Люди поверх агентов: как меняется структура команд с ИИ

В 2024–2025 годах крупные разработчики ИИ — OpenAI, Anthropic, Google — выпустили инструменты, которые выполняют не отдельную операцию, а цепочку задач: агент¹ сам разбивает цель на шаги, ходит по API, пишет и запускает код, проверяет результат. Anthropic представила Claude с режимом работы через инструменты и протокол MCP, OpenAI выкатила Agents SDK и функцию Operator, Google развивает агентные сценарии в Gemini. Одновременно с этим в вакансиях начала появляться новая логика: не «нанять пять исполнителей», а «нанять одного человека, который управляет пятью агентами». Это не футурология из презентаций — это перестройка того, за что именно компания платит человеку.

Что именно поменялось

Классическая команда строилась пирамидой: senior раздаёт задачи, middle и junior их выполняют, менеджер собирает результат. Агентные инструменты забирают нижний слой пирамиды — рутинную реализацию по чёткому ТЗ. Черновик кода, первичный ресёрч, обработка тикетов поддержки, сборка отчёта из данных, разбор входящих обращений — всё это агент делает за минуты и без выходных.

Человек в новой схеме встаёт «поверх» этого слоя. Его работа смещается от производства к трём вещам: постановка задачи так, чтобы агент не ушёл не туда; проверка результата на ошибки, которые модель уверенно выдаёт за правду; ответственность за итог перед клиентом или руководством. Агент не подписывает договор и не отвечает за последствия — это остаётся на человеке.

Компания больше не покупает у сотрудника часы работы. Она покупает суждение: где агенту доверять, где перепроверять и где выключать.

Почему это выгодно бизнесу

Экономика простая. Подписка на продвинутый ИИ-инструмент для одного сотрудника стоит десятки долларов в месяц (точные тарифы Claude, ChatGPT и Gemini уточняйте на официальных страницах — они меняются каждые несколько месяцев). Зарплата линейного исполнителя — на порядки больше. Если один человек с агентами закрывает объём, который раньше требовал троих, экономия очевидна, а скорость выше.

Обратная сторона — концентрация риска. Когда работу делали три человека, ошибка одного ловилась на ревью у другого. Когда работу делает агент под контролем одного человека, качество упирается в внимательность этого человека и в то, насколько он вообще способен заметить, что модель ошиблась.

Три модели гибридной команды

На практике складывается несколько устойчивых конфигураций. Они различаются тем, сколько человек остаётся в контуре и на каком этапе.

Большинство команд сейчас находятся между первой и второй строкой. Третья модель работает только там, где ошибку легко откатить и она не стоит денег или репутации.

Кому это пригодится, а кому нет

Гибридная схема даёт выигрыш не везде. Она хорошо ложится на задачи, где результат можно быстро проверить и дёшево переделать, и плохо — там, где цена ошибки высокая, а проверить агента почти невозможно.

• Подходит: черновой код и прототипы, первичная поддержка клиентов по типовым вопросам, сбор и структурирование данных, драфты текстов и маркетинговых материалов, разбор больших массивов документов на предмет «есть или нет».
• Спорно: юридические и финансовые заключения, медицинские рекомендации, любые тексты, которые публикуются от имени компании без ревью — здесь агент ускоряет черновик, но подпись всё равно ставит человек.
• Не подходит: задачи, где нет способа быстро проверить правоту агента, где ошибка необратима или где нужна юридическая ответственность конкретного лица (аудит, врачебное решение, проектирование того, что может кого-то травмировать).

Отдельный сценарий — фрилансер или соло-предприниматель. Для него агентная надстройка означает, что он берёт объёмы, раньше доступные только агентству. Но и провал теперь целиком на нём: субподрядчика, на которого можно свалить срыв, в схеме нет.

Что происходит с наймом junior-специалистов

Самый болезненный вопрос. Если агент закрывает то, что раньше делал начинающий сотрудник, откуда возьмутся будущие senior-специалисты, которые умеют проверять агента? Навык контроля вырастает из опыта самостоятельной работы. Компании, которые сейчас режут найм junior под ноль, через несколько лет могут остаться без людей, способных отличить правдоподобный ответ модели от правильного. Единого решения тут нет, и рынок только нащупывает баланс.

Как перестроить команду без хаоса

Если вы примеряете гибридную модель на свою команду, разумный порядок действий такой:

1. Разберите процессы на этапы и отметьте те, где результат проверяется за минуты — с них и начинайте.
2. Запустите пилот на одном участке с одним ответственным человеком, не переводите всё сразу.
3. Зафиксируйте, что именно человек обязан проверять вручную, а что можно пропускать — иначе контроль расплывётся.
4. Считайте не только экономию на зарплатах, но и время на ревью и на исправление ошибок агента.
5. Оставьте канал обучения: junior, который учится проверять агента, — это ваша будущая надстройка.

¹ Агент — ИИ-система, которая не просто отвечает на один запрос, а самостоятельно планирует последовательность действий для достижения цели: вызывает внешние инструменты и API, выполняет код, оценивает промежуточный результат и корректирует план. В отличие от обычного чат-ответа, агент работает в цикле «действие — наблюдение — следующее действие».