыванию ПО — развернуть технологию, обучить сотрудников и стимулировать внедрение, — только чтобы обнаружить, что доступ и использование необязательно приносят пользу для бизнеса.

Поэтому для лидеров в области корпоративных технологий наиболее полезная часть руководства Microsoft касается не столько самого Copilot, сколько операционной архитектуры, которую, по словам Microsoft, компания строит вокруг ИИ.

Правило Microsoft: «Бережливость прежде агентов»

Microsoft делит корпоративную ИИ-трансформацию на три подхода:

1. Ускорение с помощью персон (Persona Acceleration), при котором определенным ролям предоставляются инструменты ИИ, адаптированные под их работу

2. Реорганизация процессов с поддержкой ИИ (AI-Powered Process Redesign), которая перестраивает существующие рабочие процессы вокруг ИИ

3. Возможности «ИИ прежде всего» (AI-First Possibility), при которых команды начинают работу практически с чистого листа, предполагая, что ИИ будет заложен с самого начала.

Рекомендации компании для второй категории особенно применимы к организациям, переходящим от копилотов к агентам.

Microsoft рекомендует составить карту рабочего процесса от начала до конца, убрать ненужные согласования и передачи полномочий, создать общую базу данных, обеспечить междисциплинарную ответственность, создать многократно используемую инфраструктуру оркестрации и наблюдаемости, а также осознанно решить, какие части процесса должны оставаться под управлением человека.

Компания называет этот подход «бережливость прежде агентов» («lean before agents»). В Microsoft говорят, что собственное подразделение облачной цепочки поставок компании следовало этому принципу перед развертыванием 111 специализированных агентов в сфере планирования, закупок, исполнения заказов и логистики.

Вместо того чтобы размещать агентов поверх существующего процесса, межфункциональная команда сначала составила карту и упростила рабочие процессы, а также создала то, что в Microsoft называют единым источником достоверной информации (single source of truth), на основе которого агенты могли делать выводы.

Полученные в результате агенты могут расследовать изменения спроса, моделировать мощности и сравнивать альтернативные варианты транспортировки по воздуху, суше и морю на основе таких факторов, как стоимость, сроки и воздействие на углеродный след.

В рамках заданных порогов разрешений и согласований некоторые агенты продвинулись дальше предоставления информации и могут помогать планировщикам обновлять или отменять заказы на закупку.

В Microsoft заявляют, что в выбранных рабочих процессах цепочки поставок среднее время цикла впоследствии сократилось на величину до 75%. За пять циклов ежемесячного планирования, измеренных в период с апреля по август 2026 года, среднее время цикла сократилось примерно с 10 рабочих дней до менее чем 2,5.

По данным Microsoft, для более чем 20 расследований планов спроса, проводимых каждый месяц, подготовка проверенного человеком объяснения изменений раньше занимала от пяти до семи дней; теперь это занимает менее нескольких часов, а некоторые расследования завершаются менее чем за 20 минут.

Эти цифры взяты из собственного анализа Microsoft, проведенного в рамках межфункциональной работы с участием более 150 человек в период с сентября 2025 года по август 2026 года, и компания предупреждает, что эти результаты применимы к конкретным рабочим процессам и периодам измерения, а не представляют собой общий корпоративный ориентир.

Но архитектурный урок интереснее процентного улучшения: Microsoft прямо предупреждает компании, что добавление агентов в плохо спроектированные процессы может просто автоматизировать уже имеющиеся сбои.

В руководстве говорится, что лежащие в основе общие данные, уровни оркестрации, телеметрии и управления могут иметь большую ценность, чем сам видимый агент.

От копилотов к компаниям, «управляемым людьми, но работающим на агентах»

Microsoft также предлагает трехуровневую модель автономии ИИ внутри компаний.

• Уровень 1: сотрудники работают с ассистентами на базе ИИ.

• Уровень 2: агенты становятся членами команд «человек-агент» и берут на себя ответственность за выполнение конкретных задач под руководством человека.

• Уровень 3: Microsoft видит перспективы в том, что она называет рабочими процессами, «управляемыми людьми, но работающими на агентах» («human-led, agent-operated»), в которых люди задают направление, а агенты выполняют целые бизнес-процессы и обращаются за проверкой при необходимости.

