«ИИ-агенты к 2030 году»: почему традиционный B2B попал в ловушку карго-культа и как не слить ИТ-бюджет
«ИИ-агенты будут помогать заказчикам готовить закупки, поставщикам — проверять заявки, а специалистам Казначейства России — проводить проверки». — Анна Катамадзе, заместитель руководителя Казначейства России, на конференции Департамента Москвы по конкурентной политике.
Если в 2023–2024 годах финансовые директора и C-level менеджеры закладывали в бюджеты «прикручивание чат-ботов», то в 2026 году главной строкой расходов на цифровизацию стали ИИ-агенты (AI Agents).
О них рапортуют с трибун, внедряют в стратегии госзакупок, финансового мониторинга, логистики и ритейла. Заявления о масштабном внедрении ИИ в процессы закупок к 2030 году звучат многообещающе. Однако для инвестора, основателя или CFO, проверяющего целесообразность этих расходов, сегодня критически важно разглядеть главную проблему: в нетехнологичных секторах экономики ИИ-агенты превратились в масштабный и дорогой карго-культ.
Что такое «карго-агент» в финансовом отчете?
В истории маркетологи и менеджеры не раз продавали старые технологии под видом революционных. Сегодня под соусом «автономных ИИ-агентов» корпоративному рынку массово продают базовую автоматизацию:
RPA и скрипты if/else: Перенос данных из реестра в CRM по строгому правилу теперь гордо именуется «автономным агентом закупки».
Базовый ML-детектор: Алгоритм, который просто сверяет сканы документов или кодов ОКПД2, презентуется инвесторам как «ИИ-аналитик юридических рисков».
Парсеры: Формальная валидация задолженностей подается как «агентское финансовое планирование».
Главная причина — управленческий разрыв. Когда внедрением глубоких AI-технологий руководят специалисты без инжинирингового бэкграунда, а исполнителями выступают привычные заказная разработка или классические кодеры, компания получает банальный legacy-код с наценкой х5 за модный термин.
Экономика вопроса: Скрипт vs Настоящий Агент
Для B2B-бизнеса разница между скриптом и настоящим Агентом — это не философский спор, а разница в ROI и рисках:
Автономная логика (Reasoning): Настоящий агент сам строит цепочку действий (Tool Use) для решения задачи, а не идет по рельсам.
Управление затратами на токены (Token Economy): Неоптимизированные агентские циклы могут выжигать тысячи долларов на API-запросы за считанные дни из-за зацикливания. Архитектор умеет контролировать этот расход.
Контроль рисков (Human-in-the-Loop): В финансах и B2B-продажах ошибка LLM стоит миллионных убытков. Агент обязан содержать жесткие шлюзы согласования человеком.
Если в разрабатываемом решении этого нет — перед вами не инновация, а раздутый бюджет на традиционный софт.
Чем это закончится для рынка?
Компании, инвестирующие в «бамбуковые самолеты» из обычных скриптов, неизбежно пройдут 3 классические стадии:
Красивые презентации: Отчеты перед акционерами и громкие анонсы на профильных конференциях.
Финансовое и техническое сито: При первом столкновении со сложными процессами «скриптовые агенты» начнут ломаться, а счета за облачную инфраструктуру улетят в космос.
Реальная пересборка: Переход от маркетинговых лозунгов к найму штучных архитекторов автономных систем и покупке готовых гибких микро-решений (SaaS).
Разработка агентских систем — это строгая финансовая и инженерная математика. И победят в ней не те, кто первым заявит об «ИИ к 2030 году», а те, кто строит окупаемые, контролируемые и работающие решения уже сегодня.
Мнение автора: А как в вашей компании относятся к внедрению ИИ-агентов? Видите ли вы реальный эффект на ROI или пока преобладает дань моде? Поделитесь опытом в комментариях!
#финтех #инвестиции #ии #b2b #автоматизация #управление #finbazar