Агенты обещали заменить профессии. Почему это буксует

В 2024–2025 годах вендоры обещали, что автономные агенты возьмут на себя работу целыми ролями: службу поддержки, часть разработки, юридический ресёрч, обработку заявок. OpenAI показала Operator, Anthropic встроила в Claude инструмент Computer Use, а стартапы вроде Devin от Cognition продавались как «AI-инженеры». Прошло больше года. Массового исчезновения профессий не случилось. Компании внедряют агентов, но точечно, медленно и с людьми в контуре проверки. Разберём, где именно ломается красивый прогноз и что это меняет для рынка.

Что такое агент и почему это не то же самое, что чат-бот

Агент¹ отличается от обычной языковой модели тем, что не просто отвечает текстом, а выполняет многошаговые действия: вызывает инструменты, ходит по API, кликает в интерфейсе, планирует последовательность шагов и корректирует её по результату. Именно эта автономность и породила прогнозы о замене ролей: если модель может сама открыть браузер, найти данные, заполнить форму и отчитаться — зачем сотрудник.

Проблема в том, что ценность роли редко сводится к одной цепочке действий. Специалист поддержки не только пишет ответы — он решает, когда эскалировать, когда нарушить регламент ради клиента, когда промолчать. Эти решения плохо ложатся в задачу, которую агент выполняет до конца без надзора.

Где именно спотыкается автономность

Крупные компании, тестировавшие агентов в 2025 году, называют примерно один набор проблем. Ни одна из них не фатальна по отдельности, но вместе они превращают «замену роли» в «ускорение части задач».

• Накопление ошибок на длинных цепочках. Если один шаг выполняется верно в 95% случаев, то цепочка из десяти шагов проходит целиком примерно в 60% — вероятности перемножаются. Для роли, где ошибка стоит денег или репутации, этого мало.
• Интеграции с легаси-системами. Агент хорошо работает там, где есть чистый API. Внутренние CRM, банковские бэкенды, госпорталы часто требуют кликов по устаревшему интерфейсу, где модель теряется.
• Стоимость проверки. Если человек всё равно должен перепроверить результат, экономия времени уменьшается. Иногда проверка чужой работы дольше, чем выполнение самому.
• Ответственность. Кто отвечает, если агент подписал неверный документ или удалил данные. Юридически субъектом остаётся компания, а не модель, и это меняет расчёт рисков.

Автоматизировать легко ту работу, которую легко описать. А хорошо оплачивают ровно ту, которую описать трудно — потому что она про суждение, а не про шаги.

Разрыв между демо и продакшеном

Публичные бенчмарки показывают этот разрыв наглядно. В тесте SWE-bench Verified, который проверяет способность моделей закрывать реальные баг-репорты в открытых репозиториях, ведущие системы в 2025 году решали большую долю задач — но это узкий срез инженерной работы с чёткой формулировкой и автоматической проверкой прохождения тестов. На бенчмарке WebArena, где агент управляет реальными веб-интерфейсами, результаты заметно скромнее: до уровня уверенного человека модели не дотягивают. Точные проценты сверяйте в актуальных таблицах лидербордов, они обновляются часто.

Смысл в том, что задача с автоматической проверкой (прошли тесты или нет) — идеальная среда для агента. А работа, где успех оценивает человек по нечётким критериям, — плохая. Большинство профессий ближе ко второму типу.

Сравнение подходов

Характеристики и статус продуктов меняются: перед выбором проверяйте официальные страницы, эта таблица — снимок ситуации, а не гарантия на будущее.

Кому агенты уже пригодятся, а кому пока нет

Пригодятся, если:

• Задача повторяемая и с чёткой проверкой результата — генерация черновиков, разбор входящих обращений по шаблону, первичная сортировка данных.
• Есть нормальные API, а не только устаревший веб-интерфейс.
• Ошибка агента дешёвая и обратимая — черновик можно переписать, а не отправленный клиенту счёт отозвать.
• Человек остаётся на проверке, и вы считаете экономию честно: время на задачу минус время на ревью.

Пока не стоит, если:

• Цена ошибки высока и необратима — платежи, юридически значимые документы, медицинские решения.
• Работа требует суждения в неоднозначных ситуациях, которые трудно формализовать.
• Основная ценность роли — отношения с людьми и переговоры, а не выполнение процедур.
• Вы надеетесь убрать человека полностью и никого не оставить на проверку.

Почему прогнозы были завышены

Прогнозы о быстром вытеснении строились на прямой экстраполяции: раз модель делает демо-задачу за минуту, значит роль исчезнет за год. Но между «модель может» и «компания заменит роль» лежат интеграция, регуляторика, обучение сотрудников, перестройка процессов и доверие. Это организационные, а не технические сроки, и они измеряются годами.

Историческая параллель — не в пользу быстрых прогнозов. Банкоматы не убрали кассиров-операционистов мгновенно: их роль сместилась в сторону консультаций и продаж. Похожий сценарий сейчас идёт с агентами: не исчезновение профессий, а перераспределение задач внутри них. Рутина уходит модели, суждение и ответственность остаются человеку, и часто именно это меняет требования к найму сильнее, чем сокращения.

¹ Агент — программа на базе языковой модели, которая выполняет многошаговые задачи автономно: планирует действия, вызывает внешние инструменты и API, оценивает результат и при необходимости меняет план. В отличие от чат-бота, который отвечает одним сообщением, агент действует последовательно до достижения цели.