ИИ-агенты: МТС 2025 обзор мирового и российского рынков

Методология

В ходе исследования использованы 2 методологии сбора данных: кабинетное исследование и опрос экспертов.

Цели и задачи исследования

Цели исследования:

• Проведение комплексного анализа мирового и российского рынков ИИ-агентов, включая их текущее состояние и прогнозы развития до 2030 года.
• Выявление ключевых трендов и проектирование сценариев будущего развития ИИ-агентов.

Задачи исследования:

• Систематизировать и классифицировать основные типы ИИ-агентов.
• Провести количественную оценку рынка ИИ-агентов и выявить драйверы рынка.
• Определить рыночные позиции ведущих игроков и провести анализ успешных практик внедрения ИИ-агентов.
• Смоделировать прогноз динамики инвестиций в ИИ и ИИ-агентов на период до 2030 года.
• Исследовать актуальные тенденции и направления эволюции ИИ-агентов.

Параметры сценарного прогноза инвестиций в ИИ

Для каждого сегмента разработан прогноз, включающий четыре варианта развития событий:

Сегменты анализа инвестиций

1. Инвестиции венчурного капитала

Исследование базируется на анализе инвестиций в 399 профильных стартапов сегмента ИИ-агентов за период 2021–2025 гг.

2. Инвестиции бигтехов

Оценены инвестиции 20 ведущих технологических компаний, разделенных на:

• Компании из стартапов: OpenAI, Anthropic, Perplexity, Stripe.
• Устойчивые бигтехи: Google, Amazon, Microsoft, IBM, Nvidia, Alibaba, Tencent, ByteDance, Яндекс.

3. Государственные инвестиции

Анализ охватывает национальные бюджеты, правительственные отчеты и данные о ВВП.

Прогноз инвестиций в ИИ-агентов до 2030 года

Для расчета принята гипотеза: к 2030 году ИИ-агенты займут до 50% от общего объема инвестиций в ИИ.

Опрос экспертов

Проведена серия полуструктурированных интервью с ведущими российскими и международными экспертами для валидации данных и выявления трендов:

• Оценка объема и динамики рынка.
• Сегментация по сферам применения.
• Модели монетизации и барьеры внедрения.

Введение

Рост вычислительных мощностей за последние 20 лет стимулировал развитие технологий искусственного интеллекта (AI) от алгоритмов до генеративных нейросетей. Максимальная скорость работы компьютеров с 1993 г. по 2022 г. выросла со 124 млрд операций в секунду до 1,1 квинтиллиона операций в секунду. 50 лет назад удвоение мощностей, требующихся для обучения моделей AI, происходило раз в 20 месяцев, сейчас для удвоения мощностей требуется значительно меньше времени.

Эксперты отбирались на основании их профессионального опыта и вовлеченности в ключевые проекты в сфере ИИ и ИИ-агентов. Такой подход позволил выявить экспертные оценки, сравнить российский и международный опыт, а также определить перспективные направления развития рынка ИИ-агентов.

Ключевые показатели рынка ИИ

Мировой объем рынка ИИ в 2025 г. составляет по разным оценкам от $217 млрд до $757 млрд. С 2020 года объем рынка вырос в более чем 2,5 раза и вырастет еще в 3,3 раза к 2030 г.

Переход к ИИ-агентам

В 2023 г. генеративные модели (GenAI) были вершиной развития ИИ. Модели GenAI способны решать задачи принципиально нового класса: написание длинных, связных текстов, получение развернутых ответов, суммаризация информации, создание изображений. Однако на текущем этапе 74% компаний пока не чувствуют ощутимую бизнес-ценность от их использования.

Индустрия переходит к новому поколению интеллектуальных систем — ИИ-агентам. Пользователи могут организовывать агентов в системы, которые автономно выполняют сложные рабочие процессы, координируют действия между несколькими агентами, применяют логику к сложным проблемам и оценивают результаты своей работы. Прогнозируемый темп роста (CAGR) рынка ИИ-агентов в 2 раза превышает рост общего рынка ИИ.

В рамках исследования команда МТС впервые на российском рынке осуществляет комплексный анализ рынка ИИ-агентов для систематизации данных и создания аналитического инструментария для бизнеса и инвесторов.

ИИ-агенты — это IT-система на базе LLM, которая способна автономно выполнять задачи от имени пользователя или другой системы, характеризующаяся способностью к размышлению, планированию, наличием памяти, а также оценки результатов действий.

Глава 1 ИИ: от первых алгоритмов до генеративных моделей

Эволюция искусственного интеллекта

Начиная с 1950-ых годов искусственный интеллект претерпел несколько этапов развития. С ростом автономности и обучаемости систем снижаются требования к детализации логики и данных.

Компоненты ИИ-агентов

ИИ-агенты отличаются от LLM-моделей тем, что самостоятельно определяют последовательность шагов и выполняют рассуждения без участия человека.

Процесс работы ИИ-агента

Работа агента включает 5 основных этапов:

1. Получение сигнала: Запрос пользователя или изменение во внешней среде.
2. Планирование: Интерпретация ситуации и выстраивание плана действий с использованием внутренних правил.
3. Действие: Выполнение шагов через API, базы данных и внешние сервисы.
4. Оценка: Проверка соответствия результата цели. При необходимости — возврат к планированию.
5. Результат: Формулирование итога и передача его пользователю.

Сравнение результатов: GenAI vs ИИ-агент

Запрос: «Найди мои самые эффективные посты в соцсети за квартал и составь план публикаций с драфтами»

Типология ИИ-агентов

1. Простой рефлекторный агент (Simple reflex agents): Принимает решения на основе текущих данных по правилам «если-то». Не имеет памяти. Пример: выключатель света с датчиком движения.
2. Модельно-рефлекторные агенты (Model-based reflex agents): Поддерживают внутреннюю модель мира и используют память для обновления этой модели. Пример: умный пылесос с картой помещения.
3. Агенты, ориентированные на достижение целей (Goal-based agents): Анализируют последовательности действий для эффективного достижения поставленной цели. Пример: шахматные программы.
4. Утилитарные агенты (Utility-based agents): Принимают решения, максимизируя полезность (эффективность) достижения цели. Пример: торговый бот на бирже.
5. Обучающиеся агенты (Learning agents): Улучшают действия на основе опыта, непрерывно оценивая успехи и неудачи. Пример: рекомендательная система Netflix.

Сравнительный анализ типов ИИ-агентов

Утилитарные агенты (Utility-based agents) — это тип ИИ-агентов, которые принимают решения, оценивая состояние и стремясь достичь поставленной цели, максимизируется полезность от своих действий. Пример: Торговый бот на бирже, анализирующий рынок и выбирающий лучший момент для сделки.

Обучающиеся агенты (Learning agents) — способны улучшать свои действия на основе опыта и взаимодействия с окружающей средой. Они непрерывно оценивают свои действия и учатся на своих успехах и неудачах. Пример: Рекомендательная система в Netflix, анализирующая предпочтения пользователя.

