← Блог · 31 августа 2026 г.

Почему 40% проектов ИИ-агентов отменят до 2027 года

Крупные международные издания, включая VentureBeat, всё чаще поднимают тему, которая ещё год назад казалась второстепенной: прежде чем строить инфраструктуру для управления множеством ИИ-агентов (так называемые «шлюзы» или agent gateway), компании должны решить более фундаментальный вопрос — у каждого ИИ-агента должна быть собственная проверяемая цифровая идентичность. Без неё невозможно понять, какой агент выполнил действие, какие у него права и кто несёт ответственность за ошибку.

Что такое цифровая идентичность ИИ-агента?

Цифровая идентичность ИИ-агента — это уникальный набор атрибутов, который позволяет системе однозначно определить, какой именно агент, с какими правами доступа и в рамках какой ответственности выполнил конкретное действие в бизнес-процессе.

В отличие от человека, у которого есть логин, пароль, сертификат и биометрия, у ИИ-агента чаще всего есть только API-ключ, который расшаривается на десятки скриптов и модулей. Это создаёт «слепую зону»: если агент отправил письмо клиенту с ошибочной ценой или подписал документ от имени сотрудника, разобраться, кто именно это сделал — человек, бот или цепочка из трёх агентов — почти невозможно. Именно об этом и предупреждает VentureBeat: инфраструктура шлюзов (gateway), которая должна маршрутизировать запросы между десятками агентов, бессмысленна, если сами агенты анонимны внутри системы.

Почему Gartner прогнозирует отмену 40% agentic AI проектов до 2027 года?

Более 40% проектов агентного ИИ будут отменены до конца 2027 года — компании столкнутся с непредсказуемыми затратами, неясной бизнес-ценностью и рисками недостаточного контроля, об этом сообщает Gartner в своём пресс-релизе Gartner.

"Большинство agentic AI-проектов сегодня являются в основном ранними экспериментами или доработками существующих продуктов, а не полноценными автономными системами — компании переоценивают их зрелость и недооценивают риски управления"— Anushree Verma, VP Analyst, Gartner, Gartner

Главная причина провалов — не технологическая, а управленческая: отсутствие чёткой системы прав доступа, аудита и ответственности. Российский малый и средний бизнес рискует повторить эту ошибку, если внедряет ИИ-инструменты «на скорую руку», без продуманной архитектуры идентификации и контроля.

Что происходит, когда у ИИ-агента нет собственной «личности» в системе?

Без разграничения прав и аудита действий ИИ-агент превращается в «слепую точку» ИТ-инфраструктуры: он может получить избыточный доступ к данным, а инцидент с его участием обходится компании дороже, чем классическая утечка. Средняя глобальная стоимость утечки данных в 2024 году составила 4,88 млн долларов США, согласно отчёту IBM Cost of a Data Breach Report.

Для малого и среднего бизнеса в России эта цифра звучит абстрактно, но суть проблемы применима в любом масштабе. Если у отдела продаж есть ИИ-агент, который автоматически формирует коммерческие предложения и общается с клиентами в мессенджерах, а у бухгалтерии — агент, обрабатывающий счета, то без явной идентификации каждого из них невозможно оперативно понять, кто из «невидимых сотрудников» получил доступ к CRM или финансовым документам сверх необходимого. Это классическая проблема «избыточных прав» (over-permissioning), которая в мире ИИ-агентов приобретает новый масштаб.

Сколько компаний уже регулярно используют генеративный ИИ в работе?

65% организаций сообщили, что их сотрудники регулярно используют генеративный ИИ хотя бы в одной бизнес-функции — таковы данные глобального исследования McKinsey State of AI.

Проблема в том, что рост использования генеративного ИИ обгоняет рост зрелости систем управления доступом и идентификации. Организации внедряют десятки инструментов — от чат-ботов до автономных агентов, обрабатывающих документы и звонки, — но редко выстраивают единую политику: кто из агентов имеет доступ к персональным данным клиентов, кто может подписывать документы «от имени» компании, а кто работает только в режиме черновика с человеческим подтверждением.

"Компании, которые масштабируют ИИ быстрее конкурентов, отличаются не количеством используемых моделей, а зрелостью систем управления, ролей и ответственности внутри организации"— Alexander Sukharevsky, старший партнёр, QuantumBlack AI by McKinsey, McKinsey

Агент с идентичностью против агента-«призрака»: сравнение рисков

Разница между ИИ-агентом с оформленной цифровой идентичностью и «безымянным» агентом — это разница между управляемым бизнес-процессом и потенциальным инцидентом безопасности. Ниже — сравнение по ключевым параметрам.

Как выстроить цифровую идентичность ИИ-агентов: 7 шагов для российского бизнеса

Построение системы идентификации ИИ-агентов начинается не с покупки дорогого ПО, а с инвентаризации: сколько агентов уже работает в компании и к чему у них есть доступ. Ниже — практическая последовательность, применимая для малого и среднего бизнеса.

