Конкуренция AI-агентов: переход от производительности моделей к корпоративным системам

Конкуренция AI-агентов смещает акцент с компьютерных навыков на операционные системы, которые можно безопасно внедрить в корпоративные процессы. Анализ показывает, что для реального выполнения задач необходимо учитывать не только производительность моделей, но и контекст компании, управление правами, восстановление после ошибок и системы верификации.

В статье, опубликованной Andreessen Horowitz 28 августа 2025 года, говорится, что агенты, использующие компьютеры, расширяют область автоматизации задач, непосредственно взаимодействуя с браузерами и рабочими столами. На корпоративном уровне важнее не универсальные модели, а проектирование контекста и надежности для конкретных компаний, а также оркестрация долгосрочных задач.

Агенты, использующие компьютеры, представляют собой AI-системы, которые распознают экран, используемый человеком, и выполняют действия, такие как клики, ввод данных и перемещение по экрану. В отличие от традиционной автоматизации процессов (RPA), они выбирают необходимые инструменты и обрабатывают несколько этапов после получения цели.

Применение таких агентов охватывает задачи, связанные с поиском документов, вводом данных в системы управления клиентами, уведомлениями в корпоративных мессенджерах и составлением отчетов, что требует взаимодействия с несколькими программами. В корпоративной среде задачи связаны с правами доступа, обработкой исключений, аудитом и процедурами одобрения, что делает автоматизацию всего процесса только на основе навыков управления экраном затруднительной.

Согласно официальной статье OSWorld, в 369 реальных компьютерных задачах уровень выполнения человеком составил 72,36%, в то время как успех лучших моделей на тот момент составил 12,24%. OSWorld — это бенчмарк, который измеряет способности работы с файлами, приложениями и веб-страницами в реальной операционной системе.

OpenAI сообщила, что компьютерный агент (Computer-Using Agent, CUA), представленный 23 января 2025 года, показал 38,1% в OSWorld, 58,1% в WebArena и 87% в WebVoyager. Эти цифры показывают, что модели, работающие с компьютерами, перешли от стадии исследования к стадии коммерциализации.

Тем не менее, даже при измерении одинаковых компьютерных навыков, результаты трудно сравнивать, если версии бенчмарка, конфигурация задач и условия выполнения различаются. Оригинальная статья, OSWorld-Verified и повторные оценки отдельных компаний применяют разные условия, поэтому необходимо раскрывать критерии оценки вместе с показателями производительности.

Причина, по которой трудно объяснить узкие места корпоративных AI-агентов только по баллам моделей, заключается в том, что даже при наличии мощной модели необходимо своевременно предоставлять необходимый контекст, проверять результаты выполнения и восстанавливать неудачные задачи, иначе надежная эксплуатация в производственной среде будет затруднена.

Microsoft в статье, опубликованной 2 июня 2026 года, отметила, что для компаний важны не только мощные модели или вычислительные ресурсы, но и системы для создания, развертывания, наблюдения и контроля агентов. Основными условиями для внедрения в производственную среду были названы контекст, управление, наблюдаемость и постоянное улучшение.

OpenAI также сообщила 25 июня 2026 года, что способ использования агентов меняется от одноразовых запросов к делегированию долгосрочных задач. По мере увеличения времени выполнения задач возрастает важность проверки промежуточных результатов, ограничения прав и процедур передачи задач человеку в случае неудачи.

Безопасность является еще одной задачей, которую необходимо решить корпоративным агентам. Когда агенты получают возможность читать и записывать внутренние документы и рабочие системы, возрастает риск утечки конфиденциальной информации и необходимость использования необходимых контекстов.

Исследование CI-Work от Microsoft Research показало, что уровень нарушения конфиденциальности у агентов на основе больших языковых моделей (LLM) составляет от 15,8% до 50,9%, а уровень утечки информации может достигать 26,7%. Исследователи пришли к выводу, что просто увеличение размера модели или глубины вывода не решит проблему утечки информации в зависимости от контекста.

В отрасли существуют разные мнения: одни считают, что агенты, проходящие через экран и браузер, являются переходным способом соединения с существующим программным обеспечением, в то время как другие полагают, что агенты, которые напрямую управляют существующими инструментами, станут основным направлением. Оба мнения согласны в том, что для реального внедрения необходимы контроль доступа, защитные меры и проверка результатов выполнения.

Внутри компаний продолжаются попытки создать структуру управления агентами. Внутренняя AI-система Coinbase применяет облачные песочницы, координацию подагентов и структуру автоматического создания задач, что создает основу для разделения области выполнения и ответственности в процессе выполнения многослойных задач.

В области виртуальных активов важнее, чем выгоды от ценовых преимуществ AI-агентов, является то, как спроектировать идентификацию, права и систему аудита. Поскольку начались совместные исследования по проверке идентификации и допустимого диапазона для автономных торговых AI-агентов, важность системы контроля возрастает по мере интеграции агентов в корпоративные процессы и инфраструктуру цифровых активов.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.