ИИ-агенты работают ночами и в выходные: что это меняет

Осенью 2024 — 2025 годов крупные ИИ-компании перевели своих агентов из режима «ответь в чате» в режим «работай в фоне». OpenAI выпустила Codex как облачного агента, способного выполнять задачи параллельно и без вашего участия. Anthropic развила Claude Code до автономных сессий, которые можно запускать в CI и оставлять работать. Стартап Cognition продвигает Devin как «инженера», которому ставят задачу в Slack и забирают результат позже. Общий сдвиг один: агент больше не привязан к тому, сидите ли вы за клавиатурой. Он может тянуть задачу ночью, в выходной и пока вы на встрече.

Формально это означает, что вычисление продолжается независимо от вашей сессии. Практически — что впервые появляется класс задач, которые вы отдаёте «на потом» не человеку, а программе, и ждёте не ответ, а сделанную работу.

Что именно изменилось

Раньше взаимодействие с моделью было синхронным: вы пишете запрос, модель отвечает за секунды или минуты, вы читаете и уточняете. Ограничение здесь не в «уме» модели, а в формате — вы должны присутствовать на каждом шаге.

Асинхронный агент^* ломает этот цикл. Вы формулируете задачу целиком («исправь этот баг, прогони тесты, открой pull request»), агент получает доступ к репозиторию или инструментам и работает сам: планирует шаги, запускает команды, читает вывод, исправляет ошибки, повторяет. Сессия может длиться от нескольких минут до часа и больше. Вы возвращаетесь к готовому результату — или к отчёту о том, где агент застрял.

«Ночью» и «в выходные» — не метафора. Облачный агент вроде Codex физически выполняется на серверах провайдера, а не на вашем ноутбуке, поэтому ему всё равно, спите вы или нет. Локальные инструменты (Claude Code в терминале) работают, пока запущен процесс и хватает лимита токенов.

Сдвиг не в том, что модель стала умнее за ночь. Он в том, что вычисление перестало ждать человека — и теперь узкое место не мощность модели, а качество вашей постановки задачи.

Чем агенты отличаются друг от друга

Продукты в этой категории разные по устройству и доступности. Приведу то, что известно на момент публикации; цены и лимиты у всех меняются, поэтому сверяйте их на официальных страницах.

Разница между «чат-моделью» и агентом принципиальнее, чем между двумя чат-моделями. Агенту нужны не только рассуждения, но и надёжная работа с инструментами: не сломать репозиторий, не зациклиться, вовремя остановиться и честно сказать «не смог». Именно на этом продукты расходятся сильнее всего, и именно это плохо ловится обычными бенчмарками ответов.

Про бенчмарки — осторожно

Для агентных задач в разработке чаще всего ссылаются на SWE-bench^** — набор реальных задач из открытых репозиториев. Цифры на нём растут, но сравнивать вендоров по одному числу рискованно: разные компании прогоняют разные подмножества, с разными обвязками и попытками. Если видите заявление «решает N процентов задач», спрашивайте, на какой версии набора и с какими условиями. Без этого число не значит почти ничего.

Кому это пригодится, а кому нет

Асинхронные агенты полезны там, где задача формализуема и результат проверяем. И почти бесполезны — а иногда опасны — там, где цена ошибки высока, а проверить агента некому.

• Пригодится: прогнать рутинный рефакторинг по понятному шаблону; починить баг с воспроизводимым тестом; обновить зависимости и прогнать сборку; сгенерировать черновик документации по коду; собрать первичный ресёрч по теме, который вы потом проверите.
• Пригодится с оговорками: подготовить PR, который человек обязательно ревьюит перед мержем; разобрать легаси-код, где агент экономит часы чтения, но не принимает архитектурных решений.
• Не пригодится: задачи без чёткого критерия «готово»; работа с чувствительными данными без изоляции среды; всё, что нельзя проверить автоматически и некогда проверять руками.

Практический сценарий, ради которого всё это и делается: вы в конце дня ставите агенту три задачи из бэклога, уходите, а утром получаете три готовых pull request. Одну задачу мержите почти без правок, вторую дорабатываете, третью агент честно не осилил и написал почему. Итог — не «робот заменил инженера», а «инженер утром начинает не с нуля».

Что это значит для людей

Тут стоит быть точным и не подменять наблюдения прогнозами. Известно немногое, но важное.

Меняется, за что платят. Ценность смещается от «написать код» к «сформулировать задачу и проверить результат». Кто умеет ставить агенту задачу так, чтобы её вообще можно было выполнить автономно, получает многократный прирост. Кто привык только исполнять — оказывается на менее выгодной позиции.

Меняется структура рабочего дня. Часть работы уходит в фон и перестаёт требовать вашего присутствия. Но растёт другая нагрузка — ревью. Проверить пять чужих (в данном случае — машинных) pull request утром может оказаться дороже по вниманию, чем написать один свой.

Появляется риск незаметной деградации. Агент, который «почти всегда прав», опаснее того, который ошибается явно: на него перестают смотреть. Для кода это ловится тестами. Для текста, аналитики и решений — часто не ловится ничем, кроме внимательного человека.

Автономность агента не отменяет ответственности человека. Если ночной агент сломал прод, объясняться утром будет не он.

Сколько это стоит и где подводные камни

Фоновая работа расходует токены так же, как обычная, — а часто больше, потому что агент делает много шагов, читает вывод, повторяет попытки. Длинная автономная сессия может съесть заметно больше, чем короткий диалог с тем же результатом. Отсюда практические правила:

1. Ставьте лимиты. Задача без ограничения по шагам или бюджету может крутиться дольше и дороже, чем вы ожидали.
2. Изолируйте среду. Агенту с доступом к боевым системам нужен не тот же уровень доверия, что коллеге, а меньший — проверять его вы будете постфактум.
3. Всегда оставляйте точку проверки человеком там, где ошибка стоит денег или данных. «Автономно» не значит «без ревью».
4. Сверяйте актуальные тарифы и лимиты токенов на страницах вендоров — они меняются каждые несколько месяцев.

* Агент — программа на базе языковой модели, которая не просто отвечает текстом, а выполняет действия: запускает команды, читает результат, планирует следующие шаги и повторяет цикл до достижения цели или остановки.

** SWE-bench — открытый набор задач для оценки ИИ на реальных проблемах из репозиториев с исходным кодом: агенту дают issue, он должен внести правку, проходящую тесты.