Анализ мировых инвестиций в ии и ии-агентов

Инвестиции венчурных фондов, бигтехов и государств

Совокупные инвестиции в ии на мировом рынке

Основной фокус направлен на анализ инвестиций в рынок ИИ-агентов, поскольку на текущем этапе развития этого сегмента говорить о будущей выручке преждевременно и методологически не обоснованно по нескольким причинам:

• Бизнес-модели ИИ-агентов находятся в стадии формирования, и пока нет устоявшихся способов их масштабной монетизации; * Потребительское и корпоративное внедрение носит экспериментальный характер — компании тестируют различные сценарии использования без долгосрочных обязательств; * Рынок регулируется слабо и подвержен быстрым технологическим сдвигам, что делает любые финансовые прогнозы высоко спекулятивными.

Поэтому инвестиции со стороны государства, венчурных фондов и бигтехов служат наилучшим индикатором реального интереса и ожиданий относительно будущего потенциала отрасли.

Совокупный объем рынка инвестиций в ИИ (2024): $427,8 млрд

Временной горизонт: 2025–2030 гг.

Три прогнозных сценария динамики инвестиций в ии (2024–2030)

Детали и предпосылки реализации сценариев

Справочно: MAU ChatGPT вырос с 1 млн (ноябрь 2022) до 800 млн (февраль 2025) и 1000 млн (июль 2025), рост в 1000 раз за 2 года.

Взвешенный прогноз, динамика инвестиций в ии (2024–2030)

Для построения прогноза используется методология взвешенного сценария (коррекция — 20%, стабилизация — 50%, устойчивый рост — 30%).

Ключевые выводы прогноза:

• Общий объем инвестиций вырастет с $428 млрд в 2024 году до $1,918 трлн к 2030 году (CAGR 28%).
• Наибольшее увеличение демонстрирует государственный сектор: рост в 11,4 раза (с $44,6 млрд до $512,8 млрд).
• Бигтехи останутся лидерами по объему инвестиций — $871 млрд к 2030 году.

Совокупные инвестиции в ии-агентов на мировом рынке

Совокупный объем рынка инвестиций в ИИ-агентов (2024): $25,1 млрд

Предпосылки реализации сценариев для ИИ-агентов:

• Венчурные инвестиции: К 2030 году займут до 50% от общего объема венчурного инвестирования в ИИ из-за эволюции от GenAI к агентным системам.
• Инвестиции бигтехов: Интеграция агентов в существующие продукты и инфраструктурные вложения. Ожидается отставание от темпов роста венчура на 1 год из-за консервативного подхода.
• Государственные инвестиции: Смещение фокуса на создание регуляторной среды, сокращение доли относительно венчурных инвестиций в 2 раза.

Три прогнозных сценария динамики инвестиций в ии-агентов (2024–2030)

Структура по сегментам (Сценарий 1):

• Бигтехи: постепенный рост инвестиций до $110 млрд к 2030 году.

...темпов роста венчура в 1 год.

• Государственные инвестиции: смещение инвестиционного подхода на создание регуляторной среды, что обуславливает сокращение доли инвестиций от венчурных в 2 раза.

Глава 2 Анализ мировых инвестиций в ИИ и ИИ-агентов

Структура инвестиций по сегментам:

• Сценарий 1 (Коррекция): * Бигтехи: постепенный рост инвестиций до $110 млрд к 2030 году.
• Венчурный рынок: сохраняет устойчивую позицию, объем инвестиций увеличивается до $130 млрд.
• Государственное финансирование: ограниченная роль государства, незначительный рост до $14 млрд.
• Сценарий 2 (Стабилизация): * Бигтехи: увеличение интереса к ИИ-агентам, рост до $391 млрд.
• Венчурный рынок: повышенный интерес инвесторов, объем инвестиций увеличивается до $254 млрд.
• Государственное финансирование: рост инвестиций государства до $47 млрд.
• Сценарий 3 (Устойчивый рост): * Бигтехи: масштабное внедрение ИИ-агентов в бизнес-модели, рост до $477 млрд.
• Венчурный рынок: рост спроса на ИИ-агентов как стратегическое направление, рост до $379 млрд.
• Государственное финансирование: ИИ-агенты приобретают статус стратегической важности для государства, рост до $338 млрд.

Взвешенный прогноз, динамика инвестиций в ии-агентов (2024–2030)

Мировые инвестиции в ИИ-агентов вырастут в 30,2 раза к 2030 году, с $25 млрд в 2024 году до $755 млрд к 2030 году, CAGR +76%.

• К 2030 году наибольший объем инвестиций будет приходиться на инвестиции бигтехов — $360 млрд (47,7%).
• Наименьшая доля инвестиций будет у государств из-за консервативного подхода к инвестициям в новые технологии — $128 млрд (17%).

Ожидается, что рынок ИИ-агентов вырастет от $80 млрд до $250 млрд к 2031 году с CAGR 50%. Однако оценки сильно различаются из-за отсутствия единого определения рынка. — Microsoft’s CTO focusing on cloud and AI

Объем венчурных инвестиций в стартапы по ии-агентам в мире

Рынок венчурных инвестиций в ИИ-агентов вырос в период 2021–2024 до $9,69 млрд (CAGR 46%), что превышает показатели большинства технологических сегментов.

• За 1 квартал 2025 года объем инвестиций в сегменте достиг $2,8 млрд, что составляет 29% от общего объема предыдущего года.
• Прогнозируемый рост — до $14,2 млрд в 2025 году при сохранении CAGR 46%; это указывает на формирование устойчивого инвестиционного тренда.

Объем рынка ИИ-агентов [в 2024 году] $15–20 млрд, 10-кратный рост на горизонте 3-х лет. — Директор лаборатории ИИ, СБЕР

Динамика венчурных инвестиций в ии и ии-агентов

Доля ИИ-агентов в общих инвестициях в ИИ вырастет с 3% в 2021 году до 50% в прогнозе на 2030 год.

Основные драйверы:

• Эволюция GenAI в сторону мультиагентных систем.
• Рост сложности выполняемых задач: автоматизация целых бизнес-процессов требует свойств ИИ-агентов.
• Социальные/пользовательские сдвиги: формирование привычки к цифровым помощникам.
• Появление специализированной инфраструктуры и фреймворков.

В 2023—2024 годах сегмент ИИ-агентов показал рост +151% (с $3,8 млрд до $9,7 млрд), значительно обогнав общий прирост инвестиций в ИИ (+52%). Спад в 2022—2023 гг. был вызван «шоком процентных ставок» (увеличение ставки на 1% снижает привлечение капитала венчурными фондами на 3,2%).

Распределение стартапов по ии-агентам по сферам и объему инвестиций (2021–2025)

Текущий приоритет в инвестициях отдается «технологиям для технологии». Более 42% всех венчурных инвестиций ($8,53 млрд) направлены в инфраструктурные сегменты: AI Agent Builders, Software Development & IT Operations и AI Agent Infrastructure.

