26 мая 2026 года MIT Technology Review опубликовал масштабное исследование о влиянии агентного ИИ на организационный дизайн. Главный вывод: 85% компаний хотят внедрить ИИ-агентов в ближайшие три года, но 76% признают, что их текущие процессы не готовы к такой трансформации. Проблема не в технологиях — а в том, что бизнес пытается «приклеить» агентов к старым моделям управления вместо того, чтобы перестроить их с нуля. В этой статье разбираем ключевые тезисы исследования и что они означают для компаний в России и СНГ, где тренд на автоматизацию через ИИ набирает обороты.
Что произошло и почему это важно?
Исследование, подготовленное совместно с платформой Ema и аналитической компанией HFS Research, вводит новый термин — Agentic Business Transformation (ABT), или агентная бизнес-трансформация. Это концепция, которая выходит за рамки привычного «внедрения ИИ» и описывает полную перестройку трёх уровней организации: технологического стека, структуры рабочей силы и метрик успеха.
По данным исследования MIT Technology Review об агентной трансформации бизнеса, ИИ-агенты способны:
- Ускорить бизнес-процессы на 30–50%
- Сократить объём низкоценной работы на 25–40%
- Перевести циклы внедрения с месяцев на дни
Но эти цифры достижимы только при условии фундаментальной перестройки — а не косметических изменений поверх существующих процессов.
Почему «приклеивание» ИИ к старым процессам не работает?
Прасун Шах, глобальный CTO подразделения PwC UK Consulting, описал текущий подход большинства компаний метафорой, которая стала центральной в исследовании. Он сравнил попытки внедрить ИИ-агентов в существующие операционные модели с «приклеиванием скотча к частям модели, которая уже разваливается».
Это точное описание того, что происходит сейчас в большинстве организаций — от глобальных корпораций до российских технологических компаний. Бизнес берёт процесс, спроектированный для людей, и добавляет к нему ИИ-агента, ожидая мгновенного результата.
«Это всё равно что приклеивать скотч к частям операционной модели, которая уже разваливается» — Прасун Шах, Global CTO, PwC UK Consulting
Проблема в том, что текущие системы были спроектированы для человеко-центричных, приложение-центричных рабочих потоков. ИИ-агент, работающий в таких рамках, похож на гоночный болид на просёлочной дороге — его потенциал ограничен инфраструктурой.
Три столпа агентной бизнес-трансформации
Фреймворк ABT, разработанный Ema и HFS Research, выделяет три направления, по которым компаниям необходимо трансформироваться одновременно.
Технологический стек
Существующие корпоративные системы построены по принципу «один человек — одно приложение — один процесс». ИИ-агенты же должны функционировать как соединительная ткань, координируя работу сразу нескольких систем одновременно.
Это архитектурный сдвиг, который позволяет перейти от месячных циклов внедрения к дням. Но он требует:
- Пересмотра API-архитектуры и интеграций
- Отказа от изолированных приложений в пользу связанных платформ
- Создания единого слоя оркестрации для ИИ-агентов
Для российских компаний этот вызов особенно актуален. После ухода ряда западных вендоров в 2022–2024 годах многие организации уже перестраивают IT-ландшафт. Сейчас — момент, когда можно заложить агентную архитектуру изначально, а не адаптировать потом.
Перестройка рабочей силы
По прогнозам McKinsey, к 2030 году три четверти текущих рабочих мест потребуют редизайна, повышения квалификации или перераспределения. Это не значит, что люди станут не нужны — это значит, что их роли радикально изменятся.
Менеджеры перейдут от фокуса на исполнении к управлению гибридными командами, в которых люди и ИИ-агенты работают бок о бок. Новые ключевые компетенции руководителей:
- Доверие и прозрачность — как объяснить команде, почему ИИ принял то или иное решение
- Психологическая безопасность — как работать в среде, где часть коллег — это алгоритмы
- Оркестрация — как распределять задачи между людьми и агентами оптимально
Новые метрики успеха
Традиционные метрики производительности — количество обработанных звонков, написанных отчётов, закрытых тикетов — становятся обманчивыми при работе с ИИ-агентами. Когда агент обрабатывает 10 000 обращений в час, считать «количество» бессмысленно.
