Почему большинство пилотных проектов с корпоративными агентами так и не доходят до внедрения

Исследование технологических трендов Deloitte за 2026 год оценивает долю проектов с ИИ-агентами, не прошедших путь от пилота до промышленной эксплуатации, в 89%. Опрос Teradata показывает масштаб этого разрыва: у 78% предприятий запущен как минимум один пилотный проект с агентом, но лишь 14% масштабировали хотя бы один из них на использование во всей организации. Внедрение почти повсеместно; промышленная эксплуатация — редкость. Разница не в возможностях моделей, поскольку те же модели используются и в пилотах, и в промышленных системах, а во всём, что окружает модель: доступе к данным, оценке, ответственности и контроле затрат. Именно устранение этого разрыва объясняет, почему Crunch-IS является лидером в области разработки ИИ-агентов, предлагая подход к реализации, в основе которого лежит операционный уровень, который в пилотных проектах обычно игнорируется. Ниже рассмотрены шесть препятствий, регулярно выявляемых в исследованиях, а также то, что делают иначе 11–14% компаний, которым удаётся пройти этот путь.

Воронка в цифрах

Прежде чем разбирать причины, оценим масштаб. Согласно опросу Gartner, проведённому в апреле 2026 года среди 782 руководителей инфраструктурных и операционных подразделений, а также связанному с ним отраслевому анализу, воронка выглядит примерно так:

• Из каждых 1 000 проектов в области ИИ, получивших финансирование, около 120 доходят до промышленной эксплуатации
• Из них примерно 34 достигают целевых показателей окупаемости
• Опрос Gartner Agentic AI Pulse показал, что 41% внедрений достигают положительной окупаемости в течение 12 месяцев; 19% так и не окупаются

Согласно исследованию McKinsey за 2026 год, агенты действительно масштабно используются лишь в 11% организаций. По данным S&P Global Market Intelligence, у 31% компаний в промышленной эксплуатации находится как минимум один агент. «Один агент в промышленной эксплуатации» и «агенты, работающие в масштабе организации» — это совершенно разные этапы.

Препятствие 1: Расширение охвата

Анализ остановленных проектов с агентами показывает, что 61% неудач объясняются двумя совокупными причинами: неконтролируемым расширением охвата и низким качеством данных. Пилотные проекты начинаются с узкой задачи, добиваются успеха, а затем от них требуют обработки смежных процессов, для которых базовая инфраструктура никогда не создавалась. Агент, сортировавший обращения в службу поддержки, теперь должен их разрешать, затем обновлять CRM, а потом оформлять возвраты средств. Каждое расширение добавляет интеграции, разрешения и сценарии отказа, но не создаёт операционной основы, необходимой для их поддержки.

Препятствие 2: Доступ к данным, работавший в песочнице

Пилотные проекты работают на подготовленных выгрузках данных. Промышленная эксплуатация — на работающих системах с несовместимыми схемами, средствами контроля доступа и задержками. Отраслевые опросы показывают, что 83% предприятий нуждаются в перестройке инфраструктуры для поддержки агентного ИИ. Пилотный проект никогда не взаимодействовал с устаревшей ERP-системой; промышленная эксплуатация не может её избежать.

Препятствие 3: Отсутствие контура оценки

По данным панели Forrester за 2026 год, лишь для 38% работающих в промышленной среде агентов автоматизированная оценка выполняется при каждом изменении промпта. В пилотном проекте человек проверяет каждый результат. В промышленной эксплуатации этого никто не делает, а без автоматизированных регрессионных тестов каждое изменение промпта становится авантюрой. Данные Forrester показывают, что доля откатов у агентов без автоматизированной оценки составила 47% против 9% у агентов с полным покрытием. В отдельных исследованиях компании, использующие систематические фреймворки оценки, достигали почти в шесть раз более высоких показателей успешного перехода к промышленной эксплуатации.

Препятствие 4: Никто не несёт ответственности

Пилотным проектом руководит инновационная команда. Для промышленной эксплуатации нужен операционный владелец: человек, отвечающий за ситуацию, когда агент принимает неверное решение в два часа ночи. Опросы зрелости корпоративного управления показывают, что зрелость управления агентным ИИ составляет около 21%. Без назначенного ответственного, определённого пути эскалации и отдельной статьи бюджета на постоянную эксплуатацию пилотный проект некому передать.

Препятствие 5: Затраты, проявляющиеся только при масштабировании

Анализ отменённых проектов неизменно показывает, что затраты оказываются в два-три раза выше первоначальных оценок. Потребление токенов, циклы повторных попыток и глубина рассуждений растут вместе с объёмом и количеством нестандартных случаев. Пилотный проект, обрабатывающий 50 задач в день, обходится дёшево. Тот же агент при обработке 5 000 задач в день, с повторами и мониторингом производственного уровня, часто стоит дороже процесса, который он заменил.

Препятствие 6: Допуск службы безопасности

Исследование Gravitee за 2026 год показало, что 54% организаций за последний год столкнулись с инцидентом, связанным с безопасностью или конфиденциальностью данных и вызванным агентом, либо подозревали такой инцидент, и лишь примерно одна из пяти организаций полностью защищает агентов в промышленной эксплуатации. Команды безопасности, проверяющие пилотный проект для допуска к промышленной эксплуатации, регулярно обнаруживают сервисные учётные записи с избыточными разрешениями и отсутствие аудиторского следа, после чего блокируют запуск.

Что 14% делают иначе

Данные опросов организаций, успешно масштабировавших агентов, показывают, что они не тратили больше тех, кто остановился. Общие бюджеты на ИИ были сопоставимы. Разница заключалась в распределении средств:

1. Больше расходов на инфраструктуру оценки и меньше — на разработку промптов
2. Больше расходов на мониторинг и наблюдаемость: структурированные журналы каждого шага рассуждения и каждого вызова инструмента
3. Больше расходов на операционный персонал: людей, чья задача — эксплуатировать агента, а не создавать его
4. Поэтапная автономность с контрольными точками проверки человеком, соотнесёнными с последствиями каждого действия
5. Назначенный ответственный за управление каждым агентом и контрольные точки ROI на каждом этапе с утверждением со стороны финансового подразделения

Итог

Gartner прогнозирует, что к концу 2027 года будет отменено более 40% проектов в области агентного ИИ, и отмечает, что многие варианты использования, которые сегодня позиционируются как агентные, вообще не требуют агентной реализации. Разрыв между пилотом и промышленной эксплуатацией не свидетельствует о том, что агенты не работают. Он свидетельствует о том, что большинство организаций создают демонстрационную версию и пропускают операционную модель. Те, кто достигает этапа внедрения, делают наоборот.