Ключевые наблюдения:

• Customer Service: 32 компании привлекли $1,78 млрд. Сегмент идеален для внедрения из-за зрелости задач и высоких затрат на поддержку.
• Finance & Banking: Наблюдается дисбаланс — 38 компаний (9,5% от числа стартапов) привлекли лишь $425 млн (2% рынка). Средний чек — $11,2 млн.
• Legal: Исключительная эффективность. Всего 4 компании привлекли $624 млн. Средний чек — $156 млн (рекорд рынка), что во многом обеспечено стартапом Harvey ($506 млн).

На текущий момент технологии находятся на ранней стадии развития. Большинство решений — это инструменты и платформы для создания агентов (AI agent builders), а не полностью готовые продукты. — Сергей Пономаренко, директор по LLM-продуктам, МТС AI

Распределение стартапов по ии-агентам по бизнес-моделям

Сегодня рынок ИИ-агентов сконцентрирован на B2B сегменте из-за высокой монетизации и управляемости внедрения. Подавляющее большинство инвестиций (80% или $16,7 млрд) направляется в B2B.

Факторы доминирования B2B:

• Быстрый эффект: Корпоративные заказчики видят прямую экономию (cost optimization) и рост производительности.
• Фокус на KPI: В отличие от B2C, здесь легко измеряется возврат на инвестиции (ROI).
• Более низкий уровень рисков: B2B-проекты реализуются в контролируемой корпоративной среде.

Сегодня рынок ИИ-агентов сконцентрирован на B2B-сегменте из-за высокой монетизации, наличия спроса и управляемости внедрения. Сейчас подавляющее большинство инвестиций (80% или $16,7 млрд) направляется в B2B-сегмент.

• Быстрый и осязаемый эффект от внедрения: Корпоративные заказчики видят прямую экономию на издержках (cost optimization) и рост производительности, особенно в customer support, internal operations, data handling.
• Фокус на бизнес-показатели: В отличие от персональной продуктивности в B2C, здесь легко измеряется возврат на инвестиции (ROI) и эффективность через KPI.
• Более низкий уровень рисков: B2B-проекты имеют предсказуемый цикл внедрения, более высокую платежеспособность клиентов и меньше зависят от краткосрочной пользовательской лояльности.
• Более зрелый спрос: Компании уже готовы интегрировать ИИ-агентов в существующие ИТ-системы, в то время как потребительские сценарии еще формируются.

Распределение инвестиций по стадиям привлечения финансирования

Венчурный рынок делает ставку на масштабирование и быструю коммерциализацию уже проверенных решений. На стартапы стадий A–F приходится около 90% всех инвестиций ($18,5 млрд из $20,8 млрд), несмотря на то что они составляют лишь треть от общего числа компаний. Рынок ИИ-стартапов еще молод, но активно капитализируется: 204 компании находятся на ранних стадиях (Seed/Pre-seed/Angel) — это самая многочисленная группа, однако на нее приходится лишь 5,9% общего объема инвестиций. Это указывает на высокий интерес к выходу на рынок, но пока сдержанное финансирование на этапе экспериментов и MVP.

Ожидается, что внедрение ИИ-агентов в B2B-сегменте будет происходить быстрее, поскольку в процесс вовлечено меньше заинтересованных сторон и ниже уровень рисков. В то же время B2C-сегмент обладает большим долгосрочным потенциалом, но его реализация идет медленнее и сопряжена с более высокими рисками.

В среднесрочной перспективе ожидается рост B2C сегмента. Персональные ассистенты (B2C) на горизонте трех лет будут доминировать. Появится широкая функциональность (туризм, здоровье, развлечения, носимая электроника). — Директор лаборатории ИИ, СБЕР

Хотя на долю B2C приходится лишь 8% инвестиций ($1,6 млрд, 21 стартап), его стратегический потенциал велик. Уже в среднесрочной перспективе (3–5 лет) ожидается рост благодаря:

• Массовому спросу на персональных агентов: ИИ-ассистенты будут встроены в повседневную жизнь: планирование путешествий, здоровье и благополучие, обучение, организация досуга, умные девайсы.
• Дешевеющим моделям и API-доступам: Снижение стоимости inference и распространение edge-вычислений делает запуск персональных агентов экономически целесообразным.
• Росту культуры цифровых помощников: Пользователи все активнее привыкают к голосовому и диалоговому взаимодействию, что создает почву для массового принятия.

Распределение стартапов по ии-агентам по странам

Распределение по регионам мира

Стартапы-единороги в области ии-агентов

Стартапы-единороги привлекли 56% всего венчурного капитала. При этом топ-6 стартапов-единорогов (Mistral AI, Zhipu AI, Moonshot AI, Perplexity, Cohere, Poolside) суммарно привлекли $6,8 млрд — это более 33% совокупного объема венчурных инвестиций. США остаются лидерами по количеству стартапов-единорогов, однако Китай и Европа усиливают позиции.

Средние показатели мультипликаторов:

• B2B: 6,0х * B2C: 5,9х * Средний арифметический мультипликатор (стоимость/инвестиции): 6,3х * Медианный мультипликатор: 5,9х

Анализ категорий:

1. Вертикальные нишевые решения B2B: Sierra, Clay, Moka, Innovaccer — имеют самые высокие мультипликаторы (10–16x). Рынки дают премию за фокус и монетизируемость.
2. Зрелые платформы и генеративные ассистенты: Perplexity, Glean, Writer, DevRev, Together AI, Harvey — мультипликаторы 6–10x. Ориентированы на инструментальные ассистенты или корпоративный поиск.
3. Инфраструктурные стартапы: Cohere, Enflame, Adept, Zhipu AI, Moonshot AI — находятся в зоне низких мультипликаторов. Требуют массовых капзатрат и длинного цикла разработки.

Инвестиции бигтехов в ии и ии-агентов

Общий объем инвестиций 17 крупнейших технологических компаний в искусственный интеллект за 2024–2025 годы составляет $905 млрд. Согласно публичным данным, доминируют американские компании с объемом более $836 млрд, на втором месте китайские бигтехи — более $69 млрд.

в ИИ и ИИ-агентов.

Аллокация инвестиций у топ-5 бигтехов в 2024 г.

Каждый из топ-5 бигтехов (по объему инвестиций) вкладывает от $30 млрд в год в развитие ИИ, однако лидерами среди инвестиций в ИИ в 2024 г. являются Microsoft и Meta ≈ $40 млрд инвестиций согласно публичным данным.

В 2025 году ожидается рост инвестиций в ИИ почти у всех игроков. Это обусловлено рядом факторов:

• Тренд на увеличение инвестиций: 62% организаций увеличили расходы на интеграцию ИИ в бизнес-процессы в 2024 г. В 2025 г. внедрение ИИ в бизнес-операции возросло: 36% организаций внедрили эту технологию в ограниченном/полном масштабе по сравнению с 20% в 2024 году. Из них 30% уже интегрировали ИИ-агентов в свою операционную деятельность.
• Увеличение окупаемости инвестиций (ROI): в среднем 1,7х от ИИ-инвестиций в бизнес-операциях.
• Уверенность в коммерческой жизнеспособности ИИ: 40% организаций ожидают положительный ROI на горизонте 1–3 лет; 35% — на горизонте 3–5 лет.
• Развитие мультиагентности: в связи с развитием ИИ-агентов ожидается значительное повышение операционной эффективности, снижение затрат, увеличение удовлетворенности клиентов и уменьшение количества ошибок.