Исследование приводит конкретный пример: один из корпоративных клиентов утроил измеримый ROI, перейдя от инструментальных метрик (количество обработанных запросов) к метрикам результата (удовлетворённость клиентов, влияние на выручку).
Это урок, который стоит учесть прямо сейчас. Компании, которые продолжат измерять «количество», получат красивые дашборды и нулевой бизнес-эффект.
Как это затрагивает пользователей в России и СНГ?
Российский рынок ИИ находится в уникальной позиции. С одной стороны, ограниченный доступ к ряду западных платформ создаёт барьеры. С другой — это стимулирует развитие собственных решений и ускоряет адаптацию доступных инструментов.
Уже сейчас через WebGPT российские пользователи могут работать с такими агентными моделями, как Claude, ChatGPT и DeepSeek — инструментами, которые лежат в основе корпоративных ИИ-агентов, описанных в исследовании MIT.
Практические следствия для бизнеса в РФ и СНГ:
- Малый и средний бизнес может обогнать крупный. У небольших компаний нет legacy-инфраструктуры, которую нужно перестраивать. Они могут сразу строить агентные процессы.
- Спрос на «AI-менеджеров» вырастет. Специалисты, умеющие проектировать и оркестрировать работу ИИ-агентов, станут критически востребованы уже в 2026–2027 годах.
- Метрики нужно менять уже сейчас. Если ваша команда использует ChatGPT или Claude для рабочих задач, измеряйте не «сколько запросов сделали», а «насколько улучшился результат».
Что говорят ключевые эксперты?
Суроджит Чаттерджи, CEO и основатель платформы Ema, акцентирует внимание на разрыве между амбициями и готовностью. По его словам, разница между 85% желающих стать «агентными» и 76% неспособных это сделать — это не технологический, а организационный разрыв.
Этот тезис подтверждается практикой. Технологии уже существуют: GPT-4, Claude, Gemini и специализированные платформы типа Ema позволяют создавать сложных агентов. Но без перестройки процессов, ролей и метрик эти агенты работают в лучшем случае как продвинутые чат-боты.
Разрыв между 85% компаний, которые хотят стать агентными, и 76%, которые не готовы к этому — это организационный, а не технологический вызов.
По данным McKinsey, к 2030 году три четверти рабочих мест потребуют существенной переработки. Это не прогноз на далёкое будущее — это горизонт планирования в четыре года. Компании, которые начнут трансформацию сейчас, получат конкурентное преимущество.
Что делать прямо сейчас?
Исследование MIT Technology Review — не абстрактный прогноз. Это практический фреймворк, который можно начать применять уже сегодня. Вот конкретные шаги:
Для руководителей
- Проведите аудит процессов — определите, какие из них спроектированы для людей и могут быть переосмыслены для гибридных команд
- Пересмотрите метрики — перейдите от количественных показателей к показателям бизнес-результата
- Начните с пилота — выберите один процесс и перестройте его по принципам ABT от начала до конца
Для специалистов
- Изучите агентные платформы — познакомьтесь с возможностями Claude, ChatGPT, DeepSeek через WebGPT (ask.gptweb.ru), чтобы понять, на что способны современные ИИ-агенты
- Развивайте навыки оркестрации — умение ставить задачи ИИ, проверять результаты и выстраивать цепочки действий становится ключевой компетенцией
- Думайте о результатах, а не о процессах — это сдвиг мышления, который поможет и в карьере, и в бизнесе
Контекст: почему именно сейчас
Публикация MIT Technology Review не случайно вышла в мае 2026 года. За последний год произошёл качественный скачок в возможностях ИИ-агентов:
- Claude получил возможность работать с компьютером, выполнять многошаговые задачи и использовать инструменты
- OpenAI выпустил Codex и расширил агентные возможности GPT-4
- DeepSeek продемонстрировал, что мощные модели могут быть доступными
- Anthropic, Google и Meta активно развивают платформы для корпоративных агентов
Технологическая готовность совпала с организационным осознанием: бизнес понимает, что ИИ — это не просто инструмент автоматизации, а фактор, требующий перестройки всей операционной модели.
