AI-агенты 2025: чем занят рынок и куда он движется

За 2024–2025 годы понятие «AI-агент» перестало быть маркетинговым ярлыком и превратилось в отдельную линейку продуктов. OpenAI выпустила Operator и режим агента в ChatGPT, Anthropic — Claude с функцией «computer use», позволяющей модели двигать курсор и заполнять формы, а также инструмент Claude Code для терминала. Google встроила агентские сценарии в Gemini. Разница с обычным чат-ботом простая: агент не только отвечает, он выполняет многошаговую задачу — открывает сайт, ищет данные, вызывает внешние инструменты и доводит дело до результата без того, чтобы вы подтверждали каждый шаг.

Ниже — что именно уже доступно, чем продукты отличаются друг от друга, и на какие развилки стоит смотреть, если вы планируете строить на агентах бизнес-процессы, а не тестировать их из любопытства.

Что вышло и в чём разница

Сейчас на рынке видно три группы агентских продуктов, и они закрывают разные задачи. Первая — браузерные и десктопные агенты, которые управляют интерфейсом как человек: смотрят на экран, кликают, печатают. Вторая — кодовые агенты, работающие с репозиторием и терминалом. Третья — фреймворки для сборки собственных агентов, где вы сами описываете инструменты и логику.

Возможности лабораторий частично пересекаются, но подход к автономности и интеграциям у всех разный. Ниже — сравнение по публично заявленным характеристикам на конец 2025 года. Точные лимиты и цены проверяйте на официальных страницах: они меняются каждые несколько месяцев.

Общая проблема у всех групп одна и та же: длинные цепочки действий накапливают ошибки. Если на каждом шаге агент прав в 95% случаев, то на десятом шаге вероятность, что вся цепочка прошла без сбоя, падает примерно до 60%. Отсюда и осторожность лабораторий — подтверждения на важных действиях и ограниченная автономность.

Что подпирает агентов технически

Три вещи двигают качество вверх. Первая — рост контекстного окна¹: чем больше модель держит в «памяти» за один запрос, тем меньше теряет нить в длинной задаче. Вторая — стандартизация подключения инструментов: Anthropic предложила протокол MCP (Model Context Protocol) для единообразного доступа агентов к внешним источникам, и его начали поддерживать другие игроки. Третья — надстройки для проверки собственных шагов, когда агент перепроверяет результат перед тем, как двигаться дальше.

Автономность — не переключатель «вкл/выкл», а шкала доверия. Рынок ближайших лет — это спор о том, насколько высоко по этой шкале компания готова пустить агента к своим деньгам и данным.

Куда это движется

Прогнозы на пять лет — территория домыслов, поэтому осторожно с любыми заявлениями «через год всё заменят». Но по направлению движения продуктов и заявлениям вендоров видно несколько устойчивых линий.

• От демо к узким процессам. Универсальный агент «сделай что угодно» пока ненадёжен. Деньги идут туда, где задача узкая и измеримая: обработка заявок, тестирование кода, подготовка отчётов. Здесь ошибку легко поймать и откатить.
• Мультиагентные схемы. Вместо одного всемогущего агента — несколько специализированных, которые проверяют друг друга. Это дороже по токенам, но надёжнее.
• Слой безопасности и аудита. Чем больше агент делает сам, тем важнее логи действий, права доступа и возможность отката. Это отдельный растущий сегмент.
• Стандарты подключения. Если протоколы вроде MCP приживутся, агенты станут переносимыми между платформами, и рынок сместится от «чей агент» к «чьи инструменты и данные».
• Цена как ограничитель. Длинные цепочки жгут токены. Пока запуск сложной задачи стоит заметных денег, массовое применение будет отставать от демонстраций.

Главная нерешённая развилка — ответственность. Если агент от вашего имени отменил не тот заказ или отправил не те данные, кто отвечает: вы, платформа или разработчик инструмента. Юридически это поле почти пустое, и пока оно не заполнено, крупный бизнес будет держать агентов на коротком поводке.

Кому это пригодится, а кому пока нет

Пригодится:

• Разработчикам — кодовые агенты уже экономят время на рутине: тесты, рефакторинг, разбор чужого репозитория. Здесь результат легко проверить.
• Командам с повторяющимися операциями — сверка данных между системами, заполнение однотипных форм, сбор информации с сайтов по расписанию.
• Аналитикам и маркетологам — черновой сбор данных и подготовка сводок, которые человек потом вычитывает.

Пока не стоит полагаться:

• Там, где цена ошибки высока и откат невозможен — платежи, юридически значимые действия, работа с чувствительными персональными данными без строгого контроля.
• В процессах без чёткого критерия успеха: если вы сами не можете описать, что считается «сделано правильно», агент тем более не сможет.
• Если у вас нет ресурса на присмотр. Агент без надзора на длинной задаче — это риск, а не экономия.

Как подступиться без лишнего риска

1. Возьмите одну повторяющуюся задачу с понятным результатом и запускайте агента в режиме подтверждения каждого шага.
2. Сравните с ручным выполнением — по времени, по числу ошибок и по стоимости токенов.
3. Только после этого расширяйте автономность и снимайте подтверждения там, где ошибка дёшево откатывается.
4. Ведите лог действий агента — он понадобится и для отладки, и на случай спора.

¹ Контекстное окно — объём текста (запрос плюс всё, что модель «помнит» в рамках задачи), который она способна учитывать за один раз. Измеряется в токенах; чем окно больше, тем длиннее цепочку рассуждений и действий модель удерживает без потери смысла.