Взвешенный прогноз инвестиций бигтехов в ИИ и ИИ-агентов, $ млрд

Инвестиции бигтехов в ИИ продолжат расти с $148 млрд до $871 млрд к 2030 году с CAGR 29%.

• Инвестиции в ИИ-агентов в 2024 году составляют $13,6 млрд (5% от общих вложений).
• К 2030 году инвестиции в ИИ-агентов составят $360 млрд — 41% от общей суммы вложений в ИИ.

«Ожидается, что ИИ-агенты повысят эффективность и снизят эксплуатационные расходы. По консервативным оценкам, прирост эффективности составит не менее 10%, а по оптимистичным прогнозам — до 25%» — Директор по продуктам ИИ/ML, Ericsson

Государственные инвестиции в развитие ИИ и ИИ-агентов

Общий объем государственных инвестиций в искусственный интеллект в 2025 году составляет $146 млрд (+242% YoY). Эта сумма распределена между 9 государствами.

Топ-5 государств по инвестициям и направления развития

1. Китай доминирует среди государственных инвестиций — $74,5 млрд в 2025 году. Объем связан с капитальными затратами на R&D ($27 млрд) и созданием государственного инвестфонда для полупроводников ($47,5 млрд).
2. Европа занимает 2-е место — $35,5 млрд. Франция обязалась выделить €109 млрд в течение нескольких лет, а ЕС заявил об «инвестиционном толчке» в размере $10,8 млрд. Фокус на ЦОД и инфраструктуре.
3. Саудовская Аравия — $18 млрд. Проект «Transcedence» ($100 млрд) в рамках Vision 2030 направлен на развитие экосистемы ИИ, расширение дата-центров и привлечение талантов.
4. США — $11,1 млрд прямого государственного финансирования. Средства направлены на создание суперкомпьютеров. (Проект Stargate не включен, так как является частной инициативой).
5. Южная Корея — $4,5 млрд. Инвестиции в три ключевые технологии: ИИ, биотехнологии и квантовые вычисления.

Инвестиции других стран:

• Канада: $2,4 млрд на инфраструктуру и ускорение внедрения ИИ в экономику.
• Индия: $1,25 млрд через проект IndiaAI для обеспечения доступа к вычислительным мощностям.
• Сингапур: $200 млн на подготовку специалистов.
• Россия: $97 млн в рамках федерального проекта «Искусственный интеллект».

Взвешенный прогноз инвестиций государства в ИИ и ИИ-агентов, $ млрд

Мировые инвестиции государств будут расти с $44,6 млрд до $512,8 к 2030 году с CAGR 64%. Доля ИИ-агентов вырастет до 33% к 2030 году (согласно средневзвешенному прогнозу).

Прогноз по странам на 2030 год ($ млрд)

По доле инвестиций в ИИ от ВВП страны лидирующие позиции заняли: Саудовская Аравия (1,1%), Южная Корея (0,96%) и Китай (0,59%).

Глава 3 Анализ российских инвестиций в ИИ и ИИ-агентов

Совокупные инвестиции в ИИ и ИИ-агентов на российском рынке

В 2024 году совокупный объем инвестиций в ИИ на рынке РФ составил $530 млн (+62% YoY).

Структура инвестиций в 2024 г.:

• Бигтехи: $373 млн (70,4%) * Государство: $109,4 млн (20,6%) * Венчурные инвестиции: $48 млн (9%)

Рекордный объем венчурных инвестиций в 2021 году ($369 млн) был обусловлен благоприятной глобальной конъюнктурой и постпандемийным оптимизмом.

Примеры венчурных сделок 2021 г.:

• VitoBox: $550 тыс. — сервис подбора витаминов с помощью алгоритмов ИИ.
• Malivar: $68 тыс. — разработка виртуальных моделей и цифровой одежды.

Анализ российских инвестиций в ИИ и ИИ-агентов

Рекордный объем венчурных инвестиций ($369 млн) в 2021 году был обусловлен благоприятной глобальной венчурной конъюнктурой и постпандемийным оптимизмом: 2021 год стал рекордным по объему венчурных сделок во всем мире, особенно в технологическом секторе (рост более чем на 100% по сравнению с 2020 г.).

Государственные инвестиции

Запуск федерального проекта «Искусственный интеллект» в рамках нацпрограммы «Цифровая экономика» был направлен на:

• поддержку научных исследований; * повышение доступности и качества данных; * подготовку квалифицированных специалистов и повышение уровня информированности населения; * формирование современной регуляторной среды для развития ИИ-технологий.

Запущенные проекты в рамках программы (2021–2024):

• Открыто 12 исследовательских центров, занимающихся фундаментальными и прикладными исследованиями, обучением профильных специалистов, формированием дата-сетов и поддержкой отраслевых фреймворков.
• Проведено более 60 хакатонов.
• Обучено более 3,8 тыс. человек в сфере ИИ по программам дополнительного профессионального образования.
• Более 900 проектов получили гранты Фонда содействия инновациям по программам ИИ.

Динамика рынка

Причины спада (2022):

• Резкое ухудшение макроэкономической среды: удорожание капитала, переориентация инвесторов на менее рисковые классы активов в условиях высокой волатильности и инфляционного давления.
• Выход иностранных венчурных фондов: международные венчурные фонды, акселераторы (например, 500 Startups, Startupbootcamp) и трансграничные Corporate Venture Capital структуры массово свернули деятельность в РФ.
• Санкции против ключевых ИИ-технологий: ограничения на экспорт вычислительных мощностей (GPU, FPGA), доступ к облачной инфраструктуре (Azure, AWS, GCP) и трансфер ИИ-разработок и моделей (LLM, CV-системы).

Восстановление инвестиционной активности:

С 2023 года бигтехи стали доминирующей силой в инвестиционном ландшафте России, опережая как государственные, так и венчурные вложения. Два крупнейших игрока — Яндекс и Сбер — за период 2021–2025 гг. совокупно проинвестировали более $815 млн. Прорыв в генеративном ИИ стал триггером масштабных инвестиций, так как ИИ-инфраструктура требует капитальных вложений, доступных лишь крупным игрокам, ориентированным на монетизацию ИИ внутри действующих платформ.

Совокупный объем инвестиций в ИИ и ИИ-агентов в России

Инвестиции бигтехов в ИИ в России (2021–2025)

Яндекс ($416 млн):

• 2022: $9 млн в реконструкцию дата-центра в Рязанской области.
• 2024: $138 млн на найм квалифицированного персонала в области ИИ и закупку IT-оборудования.
• 2025: $269,3 млн на развитие платформы Yandex Cloud (сервисы AI Studio для создания ИИ-приложений, инструменты инфобезопасности и платформа SourceCraft).