Продвижение по этим уровням требует большего, чем просто лучшие модели. В Microsoft заявляют, что организациям необходимы прогрессивно растущая готовность данных и инфраструктуры, доступ к инструментам, четко определенные границы рисков и готовность менять роли людей.

Разработка программного обеспечения может охватывать все три уровня одновременно. Разработчик может использовать ассистента для одной части работы, делегируя другой рабочий процесс автономному кодирующему агенту.

Microsoft приводит один особенно яркий пример из своего подразделения по разработке продуктов. Команда из девяти человек, создававшая продукт под названием Copilot Cowork (согласно документу), была помещена в изолированную среду (песочницу) с задачей подойти к разработке продукта с точки зрения приоритета ИИ, а не добавлять агентов в устоявшийся инженерный процесс.

Команда приняла рабочий процесс, основанный на спецификациях, который строился вокруг трех элементов: спецификаций, описывающих намерения; евалов (оценок), определяющих, как выглядит хороший результат; и контекста, предоставляемого агентам. В Microsoft говорят, что члены команды превратились в так называемых «мета-инженеров», «мета-дизайнеров» и «мета-продакт-менеджеров», работающих с агентами на основе общего контекста, общего набора оценок и определений агентов.

В руководстве сообщается о 18 600 коммитах со скоростью 123 в день и 9,3 миллионах строк кода, при этом команда из девяти человек выпустила первоначальный релиз продукта за 35 дней.

Сам по себе огромный объем кода и количество коммитов не следует путать с качеством продукта или производительностью разработчиков. Сама Microsoft отдельно отмечает, что результат в 35 дней получен в рамках одного выделенного проекта и его не следует интерпретировать как общекорпоративный ориентир для разработки.

Что примечательно, так это операционная модель: вместо того чтобы оптимизировать работу отдельных разработчиков для более быстрого написания кода, Microsoft реструктурировала команду вокруг агентов, спецификаций, оценок и общего контекста.

В Microsoft считают, что ваш «ров» с ИИ должен располагаться над моделью

Самый весомый аргумент руководства может касаться того, с чем сейчас борются многие предприятия: где находится проприетарное преимущество, когда каждый имеет доступ к становящимся все более мощным базовым моделям?

Ответ Microsoft заключается в том, что оно не должно находиться в первую очередь в самой модели.

Вместо этого компания призывает предприятия кодифицировать собственное определение хорошей производительности с помощью частных, пользовательских оценок (евалов) того, как выглядит «хороший» результат для любой конкретной бизнес-задачи, порученной агенту.

Microsoft делит этот проприетарный интеллект на четыре категории: взгляд компании на свой рынок; проприетарные данные, рабочие процессы и институциональные знания; ее собственное чувство качества или «вкуса»; а также границы рисков, определяющие, где агенты могут действовать автономно, а где нет.

Затем эти стандарты становятся критериями оценки, по которым системы ИИ могут непрерывно измеряться.

Однако, согласно опросу VentureBeat Intelligence Agent Reliability and Evals Q2 Pulse Survey (волна за июль 2026 г., 108 предприятий), лишь 13% респондентов заявили, что сегодня полностью доверяют автоматизированной оценке. Среди 53 предприятий, которые уже внедрили агента, прошедшего внутренние проверки, но затем давшего сбой перед клиентом, только 4% заявили, что доверяют ей — по сравнению с 24% среди 41 предприятия, которые еще не сталкивались с подобными проблемами.

Microsoft предлагает обернуть эти оценки в то, что она называет «машиной для подъема на холм» (hill-climbing machine) — по сути, архитектуру непрерывного обучения, в которой обратная связь от предприятия, оценка и настройка со временем улучшают системы ИИ в соответствии со стандартами самой компании.

Схема, представленная Microsoft, весьма показательна. Безопасность и управление находятся на самом верху. Ниже расположена среда обучения с подкреплением, содержащая евалы и критерии; затем среды выполнения агентов, управляемый хостинг и инструменты; далее слой контекста и «обвязки» (harness), охватывающий мультимодельный доступ, корпоративные знания, память, навыки и MCP (протокол контекста модели); и, наконец, сами базовые модели.

Модели прямо названы «взаимозаменяемыми». Это архитектурное разделение является намеренным. Microsoft утверждает, что компании должны владеть и защищать уровни оценки, контекста и контроля, которые делают их бизнес уникальным, сохраняя при этом возможность заменять внешние базовые модели по мере изменения их качества, экономики или требований.