Для пользователей в России это особенно важный момент. Доступ к передовым моделям через платформы вроде WebGPT позволяет начать экспериментировать с агентными сценариями уже сейчас — не дожидаясь, пока корпоративные платформы дойдут до российского рынка.
Критический взгляд: чего не хватает в исследовании
При всей ценности фреймворка ABT, стоит отметить несколько пробелов.
Во-первых, исследование фокусируется на крупных предприятиях. Малый и средний бизнес — основа экономики в большинстве стран — остаётся за кадром. Между тем именно МСБ может выиграть больше всего от агентной трансформации благодаря отсутствию тяжёлого legacy.
Во-вторых, недостаточно внимания уделено вопросам безопасности и конфиденциальности. Когда ИИ-агент координирует работу нескольких систем, поверхность атаки расширяется многократно. Для российских компаний, работающих с требованиями 152-ФЗ о персональных данных, это критический фактор.
В-третьих, исследование не затрагивает культурные различия. Подходы к управлению в японской, американской и российской компании принципиально отличаются — и агентная трансформация будет проходить в каждой по-своему.
Что ещё почитать по теме
Если тема агентного ИИ в бизнесе вас заинтересовала, рекомендуем ознакомиться с этими материалами:
- Полный текст исследования MIT Technology Review об агентной трансформации бизнеса — оригинальная публикация с детальным разбором фреймворка ABT
- Глоссарий терминов ИИ-агентов — наш разбор ключевых понятий: harness, scaffold, agent и других
- ИИ в продакшене: уроки от Stack Overflow и CoreWeave — практический взгляд на внедрение ИИ в реальные процессы
Часто задаваемые вопросы
Что такое агентная бизнес-трансформация (ABT)?
ABT — это фреймворк, разработанный Ema и HFS Research, который описывает комплексную перестройку компании для работы с ИИ-агентами. Он включает три направления: обновление технологического стека, перестройку ролей и компетенций сотрудников, а также переход к метрикам бизнес-результата вместо метрик объёма. В отличие от простого «внедрения ИИ», ABT предполагает изменение самой операционной модели организации.
Правда ли, что ИИ-агенты заменят большинство рабочих мест?
Нет. По прогнозам McKinsey, три четверти рабочих мест к 2030 году потребуют редизайна, а не ликвидации. Это означает изменение обязанностей, повышение квалификации и перераспределение задач между людьми и ИИ. Менеджеры будут управлять гибридными командами, а специалисты — сосредоточатся на задачах, требующих творческого и стратегического мышления.
Как начать внедрять агентный ИИ в небольшой компании?
Начните с одного конкретного процесса: например, обработки клиентских обращений или подготовки отчётов. Попробуйте использовать ИИ-агентов через доступные платформы — в WebGPT (ask.gptweb.ru) можно протестировать Claude, ChatGPT и DeepSeek без сложной настройки. Измеряйте не количество выполненных задач, а бизнес-результат: скорость ответа клиенту, точность отчётов, экономию времени.
Какие риски несёт агентная трансформация?
Основные риски — безопасность данных при интеграции нескольких систем, сопротивление сотрудников изменениям и ошибки ИИ-агентов в критических процессах. Для российских компаний добавляется фактор соответствия 152-ФЗ о персональных данных. Рекомендация — начинать с некритичных процессов и наращивать масштаб по мере накопления опыта.
Когда агентный ИИ станет стандартом для бизнеса?
По данным исследования MIT Technology Review, 85% компаний планируют стать «агентными» в ближайшие три года — то есть к 2028–2029 году. Однако реальный переход будет неравномерным: технологические компании и финтех адаптируются быстрее, традиционные отрасли — медленнее. Ключевой фактор — не технологии, а организационная готовность к трансформации.