1. Составьте реестр всех ИИ-инструментов и ботов, работающих в компании — от чат-ботов в мессенджерах до скриптов автоматизации в CRM.
2. Для каждого агента определите зону ответственности: продажи, документы, найм, контент, аналитика.
3. Назначьте каждому агенту отдельные учётные данные и ключи API вместо общего доступа «на всех».
4. Ограничьте права каждого агента минимально необходимым набором действий (принцип наименьших привилегий).
5. Настройте журналирование всех действий агента с возможностью выгрузки лога для проверки.
6. Определите точки, где агент обязан передать решение человеку — например, подписание договора или отправка платежа.
7. Регулярно (не реже раза в квартал) пересматривайте права доступа агентов вместе с ростом их функционала.

Как нейросотрудники ESSG Club решают проблему «безымянности» ИИ-агентов?

Ключевое отличие подхода ESSG Club — каждый нейросотрудник работает на собственных ключах клиента (GigaChat, YandexGPT, GPT, Claude) и в его облаке, а не на общем аккаунте вендора, что автоматически даёт агенту прозрачную идентичность внутри контура компании. Это прямое практическое решение проблемы, о которой пишет VentureBeat: данные и права доступа не покидают компанию, а каждый из 11 готовых нейросотрудников клуба имеет собственную зону ответственности — от AI-Юриста, проверяющего договоры, до ИИ Слухача, анализирующего звонки менеджеров.

Такой подход снимает главный риск, о котором говорит Gartner: непрозрачность автономных систем. Когда AI-Юрист работает только с задачами по проверке договоров, а Кадровик — только с интервью кандидатов, у руководителя не возникает вопроса «кто и почему получил доступ к финансовым данным». В подходе клуба — еженедельный «Радар недели» и разборы кейсов участников — этот принцип разграничения ответственности агентов обсуждается системно, а не как разовая настройка.

Комментарий эксперта

Сергей Семёнов, ESSG Club — бизнес-сообщество по внедрению AI: «В нашей практике проблема идентичности ИИ-агентов проявляется буквально на второй неделе внедрения. Один из клиентов клуба — региональная сеть автосервисов из 6 точек — подключил чат-бот для обработки заявок через сторонний сервис на общем API-ключе. Через месяц выяснилось, что бот от имени менеджеров рассылал скидки, которые никто не согласовывал: разобраться, кто именно инициировал рассылку — человек или скрипт — заняло три дня и стоило компании порядка 180 тысяч рублей упущенной маржи на необоснованных скидках.

После перехода на нейросотрудников с индивидуальными ключами и разграничением ролей — отдельно для приёма заявок, отдельно для обработки жалоб — количество подобных инцидентов упало до нуля за следующие четыре месяца, а время реакции на заявку клиента сократилось с 40 минут до 6. По опыту наших клиентов из сферы услуг и розницы, именно чёткое разграничение «кто из агентов за что отвечает» — а не количество внедрённых нейросетей — определяет, окупится ли автоматизация или превратится в источник новых рисков.

Практический вывод для руководителя: перед запуском любого ИИ-агента в бизнес-процесс задайте себе три вопроса — какие данные он видит, какие действия он может совершать без подтверждения человека и кто увидит лог его работы, если что-то пойдёт не так. Если хотя бы на один вопрос нет ответа, агент не готов к продакшену».

Сколько стоит внедрение системы идентификации ИИ-агентов в малом бизнесе?

Базовая настройка разграничения прав и журналирования для 3–5 ИИ-агентов в компании из 10–30 сотрудников обычно укладывается в бюджет одной подписки на готовую платформу нейросотрудников, а не в отдельный ИТ-проект на сотни тысяч рублей. Именно поэтому малый бизнес в России чаще выбирает готовые решения на подписке, чем разработку собственной инфраструктуры identity management с нуля.

FAQ

Что такое цифровая идентичность ИИ-агента простыми словами?

Это набор уникальных данных о конкретном ИИ-агенте — его роль, права доступа, ключи и журнал действий, — которые позволяют однозначно понять, кто и что сделал в системе компании.

Сколько стоит внедрение нейросотрудников с разграничением прав?

Стоимость зависит от количества агентов и тарифа сообщества; в среднем компании начинают с одного-двух нейросотрудников (например, AI-Юрист и ИИ Слухач) и подписки на клуб, что дешевле разработки отдельной ИТ-системы с нуля.

За какой срок окупается внедрение ИИ-агентов с контролем доступа?

По опыту клиентов ESSG Club, окупаемость наступает за 2–4 месяца — за счёт сокращения времени обработки заявок, снижения количества ошибок и отсутствия расходов на разбор инцидентов безопасности.

С чего начать внедрение ИИ-агентов в малом бизнесе?

С инвентаризации существующих ботов и скриптов, определения их зон ответственности и перехода на решения, которые работают на собственных ключах компании, а не на общем доступе стороннего сервиса.

Можно ли использовать GigaChat или YandexGPT для нейросотрудников с сохранением контроля данных?

Да, платформа club.essg.consulting настроена так, что нейросотрудники работают на выбранных клиентом ключах (GigaChat, YandexGPT, GPT, Claude) и в его облаке — данные не передаются третьим лицам.

#ESSGClub #ИИдлябизнеса #ВнедрениеИИ #Нейросотрудники #ЦифроваяТрансформация