ИИ-Агенты: как не позволить хайпу обойти реальность и создать настоящую цифровую команду

Видение Google по агентным технологиям

На мероприятии I/O 2025 Google представила «новый класс агентных опытов». В центре внимания был цифровой ассистент, который не просто отвечает на вопросы, а помогает с ремонтом велосипеда: находит руководство пользователя, видеоуроки на YouTube и даже звонит в местный магазин, чтобы уточнить наличие запчастей — всё это с минимальным участием человека. Эта технология вскоре может выйти далеко за пределы экосистемы Google благодаря открытому стандарту Agent-to-Agent (A2A), который позволит агентам разных компаний общаться и сотрудничать.

Обещания и риски ИИ-агентов

Идея интеллектуальных программных агентов, действующих как цифровые коллеги, которые бронируют билеты, переносят встречи, оформляют расходы и работают вместе без постоянного контроля, впечатляет. Однако существует риск, что хайп опередит реальность, что приведёт к разочарованиям и негативной реакции пользователей.

Понятие «агент» и его неоднозначность

Сейчас термин «агент» используется слишком широко — от простых скриптов до сложных AI-процессов. Отсутствие единого определения даёт компаниям возможность выдавать базовую автоматизацию за продвинутые агенты, что сбивает с толку и создаёт завышенные ожидания. Необходимы более чёткие критерии того, что агенты должны уметь, насколько они автономны и как надёжны.

Проблемы с надёжностью и языковыми моделями

Большинство современных агентов основаны на больших языковых моделях (LLM), которые выдают вероятностные ответы. Они мощные, но непредсказуемые: могут выдумывать факты, сбиваться с темы или ошибаться особенно в многоступенчатых задачах с использованием внешних инструментов. Например, популярный AI-помощник для программирования сообщил пользователям о несуществующем ограничении на использование программы на нескольких устройствах, что вызвало жалобы и отмену подписок.

Создание надёжных систем на базе LLM

В корпоративной среде такие ошибки могут дорого обойтись. ЛЛМ нельзя рассматривать как самостоятельный продукт — нужны комплексные системы, которые учитывают неопределённость, контролируют результаты, управляют затратами и обеспечивают безопасность и точность. Некоторые компании, включая AI21 Labs, создают структурированные архитектуры, объединяющие языковые модели с данными компаний и дополнительными инструментами. Их продукт Maestro ориентирован на надёжность для бизнеса.

Важность сотрудничества агентов

Чтобы модель агентов работала эффективно, им нужно уметь сотрудничать без постоянного вмешательства человека. Для этого Google разработала протокол A2A, который задаёт универсальный язык общения между агентами. Однако протокол пока определяет только способ общения, но не смысл передаваемой информации. Без общего словаря и контекста координация остаётся хрупкой.

Реальные проблемы в многоагентных системах

Кроме того, агенты принадлежат разным организациям — поставщикам, клиентам, конкурентам — с разными интересами. Например, агент по планированию путешествий, запрашивающий цены у агентства бронирования авиабилетов, может не получить лучшие предложения, если агент авиакомпании заинтересован продвигать определённые рейсы. Для эффективного сотрудничества нужны механизмы выравнивания интересов через контракты, платежи или теорию игр.

Перспективы развития

Все эти проблемы решаемы: можно разработать общий язык, усовершенствовать протоколы, обучить агентов вести переговоры и сотрудничать. Но если их игнорировать, термин «агент» рискует превратиться в очередной модный, но пустой слоган. Важно сохранять баланс между ожиданиями и реальностью, чтобы раскрыть настоящий потенциал агентов как основы цифровой работы.

Об авторе

Йоав Шохам — почётный профессор Стэнфордского университета и сооснователь AI21 Labs. Он известен своими фундаментальными исследованиями в области агентно-ориентированного программирования и многоагентных систем.