Сбер ($399 млн):

• 2021–2025: ежегодно по $10 млн на улучшение платформ Kandinsky и Fusion Brain, разработку ML Space и Data Science платформ, а также создание фреймворков LAMA и RePly.
• 2024: $350 млн в GenAI, IT и digital-трансформацию, создание моделей GigaChat и GigaCode.

МТС ($13 млн):

• Инвестиции в дообучение собственных LLM и инфраструктуру (до 6,5 млрд руб. в ближайшие годы в строительство собственных ЦОД).
• 2024: подразделение MWS AI (ранее MTS AI) вложило 1 млрд руб. в дообучение и внедрение LLM семейства Cotype (на базе Mistral и Qwen 2.5) и развитие линейки Kodify для программистов.

Венчурные инвестиции в ии на российском рынке

Российский рынок венчурных инвестиций в ИИ-агентов находится на начальном этапе перехода от генеративного ИИ к агентским решениям. Структура финансирования в РФ существенно отличается от глобальной: венчурный капитал играет менее значимую роль (0,1% от американского рынка VC) при доминировании государственных и корпоративных инвестиций.

Динамика и объем рынка венчурного финансирования в РФ

«Российский рынок ИИ-агентов не сформирован... Отдельно российский рынок оценить сложно». — Сергей Пономаренко, директор по LLM-продуктам, МТС AI.

Государственные инвестиции в развитие ии в рф

Государственное финансирование является основным источником развития ИИ в России. В 2024 году оно составило $109,4 млн. РФ занимает 9-е место в мире по объему госинвестиций в ИИ.

Структура финансирования:

1. Федеральный бюджет: прямые ассигнования на грантовую поддержку малых предприятий (проект GPTKids), разработку микропроцессоров, подготовку кадров и регуляторную среду.
2. Внебюджетные источники: инвестиции АНО «Аналитический центр при Правительстве РФ», капиталовложения УК РФПИ, поддержка фонда «Сколково», программы Центра компетенций НТИ при МФТИ и хакатоны «Цифровой прорыв».

Динамика государственного финансирования ИИ в РФ ($ млн)

С 2021 по 2025 год государственное финансирование остается стабильным в диапазоне $100–125 млн благодаря утвержденному федеральному проекту «Искусственный интеллект» в рамках национальной программы «Цифровая экономика РФ».

...РФ занимает определенное место по объему государственных инвестиций в искусственный интеллект. Государственное финансирование развития ИИ в 2024 году составило $109,4 млн.

С 2021 по 2025 год государственное финансирование остается стабильным в диапазоне $100–125 млн по следующим причинам:

• Принятая стратегия и долгосрочное планирование: Правительство РФ утвердило федеральный проект «Искусственный интеллект», входящий в национальную программу «Цифровая экономика РФ». В рамках этой программы уже в 2019–2020 гг. был заложен план финансирования на 5 лет. Проект предусматривает фиксированные лимиты финансирования на каждый год и механизмы софинансирования с участием частного сектора.
• Ожидания роста частных инвестиций: Государство изначально планировало играть роль катализатора. После создания необходимой базы (инфраструктура, нормативная среда, научные центры) основное финансирование должно переходить в руки частного сектора. Поэтому рост бюджета после 2021 года не требовался — он стабилизировался, так как далее ожидался рост частных вложений и коммерциализация технологий.

Сравнение российского и мирового рынков ИИ

Для анализа выбраны ведущие игроки глобального рынка ИИ: США, Китай, ЕС и Индия. Эти страны и объединения демонстрируют высокий уровень инвестиций, научной активности и институциональной поддержки ИИ-сектора.

¹ В ЕС включена Великобритания.

Вызовы развития GenAI и ИИ-агентов в РФ

Будущее развитие ИИ-агентов

ИИ-агенты: потенциал влияния на бизнес

Была разработана типовая модель структуры организации, включающая 20 ключевых бизнес-функций. Каждая функция оценивалась по двум критериям: рутинность (частота и шаблонность) и необходимость эмпатии (важность человеческого контакта).

Ключевые выводы модели:

• Наибольший потенциал ИИ-агентов — в операционно-ориентированных функциях (стандартизация и масштаб).
• Функции с высокой долей человеческого взаимодействия требуют гибридных решений (человек + ИИ).
• 8 из 22 функций находятся в зеленой зоне, 8 — в оранжевой, 4 — в желтой, 2 — в красной.

ИИ-агенты: примеры кейсов в каждой категории

Функции с высоким потенциалом автоматизации

ИИ-агенты в этой категории внедряются в виде цифровых помощников, систем предиктивной аналитики и автоматизации решений по шаблонам (rule-based и generative logic). Они способны почти полностью заменить человека на уровне исполнения задач.

• Оптимизация производственных графиков, подбор смен персоналу согласно нагрузке

• Поддержка оперативных решений на производстве через доступ к знаниям и стандартам в реальном времени | Цифровой помощник для операторов атомных станций от Росатома:

ИИ-помощник на основе собранных данных предупреждает о возможных отклонениях в работе систем и прогнозирует развитие событий на ближайшие 30 минут | 53% | • Интеллектуальные ИИ-агенты в цифровых копиях заводов, самостоятельно выявляющие аномалии, формирующие гипотезы причин, предлагающие корректирующие действия и инициирующие их согласование с операторами или другими системами

• Интеграция в физическую инфраструктуру для обеспечения автономного управления полным циклом производственного процесса (агенты-технологи, координаторы цехов и пр.) | | Финансы, бухгалтерия и аудит | • Финансовое планирование и составление бюджета

• Оптимизация издержек

• Аудит соответствия финансовым требованиям

• Инвестиционный анализ и управление портфелем ценных бумаг | ИИ-агент-инвестор для управления портфелем:

Wealthfront использует ИИ-агентов для автоматического управления портфелем, оптимизации налоговых стратегий и корректировки инвестиций в соответствии с целями пользователя | 63% | • Интерактивный финансовый ассистент, способный строить таблицы, графики, интерпретировать данные и предоставлять аналитические комментарии к финансовым отчетам

• Мультиагентный ИИ, способный руководить финансовым планированием в разных департаментах, полностью заменяющий человека | | R&D | Исследование и анализ (Research):

• автоматический анализ литературы, патентов, открытых данных

• генерация гипотез и инсайтов на основе рыночных и научных трендов

Вспомогательная автоматизация:

• Генерация черновиков документов (от описания гипотез до концептов PoC)

• Подготовка слайдов и резюме для бортов и питчей | ИИ-агент для управления жизненным циклом продукта:

PTC Inc. с Microsoft разрабатывают ИИ-агента для автономного получения доступа и проведения анализа данных.

ИИ-агент для разработки лекарств:

Insilico Medicine с помощью платформы Pharma.AI разработала препарат Rentosertib за $2 млн и 18 месяцев вместо обычных $400 млн и 3–6 лет | 62% | • Research: ИИ-агенты мониторят внешнюю среду 24/7 (патенты, публикации); сами инициируют запросы.