Иными словами, Microsoft говорит предприятиям не путать аренду интеллекта у поставщика моделей с владением стратегией в области ИИ.

Компания также рекомендует по возможности сохранять промты, поисковые системы, оценки, решения агентов и аналитику рабочих процессов внутри корпоративного периметра, используя архитектурные элементы контроля резидентности данных, изоляции арендаторов, независимости моделей и защиты интеллектуальной собственности.

В руководстве отмечается, что модернизация систем резидентности и изоляции арендаторов после развертывания обходится значительно дороже и дается сложнее, чем их проектирование с самого нуля — это еще одна причина, по которой Microsoft утверждает, что управление нельзя просто прикрутить к агентам задним числом после того, как они начали совершать действия.

Измеряйте бизнес, а не количество токенов

Microsoft подходит с тем же скептицизмом и к измерению эффективности ИИ.

Предлагаемая компанией структура делит показатели на четыре уровня: входы (inputs), такие как внедрение и готовность; пропускная способность (throughput), показывающая, действительно ли ИИ проникает в рабочие процессы; выходы (outputs), такие как повышение производительности или эффективности; и, наконец, бизнес-результаты (business outcomes), такие как выручка или успех клиентов.

Microsoft предполагает, что эти уровни работают в разные временные интервалы: изменения на уровне входов могут проявиться в течение двух- четырех недель, изменения в рабочих процессах — примерно через один-три месяца, эффекты от производительности — через три-шесть месяцев, а общие бизнес-результаты — через шесть месяцев и более.

Это важно, потому что многие корпоративные внедрения ИИ до сих пор оцениваются в первую очередь по количеству выданных лицензий, объему промтов или активности разработчиков.

Собственный эксперимент Microsoft в области продаж иллюстрирует как возможности, так и необходимость проявления осторожности.

В ходе пилотного проекта с участием 687 продавцов Microsoft 365 Copilot в первой половине 2024 года, по данным Microsoft, внедрение приоритетных сценариев использования ИИ утроилось, выручка на одного менеджера по работе с клиентами выросла на 9,4%, а доля закрытых сделок оказалась на 20% выше по сравнению с продавцами с низким уровнем использования Copilot.

Сравнение основывалось на внутренних наблюдательных данных, а не на рандомизированном эксперименте, поэтому эти цифры сами по себе не должны интерпретироваться как доказательство того, что именно Copilot вызвал все улучшения.

Но в Microsoft говорят, что главный вывод заключается в том, что принуждение сотрудников «использовать ИИ чаще» оказалось менее эффективным, чем выявление конкретных моментов в их работе, где специализированные агенты могли улучшить результат.

Базовая модель может стать наименее долговечной частью корпоративного стека ИИ.

Microsoft позиционирует руководство как дорожную карту к тому, что она называет «передовой фирмой» (Frontier Firm) — компании, которая остается под управлением людей, при этом постепенно передавая все большую часть операционной работы ИИ.

Это также, разумеется, документ идейного лидерства (thought-leadership) от Microsoft, компании, которая продает значительную часть инфраструктуры и программного обеспечения, которые предприятия могут использовать для реализации этой трансформации. Результаты внутренней производительности не были независимо валидированы, и Microsoft неоднократно отмечает, что ее опыт не следует автоматически проецировать на другие организации.

Тем не менее, за маркетинговой оболочкой кроется важный архитектурный аргумент.

Первая волна генеративного ИИ побудила компании спрашивать, какая модель является самой умной. Вторая побудила их встраивать копилоты в существующие приложения. Новое руководство Microsoft предполагает, что следующая фаза вместо этого будет сосредоточена вокруг перестройки самого предприятия вокруг агентов — при этом сознательно обеспечивая заменяемость модели, лежащей в основе этих агентов.

Для корпоративных разработчиков и технологических лидеров это смещает стратегический фокус.

Дефицитным ресурсом может стать вовсе не доступ ко все более мощной модели. Им могут оказаться частные оценки, определяющие, что означает «хорошо» для конкретного бизнеса; проприетарный контекст, на основе которого агенты могут делать выводы; системы оркестрации и безопасности, управляющие тем, что они могут делать; а также циклы обратной связи, благодаря которым эти системы продолжают совершенствоваться.

Если Microsoft права, предприятиям следует тратить на создание этих уровней по меньшей мере столько же времени, сколько они тратят на выбор следующей передовой модели.