Доклад Axenix и Исследовательского центра в сфере искусственного интеллекта МГУ описывает новый этап развития искусственного интеллекта (ИИ), в котором ключевую роль начинают играть ИИ-агенты — автономные программные системы, самостоятельно ставящие цели, подбирающие контекст, планирующие и выполняющие цепочки действий. В отличие от классического генеративного ИИ (генерация текста, кода, изображений по запросу) агент работает как исполнитель задач полного цикла, включая вызов внешних сервисов, контроль результата и самокоррекцию.

Авторы выделяют три уровня автономности: агенты для атомарных задач; системы агентов, управляющие группами процессов; и мультиагентные экосистемы, где агенты и системы агентов становятся «цифровой тканью» бизнеса и ядром бизнес-модели. По мере перехода на более высокие уровни усиливаются эффекты масштаба, появляются синергии и эмерджентные свойства (неожиданные коллективные эффекты системы).

Для описания зрелых ИИ-агентов предлагается рамка PRACTICE: переносимость (portability), эффективность исполнения (runtime efficiency), автономность и адаптивность (autonomy), контекстная осведомлённость (context awareness), доверие и управляемость (trustworthiness & controllability), идентичность агента как субъекта (identity), возможности коммуникаций и присутствия (communication & presence), расширяемость (extendability). Эта структура подчёркивает, что технологии моделей должны сопровождаться архитектурой, обеспечивающей управляемость и встраиваемость в сложные организации.

Экономический блок различает CAPEX (capital expenditures — капитальные затраты на инфраструктуру, лицензии, разработку) и OPEX (operational expenditures — операционные расходы на поддержку, энергопотребление, доработки, аудит и AI Governance — систему управления ИИ). Показано, как совокупная стоимость владения растёт от малого бизнеса к корпорациям, но удельные затраты снижаются при масштабировании.

Отдельно анализируются драйверы и барьеры по схеме STEEPV (social, technical, economic, environmental, political, values — социальные, технические, экономические, экологические, регуляторные и ценностные факторы), а также многошаговый процесс оценки целесообразности внедрения, включающий постановку задачи, технический анализ, оценку рисков, эффектов и организационных изменений. Доклад дополняется тепловой картой отраслевой и региональной зрелости: наиболее продвинуты США, Китай и крупные игроки в промышленности, финансах, ритейле и логистике, тогда как Россия в среднем находится на стадии пилотов и частичной интеграции. Вводится роль ИИ-лидера (AI leader) как центра ответственности за портфель ИИ-проектов и развитие единой парадигмы применения ИИ-агентов в компании.

Axenix_x_МГУ_ИИ_агенты_в_действии_2025_21_стр Скачать