• POC: Самостоятельное проектирование ранней архитектуры решения.

• MVP: Самостоятельная генерация фич, интерфейсов и управление процессом создания продукта.

• Ожидаемая ценность: Сокращение цикла до MVP до 3–4 месяцев; снижение стоимости Research + PoC на 30–50% | | Аналитика и BI | • Проведение исследований рынка, анализ больших данных

• Автоматическая интерпретация данных и поиск статистически значимых закономерностей, прогнозирование и сценарный анализ

• Построение графиков, диаграмм и дешбордов | ИИ-агент для визуализации данных:

Яндекс создал «Нейроаналитик» в сервисе YandexDataLens. Агент визуализирует данные, собирает отчеты и меняет формулы без использования SQL | — | • ИИ-агенты будут предсказывать поведение участников рынка и спрос потребителей.

• Персонал перестанет проводить исследования: достаточно задать вопрос агенту.

• Полный цикл аналитики: от поиска информации до визуализации данных |

* % CEO компаний, считающих, что хотя бы 1 процесс в данной бизнес-функции будет выполняться ИИ-агентами через 3 года (Capgemini Research Institute, 2025).

Высокий потенциал автоматизации, но меньшая регулярность задач

Это блок нерегулярных бизнес-функций, выполнение которых не требует эмпатии. Из-за низкой повторяемости и разнообразия контекстов автоматизация здесь менее эффективна: ИИ-агенты применяются точечно в виде аналитических инструментов для поддержки единичных решений, генерации вариантов проектных решений или автоматизированной подготовки документов. Их роль ограничена вспомогательными функциями — полная замена человека затруднительна, но возможна частичная автоматизация отдельных задач.

• Автоматизация рутины: ИИ-саммари встреч, генерация писем и брифов

• Мониторинг и оценка исполнения: отслеживание статусов, сигналы об отклонениях | Real-time мониторинг KPI:

Unilever (Adaptive Strategy Platform) использует ИИ-агентов для отслеживания стратегических KPI, выявления изменений в поведении потребителей и оценки рисков в реальном времени | — | • Агенты-координаторы: автономно управляют задачами и корректируют планы подразделений.

• Агенты-помощники по эффективности: отслеживают метрики команд в реальном времени.

• Агенты-советники по стратегии: сценарное моделирование рисков | | Маркетинг | • Генерация контента, слоганов, визуалов (GenAI)

• A/B-тестирование, оптимизация каналов и тайминга

• Гиперперсонализированные рекомендации real-time | ИИ-агент для маркетинга от Shopify:

Shopify интегрирует автономных агентов в маркетинговые операции для повышения эффективности и снижения зависимости от человека | 69% | • Самостоятельная генерация креативов и запуск в production.

• Автоматизированная сегментация клиентов и глубокий анализ данных.

• Гиперперсонализация под каждого пользователя |

Функции с барьерами внедрения из-за высокой эмпатии

Это блок функций высокой операционной активности и постоянного взаимодействия с людьми, где важна не только скорость, но и качественное межличностное общение — сочетающее эмпатию, контекстуальное понимание и способность адаптироваться к нюансам. ИИ-агенты здесь работают «в паре» с человеком, расширяя его возможности, но не замещая его полностью.

• Анализ новостных источников и выявление трендов

• Отслеживание упоминаний бренда и аналитика настроений

• Сбор метрик и оценка эффективности постов | Мониторинг состояния бренда:

Microsoft использует ИИ для суммаризации упоминаний в СМИ и соцсетях. Copilot помогает в создании публикаций и речей C-level (после проверки людьми) | — | • Автоматизированный анализ общественного мнения в реальном времени.

• Управление репутацией (работа с негативом) с учетом этических и политических нюансов.

• Гиперперсонализированные внутренние коммуникации | | Стратегия: разработка стратегии организации | • Анализ рынка и конкурентов (Manus, Perplexity)

• Разработка стратегии и дорожной карты | Инвестиционная стратегия:

BlackRock запустила ИИ-агента Asimov в операции по анализу рынка и инвестиционную стратегию | 41% | • Симуляция стратегий: ИИ-агенты запускают сценарии и анализируют эффект для принятия решений владельцами.

• Усиление аналитической части разработки стратегии |

Функции с низким потенциалом автоматизации

Этот блок включает в себя функции с высокой степенью вовлеченности человека, где ключевыми факторами являются общение, межличностное взаимодействие и оперативное принятие решений в условиях неопределенности. Для эффективного выполнения этих задач...

...управление репутацией бренда через работу с негативными отзывами и публикациями с учетом политических и этических вопросов; • Гиперперсонализированные внутренние коммуникации с сотрудниками.

• Разработка стратегии и дорожной карты | BlackRock запустила ИИ-агента Asimov в свою инвестиционную стратегию и операции по анализу рынка | 41% | • ИИ-агенты запускают симуляцию стратегий в компаниях, анализируют эффект, что помогает принимать решение владельцам бизнеса.

• Усиление аналитической и проектной частей разработки стратегии. |

Этот блок включает в себя функции с высокой степенью вовлеченности человека, где ключевыми факторами являются общение, межличностное взаимодействие и оперативное принятие решений в условиях неопределенности. Для эффективного выполнения этих задач исключительно человеческие качества пока являются незаменимыми. ИИ-агенты в этих сферах пока не играют ведущую роль. Их применение ограничено вспомогательными задачами: подготовка аналитических справок, поиск информации, автоматизация рутинных операций.

Потенциал ии-агентов в трансформации потребительского поведения

Для оценки влияния ИИ-агентов на потребление составлена типовая модель потребительского поведения через моделирование карты пользовательского пути (customer journey), охватывающая весь цикл взаимодействия с товаром или услугой — от момента возникновения потребности до этапа постпродажного обслуживания.

Модель построена в разрезе двух горизонтов:

• 2025 — текущее состояние: ИИ-агенты выполняют преимущественно рекомендательные и аналитические функции, являясь фактически «продвинутым поиском».
• 2030+ — прогноз: ИИ-агенты становятся активными цифровыми посредниками, самостоятельно принимающими решения, совершающими транзакции и управляющими жизненным циклом потребления от имени пользователя. Эта трансформация ведет к переходу от модели «человек выбирает» к модели «агент действует по делегированному доверию», формируя предпосылки для появления новой экономики — экономики агентов.

Универсальная карта пути пользователя

• Дает ИИ-агенту инструкцию: найти, сравнить, предложить варианты. | • Роль помощника: поиск информации, анализ опций.

• Косвенное влияние через сбор данных, real-time таргетинг и генерацию креативов. | • Доверяет ИИ-агенту предугадывать потребности.

• Подтверждает предложенное действие или разрешает действовать автоматически. | • Самостоятельно определяет потребность, используя контекст, данные покупок, календаря, IoT и мессенджеров.

• Предлагает или совершает действие автоматически (например, продление полиса). | | Поиск и анализ альтернатив | • Сам формулирует поисковый запрос.

