Як бізнес насправді впроваджує агентний ШІ
Агентні ШІ-стартапи Європи зібрали €7,9 млрд цього року проти €7 млрд за весь минулий (дані Sifted) — серед них Legora, Tandem Health, Cleo. За словами VP N8n Ліндсі Кайм, компанії, які чекають повного оновлення ІТ-системи перед впровадженням ШІ, застрягають у «чистилищі очищення даних» і не стартують узагалі.
Успішні компанії не переходять одразу «з нуля до повної агентності» — вони починають з однієї вузької повторюваної задачі й поступово нарощують автономію агента, залишаючи людину в контурі для рішень з високими ставками.
Чому «спочатку оновити всю IT-систему» — пастка
Lindsay Keim з N8n попереджає: компанії, які чекають модернізації всього технологічного стека перед запуском ШІ, застрягають у «чистилищі очищення даних» і часто не стартують узагалі. Платформи типу N8n дозволяють «витягнути дані зі старої системи, прогнати їх через окрему AI-модель для аналізу й перенести в нову систему — без модернізації всього стека одразу».
Це працює для вузьких, повторюваних задач. Один із клієнтів N8n почав не з чогось вражаючого, а з автоматизації оновлення даних співробітників, які вийшли на пенсію. За словами Keim, приклад «не звучить надто захопливо», але скоротив людські помилки і звільнив робочий час команди.
Шар сприйняття: як агент розуміє дані компанії
Щоб агент виконував задачі, йому потрібен «перцептивний шар» — структуровані дані з внутрішніх систем і вебу, з якими він може міркувати. Emma Burrows (Rezonant) пояснює, що її компанія будує для клієнтів «граф контексту», який пов'язує розрізнену інформацію в бізнес-категорії.
Принцип: дані організовують не по документах, а по категоріях — продажі, операції, фінанси, інсайти клієнтів. Це дозволяє агенту точково визначати, яка саме інформація потрібна для конкретного рішення, замість сканування всього масиву файлів.
Коли агент працює з вебом — потрібен окремий «буфер»
Якщо workflow вимагає зовнішніх даних з інтернету, виникає проблема непередбачуваності вебу. Rotem Weiss (Tavily) каже, що агенту потрібен «абстракційний шар», завдання якого — «перетворити хаотичний, непередбачуваний веб у послідовний контекст». Без цього шару агент не може надійно знаходити й обробляти релевантну інформацію з мережі.
Тут же діє правило безпеки: коли агенту потрібна інформація з інтернету, він має передавати назовні лише мінімально необхідний контекст із внутрішніх даних компанії — а не весь масив, до якого має доступ.
Контроль дій агента: права доступу і людина в контурі
Burrows називає налаштування прав «найскладнішою і найважливішою частиною» роботи з агентами: для кожного workflow можна конфігурувати окремі permission-контроли, що визначають, які дії агент може виконувати самостійно, а які — вимагають підтвердження людини.
- Агенти, які спочатку сильно залежать від фідбеку людини, з часом вчаться розпізнавати шаблони рішень — наприклад, якщо дизайнерські питання завжди йдуть до конкретного колеги, агент може запропонувати:
«Хочете, щоб я надалі сам звертався до Сема в таких випадках?» - Але високі ставки (high-stakes decisions) людина продовжує тримати під контролем навіть коли агент отримує більшу автономію.
- Потрібна сувора аудитованість дій: якщо чат-бот помилиться у факті — результат просто ненадійний; якщо автономний агент помилиться і записав хибне значення, наприклад, у Salesforce — помилка масштабується по всій системі.
Що фіксувати для навчання агента
Weiss описує концепцію «суверенітету навчання підприємства»: компанія має володіти циклом проб, виправлень людиною і покращень агента. Для цього варто фіксувати кожну дію агента — що він шукав, яким джерелам довірив чи відмовив у довірі, якими інструментами скористався.
Burrows додає, що мета не лише швидкість: команда свідомо прагне, щоб агенти дозволяли рухатись швидше, але зберігали «смак і судження» — якість рішень, а не лише їхню кількість.