Пузырь агентного ИИ: где деньги, а где пар от хайпа

Осенью 2025 года разговор про «пузырь ИИ» перестал быть уделом скептиков в комментариях. Сэм Альтман в интервью прямо допустил, что инвесторы «переоценивают ИИ в целом», глава OpenAI. Майкл Бьюрри, известный ставкой против ипотечного рынка в 2008-м, публично открыл короткие позиции по Nvidia и Palantir. А исследование NANDA из MIT под названием «The GenAI Divide: State of AI in Business 2025» дало цифру, которую с тех пор цитируют все: около 95% корпоративных пилотов генеративного ИИ не принесли измеримой отдачи. При этом отдельное направление — agentic AI, автономные агенты, которые сами планируют и выполняют многошаговые задачи, — остаётся самой перегретой темой венчурного рынка. Стоит разобраться, где здесь реальная выручка, а где ставка на веру.

Что такое agentic AI и почему в него льют деньги

Агент^* отличается от обычного чат-бота тем, что не просто отвечает на запрос, а берёт цель и сам разбивает её на шаги: вызывает инструменты, читает файлы, ходит в API, проверяет результат и повторяет цикл. В 2025-м вокруг этой идеи выросла целая индустрия: Anthropic выпустила протокол MCP (Model Context Protocol) для подключения агентов к внешним данным, OpenAI показала функцию Operator и режим агента, Google продвигает Gemini с вызовом инструментов, а Microsoft встраивает автономные агенты в Copilot Studio.

Деньги за этим идут соответствующие. Gartner в прогнозе на 2025 год оценивал глобальные расходы на генеративный ИИ примерно в 644 млрд долларов, точную цифру и разбивку сверяйте в актуальном отчёте Gartner, поскольку оценки регулярно пересматриваются. Отдельно та же компания опубликовала прогноз, ставший заголовком года.

По оценке Gartner, более 40% проектов на базе агентного ИИ будут свёрнуты до конца 2027 года из-за роста издержек, неясной бизнес-ценности и недостаточного контроля рисков.

40% свёрнутых проектов — это не крах технологии, но и не картина здорового рынка. Это ровно тот разрыв между ожиданием и результатом, из-за которого спорят о пузыре.

Аргументы за пузырь

Скептики опираются не на ощущения, а на несколько конкретных наблюдений.

• Разрыв между пилотом и продакшеном. По данным MIT NANDA, компании вкладываются в пилоты, но переводят в реальную эксплуатацию единицы. Причина чаще не в модели, а в том, что агент не встраивается в рабочие процессы и не учится на обратной связи.
• Оценки стартапов оторваны от выручки. Раунды на сотни миллионов долларов уходят компаниям с продуктом возрастом в несколько месяцев. Мультипликаторы к выручке у отдельных агентных стартапов исчисляются десятками и сотнями — это уровень, при котором любая просадка спроса больно бьёт по всей цепочке.
• Экономика вызовов дорогая. Агент делает не один запрос к модели, а десятки на одну задачу: планирование, вызовы инструментов, самопроверка. Стоимость решения одной задачи может оказаться выше, чем экономия от автоматизации.
• Концентрация риска. Значительная часть капитала завязана на Nvidia и нескольких лабораториях. Круговые сделки, когда поставщик чипов инвестирует в клиента, который на эти деньги покупает чипы, усиливают тревогу аналитиков.
• Надёжность. Многошаговый агент накапливает ошибку: если на каждом шаге точность 95%, то на десяти шагах итоговая надёжность падает примерно до 60%. Для задач, где цена ошибки высока, это неприемлемо без человека в контуре.

Аргументы против пузыря

Оптимисты не отрицают перегрева отдельных сделок, но напоминают о другом.

• Есть реальная выручка. В отличие от доткомов 2000 года, у крупных игроков растут не только оценки, но и продажи облака и подписок. Инфраструктурный слой окупается спросом, который виден в отчётности гиперскейлеров.
• Узкие агенты уже работают. Кодинг-агенты, поддержка первой линии, обработка документов, разбор входящих заявок — там, где задача формализована и есть проверяемый результат, экономия измерима.
• Пузырь и полезная технология совместимы. Даже если часть стартапов сгорит, инфраструктура и навыки останутся, как остались оптоволокно и веб после краха доткомов. Финансовый пузырь не отменяет технологического сдвига.
• Цена вызовов падает. Стоимость токенов у большинства провайдеров снижается год к году, а маленькие модели берут на себя рутину, оставляя дорогие вызовы на сложные шаги.

Сравнение платформ для агентов

Если вы выбираете, на чём строить агента, важнее не громкие раунды, а зрелость инструментов и привязка к экосистеме.

Точные модели, лимиты контекстного окна^** и цены меняются каждые несколько месяцев — перед выбором открывайте официальную страницу тарифов, а не ориентируйтесь на цифры из обзоров полугодовой давности.

Кому это пригодится и кому нет

Пригодится, если у вас есть:

• формализованный процесс с проверяемым результатом — разбор заявок, сверка документов, черновая генерация кода с ревью человеком;
• объём повторяющихся задач, где даже частичная автоматизация экономит часы в неделю;
• готовность держать человека в контуре и мерить отдачу цифрами, а не ощущением «стало удобнее».

Не пригодится или преждевременно, если:

• задача требует высокой надёжности без права на ошибку, а проверять за агентом некому;
• процесс не описан и меняется на ходу — агент автоматизирует хаос, а не порядок;
• вы вкладываетесь в агентный стартап ради самой темы, без понимания его выручки и удержания клиентов.

* Агент — программа на базе языковой модели, которая получает цель, самостоятельно планирует шаги, вызывает внешние инструменты (поиск, API, файлы) и корректирует действия по результату, а не выдаёт один ответ на один запрос.

** Контекстное окно — объём текста (в токенах), который модель удерживает в поле внимания за один запрос. Чем оно больше, тем длиннее история и документы, с которыми агент работает без потери контекста.