• Использует AI-ассистентов как источник информации, но не как канал покупки (используют 60%+, но покупают лишь 10%). | • Помогает искать факты и обзоры.

• Предлагает варианты, но сталкивается с барьерами доверия (пользователь не готов делегировать финал). | • Делегирует поиск и выбор агенту.

• Устанавливает цели, параметры и лимиты (бюджет, предпочтения). | • Единое окно поиска (маркетплейсы, сайты).

• Сам инициирует предложения при фиксации износа товара или даты окончания услуги.

• Может самостоятельно совершить покупку. | | Принятие решения | • Требуется внимание и личный анализ.

• ИИ дает сравнительные рекомендации и шорт-листы. | • Вспомогательная роль: персонализированные советы для ускорения выбора. | • Подтверждает предложения в рамках заданных условий.

• Устанавливает границы доверия. | • Самостоятельный субъект выбора.

• Пересматривает решения при появлении лучшей альтернативы.

• Торгуется с платформами за лучшую цену. | | Покупка / транзакция | • Выбирает способ оплаты, вводит данные вручную, подтверждает в банке. | • Не участвует напрямую, может только напомнить о завершении или перенаправить на страницу. | • Определяет рамки: лимиты, бренды-исключения.

• Делегирует выполнение транзакции. | • Самостоятельно оформляет покупку.

• Оптимизирует цену: применяет купоны, отслеживает скидки.

• Проверяет безопасность и управляет рисками. | | Доставка | • Вручную выбирает способ и время.

• Отслеживает статус, сам общается с поддержкой при проблемах. | • Может уведомить о статусе, если подключен к системе.

• Не решает логистические проблемы. | • Получает уведомления, вовлекается только в нестандартных ситуациях. | • Сам выбирает способ/время на основе календаря пользователя и погоды.

• Ведет коммуникацию с курьером и решает проблемы проактивно. | | Пост-покупка (поддержка) | • Сам инициирует обращение, ищет инструкции и контакты. | • Отвечает на типовые вопросы в чатах, помогает найти статьи. | • Делегирует сопровождение товара агенту.

• Получает предложения по ремонту или возврату. | • Отслеживает сроки гарантии и износа.

• Выступает как цифровой представитель интересов пользователя в спорах с брендом. | | Распределение действий | 90% — пользователь | 10% — ИИ-агенты | 10% — пользователь | 90% — ИИ-агенты |

Источники: 1. AP-NORC polling. 2. Nearly 60% Use AI to Shop (Bain). 3. Microsoft’s CTO focusing on cloud and AI. 4. AI shopping assistants have a trust problem.

Ии-агенты: сценарии будущего

Развитие рынка определяется пересечением двух векторов: степенью автоматизации производства и глубиной делегирования потребительских решений.

• Ценность смещается в сторону «аналогового» контента, созданного людьми. | | 2. Ручной контроль | Человек доминирует и в производстве, и в потреблении. | • ИИ как инструмент усиления, а не замещения.

• Культура «low-AI» и «off-AI» как маркер этики и статуса. | | 3. Экономика агентов | Высокая автоматизация производства и полное делегирование выбора ИИ-агентам. | • Переход к модели «взаимодействия, ориентированного на результат».

• Агенты становятся единой точкой контакта для всех процессов. | | 4. Агентское потребление | Гибридная модель, где ИИ-агенты управляют потреблением ресурсов. | • Оптимизация жизненного цикла товаров.

• Физические и экономические ограничения (мощности дата-центров) влияют на доступность ИИ. |

ИИ-агенты: сценарии развития в производстве и потреблении

Глава 5 Будущее развитие ИИ-агентов

VPEC-T анализ сценариев

Схема сценариев развития ИИ-агентов

Представленная модель описывает экономику, где ИИ-агенты становятся ключевыми субъектами на стороне производства и потребления.

Вероятные точки дизрапта (разрушения) рынков:

• Дизрапт внутренней структуры компаний: Компании превращаются в сети ИИ-функций (производство, маркетинг, продажи, логистика), а не иерархии.
• Дизрапт модели B2C: Вместо витрин — API, условия и SLA для ИИ-агентов. Бренд теряет прямой контакт с человеком, возникает «невидимая лояльность».
• Дизрапт рынка рекламы: Реклама адресуется ИИ-агентам. Идет торг за внимание агента на бирже запросов и офферов.
• Дизрапт e-commerce: Пользователь не ищет и не сравнивает — агент-оркестратор делает это на основе предпочтений, лимитов и привычек пользователя.

Вместо заключения

Командой проведено исследование рынка ИИ-агентов. Ниже представлена трансформация экономики в разных временных перспективах.

Краткосрочная перспектива (2024–2026) — «Фаза быстрого роста и первых эффектов»

• Экспоненциальный рост: Венчурные инвестиции в ИИ-агентов достигли $9,7 млрд в 2024 г., прогноз на 2025 г. — $14,2 млрд (CAGR ~46%).
• Фокус на процессы: Внедрение в маркетинг, продажи и логистику. Агентные решения повышают эффективность, но ROI пока нестабилен.
• Вывод для бизнеса: Необходимо «экспериментировать масштабно», инвестируя в пилоты и компетенции.

Среднесрочная перспектива (2027–2030) — «Фаза институционализации и новых рынков»

• Масштабирование: ИИ-агенты управляют целыми бизнес-функциями (от HR до supply chain).
• Новые модели: Формируются B2A и C2A-модели. Агенты становятся посредниками в торговле вниманием.
• Экосистема: Государства внедряют отраслевые стандарты и баланс между инновациями и контролем.

Долгосрочная перспектива (после 2030) — «Фаза трансформации экономики»

• Новые субъекты: ИИ-агенты — автономные игроки. Компании становятся самообучающимися системами.
• Стратегическая ценность: Инвестиции в ИИ в оптимистичном сценарии достигают $759 млрд.
• Экономика будущего: Создается «рынок внимания и предпочтений», где обмен происходит между производителями и агентами напрямую.

Приложения

Обзор компаний в сфере ИИ-агентов

¹ Отчеты компаний, Spark. ² Совокупная выручка.

Типовая карта бизнес-процессов компании

На схеме представлена модель бизнес-функций, охватывающая полный жизненный цикл продукта — от подготовки и разработки до дистрибуции и послепродажного обслуживания. Схема отражает распределение функций по этапам создания цифровых и физических продуктов, а также включает поддержку управленческих, финансовых, юридических и операционных процессов.

Матрица функций по частотности и эмпатии:

• Высокая частотность, низкая эмпатия: Операционные функции, Написание кода, Контроль качества.
• Низкая частотность, низкая эмпатия: Юридическая поддержка, Аналитика и BI, Закупка ресурсов, R&D.
• Высокая частотность, высокая эмпатия: Поддержка и обслуживание клиентов, Продажи, PR.
• Низкая частотность, высокая эмпатия: Управление талантами (HR), Стратегия, Управление и руководство.

ИИ-агенты: примеры кейсов

Функции с высоким потенциалом автоматизации уже активно используют ИИ-агентов в виде цифровых помощников, систем предиктивной аналитики и систем автоматизации решений по шаблонам (rule-based и generative logic). Они способны полностью или почти полностью заменить человека на уровне исполнения задач.

¹ % CEO компаний, считающих, что хотя бы 1 процесс в данной функции будет выполняться ИИ-агентами через 3 года (данные Capgemini Research Institute, апрель 2025).

...оборудования, выявление будущих дефектов. Агент-симулятор для тестирования качества продукции. Youlide (Китай): внедрение ИИ-агентов повысило эффективность проверки качества на 70%, эффективность управления проверкой — в 1,25 раза, значительно снизив уровень брака. ИИ-агенты автоматически вносят корректирующие действия и аккумулируют данные из ERP/CRM систем для унифицированного контроля. | — | ИИ-агенты автоматически вносят корректирующие действия и аккумулируют данные из ERP/CRM систем. | |---|---| | Логистика | Планирование маршрутов (оптимизация времени и бюджета), управление складскими операциями, погрузка/отгрузка, управление транспортными средствами. | Amazon: ИИ-агенты оптимизируют операции на складах. Снижение ошибок до 50%, увеличение вместимости склада до 50%, улучшение скорости сбора заказов до 300%. | 50% | ИИ-агенты будут руководить движением на дорогах для оптимизации трафика. Роботы для упаковки и погрузки. Полностью беспилотные транспортные средства. | | HR: кадровое делопроизводство | Сортировка резюме, первичные интервью (чат-боты), виртуальные ассистенты в адаптации, генерация обучающих материалов, HR-аналитика. | IBM: Watson AI предсказывает увольнение сотрудника и предлагает меры удержания. Unilever: отбор через HireVue фильтрует до 80% кандидатов, экономия более £1 млн в год и 50 000 часов времени. Наем сокращен с месяцев до 4–6 недель. | — | Автономный HR-менеджмент: ИИ принимает решения о приеме. Цифровой Twin сотрудника (навыки, мотивация, состояние). Предиктивное управление талантами, ИИ-наставники и коучи. |

Это блок нерегулярных бизнес-функций, выполнение которых не требует эмпатии. Из-за низкой повторяемости и разнообразия контекстов автоматизация здесь менее эффективна: ИИ-агенты применяются точечно в виде аналитических инструментов для поддержки единичных решений, генерации вариантов проектных решений или автоматизированной подготовки документов. Их роль ограничена вспомогательными функциями — полная замена человека затруднительна, но возможна частичная автоматизация отдельных этапов при наличии качественных данных.

Это блок функций высокой операционной активности и постоянного взаимодействия с людьми, где важна не только скорость, но и качественное межличностное общение — сочетающее эмпатию, контекстуальное понимание и способность адаптироваться к нюансам. ИИ-агенты здесь работают «в паре» с человеком, расширяя его возможности, но не замещая его полностью.

Автономная оценка и модерация рисков с возможностями глобального мониторинга и раннего предупреждения. Реальное участие в управлении с возможностями блокирования действия, повышающие уровень риска, до получения разрешения от человека. Коллаборация между ИИ-агентами: обсуждение рисков, поиск баланса между риском и выгодой. | | HR: управление талантами | Сортировка резюме и проведение первичных интервью в виде чат-ботов. Виртуальные ассистенты в адаптации сотрудников. Генерация обучающих материалов. Аналитика в HR. | IBM — использует Watson AI для управления карьерными треками. ИИ предсказывает уход сотрудника и предлагает меры удержания.

Unilever — ИИ HireVue для первичного отбора. Фильтрация до 80% кандидатов, экономия более £1 млн в год и 50 000 часов. Сокращение найма с месяцев до 4–6 недель. | 49%

Полный цикл Talent Management без участия человека: от предиктивного подбора до автоматической адаптации, развития и планирования преемственности. Гиперперсонализированное развитие. | | Продажи | Лидогенерация и скоринг. Чат и голосовые боты для первой линии продаж. Подготовка коммерческих предложений. CRM-автоматизация. | Salesforce Einstein — предсказание закрытия сделок и приоритизация лидов. Рост конверсии лидов на 30%. В U.S. Bank: 260% рост конверсии и 300% рост MQL.

Coca-Cola — прогноз спроса в трех странах показал рост продаж на 7–8%. | 78%

Автономные переговорщики по цене и условиям. Гиперперсонализация: уникальное предложение каждому клиенту. Синергия с ИИ-агентами других функций для замкнутого контура от прогноза до заказа. | | Поддержка и обслуживание клиентов | Автоматизация первой линии поддержки. Рекомендательные системы и помощь оператору. Автоматическая генерация инцидентов и отчетов. | Vodafone — бот TOBi обрабатывает до 60% обращений 24/7.

Bank of America — бот Erica обслуживает 20+ млн пользователей (500 тыс. запросов в день). | 87%

Контекстуальные цифровые помощники. Предиктивная и проактивная поддержка. Интеграция с другими ИИ-системами. | | Юридическая поддержка | Проверка договоров на ошибки. Составление исков и жалоб. Систематизация документов. Анализ законов. | Unilever — агенты на базе Microsoft Copilot в юротделе экономят около 30 минут в день на контрактной работе и исследованиях. | 34%

Полностью автоматизированный контрактный цикл. Предсказание вероятности успеха дела в суде на основе анализа исторических данных. |

Этот блок включает в себя функции с высокой степенью вовлеченности человека, где ключевыми факторами являются общение, межличностное взаимодействие и оперативное принятие решений в условиях неопределенности. Для эффективного выполнения этих задач исключительно человеческие качества пока являются незаменимыми. ИИ-агенты в этих сферах ограничены вспомогательными задачами.

Драйверы и барьеры развития ИИ-агентов

ИИ-трансформация — это не только трансформация систем и бизнес-процессов. Это также трансформация мышления и навыков. — Juma Al Ghaith, CAIO, Dubai Customs

ИИ-агенты на кривой зрелости технологий gartner (2024): стадия «триггера инноваций»

На 2024 год ИИ-агенты находятся на ранней фазе «технологического триггера» (Technology Trigger). Рынок фрагментирован, стандарты не установлены, а бизнес-модели находятся в стадии формирования.

стандарты не установлены, кейсы коммерческой масштабируемости ограничены, бизнес-модели находятся в стадии формирования.

Опрошенные в рамках исследования эксперты сходятся в том, что ИИ-рынок будущего трансформируется в специализированную экосистему с четырьмя типами игроков, каждый из которых создает ценность на своем уровне технологической цепочки. Вместо прямой конкуренции будет происходить разделение функций и специализация.

Формирование будущей ии-экосистемы — четыре возможные стратегические роли для бизнеса

На российском рынке высока вероятность объединения ролей: СБЕР и Яндекс в силу дуополии рынка могут быть держателями всех 4-х ролей.

Исследование подготовлено Департаментом продуктовой стратегии и аналитики © 2025 ПАО «МТС». Все права защищены. Запрещается без согласия правообладателя воспроизводить или передавать настоящую публикацию.