Представьте: программный агент самостоятельно анализирует запрос клиента, запускает нужный бизнес-процесс, взаимодействует с несколькими корпоративными системами, проверяет результат и отчитывается — без единого вмешательства человека. Это не фантастика 2035 года. Это то, что уже разворачивается прямо сейчас в крупнейших технологических компаниях мира.

По оценкам BCG, переход от «просто генеративного AI» к агентному AI создаёт рынок объёмом $200 миллиардов для провайдеров технологических услуг. Но этот пирог не достанется всем поровну. Компании, которые не перестроят свои сервисные модели в ближайшие 2–3 года, рискуют остаться за бортом.

Разбираем, что такое агентный AI, почему именно сейчас, кто уже занял позиции и что нужно сделать, чтобы не опоздать.

Что такое агентный AI и чем он отличается от «обычного» GenAI

Большинство компаний, внедривших генеративный AI в 2023–2024 годах, получили один и тот же результат: AI-ассистент, который отвечает на вопросы, пишет тексты или суммирует документы. Полезно — но принципиально ничего не меняет в бизнес-процессах.

Агентный AI — это другой класс систем. Ключевые отличия:

ХарактеристикаГенеративный AI (ChatGPT-стиль)Агентный AI
Режим работыЗапрос → ответ (одна итерация)Автономные многошаговые действия
ИнициативаТолько по запросу пользователяМожет действовать по триггерам
ИнтеграцииМинимальные (чат-интерфейс)Глубокие (API, БД, системы компании)
Принятие решенийНетДа, в рамках заданных полномочий
Горизонт задачиСекунды/минутыЧасы, дни, недели
Пример«Напиши письмо клиенту»«Обработай все обращения клиентов за неделю, эскалируй сложные, закрой простые»
ℹ Ключевое определение
Агентный AI — это система, которая способна самостоятельно планировать, выбирать инструменты и выполнять многошаговые задачи для достижения цели, итеративно корректируя свои действия на основе обратной связи.

Технологическая основа — языковые модели (GPT-4o, Claude 3.5, Gemini 1.5 Pro и их преемники), обёрнутые в архитектуры с памятью, инструментами (tool use) и оркестрацией агентов. Фреймворки вроде LangGraph, AutoGen, CrewAI и корпоративные платформы (Microsoft Copilot Studio, Salesforce Agentforce, ServiceNow AI Agents) делают развёртывание таких систем всё более доступным.

Откуда берётся цифра $200 миллиардов

BCG провёл масштабное исследование рынка IT-услуг и выделил три основных источника роста для сервисных провайдеров в контексте агентного AI.


graph TD
    A["💰 Рынок $200 млрд"] --> B["Новые сервисные модели\n~$80 млрд"]
    A --> C["Модернизация\nлегаси-систем\n~$70 млрд"]
    A --> D["Управление\nAI-агентами\n~$50 млрд"]
    B --> E["Дизайн агентских\nархитектур"]
    B --> F["Интеграция в\nбизнес-процессы"]
    C --> G["Переписывание\nlegacy-кода"]
    C --> H["Миграция данных\nдля AI-контекста"]
    D --> I["Мониторинг и\nбезопасность"]
    D --> J["Управление\npolиtикой и\nsоответствием"]

Источник 1: Проектирование и внедрение агентных систем (~$80 млрд)

Каждая крупная компания, серьёзно занимающаяся автоматизацией, столкнётся с необходимостью переосмыслить свои процессы с нуля. Не «как добавить AI к существующему», а «как переработать процесс, если AI-агент может выполнять 70% операций». Это консалтинг, архитектура решений, разработка и интеграция — классический хлеб IT-сервисных компаний, но на принципиально новом уровне сложности.

Источник 2: Модернизация legacy-инфраструктуры (~$70 млрд)

Агентный AI не работает с разрозненными, плохо задокументированными системами 1990-х. Чтобы агент мог «взять и сделать», данные должны быть доступны, структурированы и безопасны. Это открывает огромный рынок модернизации — причём часть работы по рефакторингу кода сам AI способен автоматизировать, что создаёт новую модель «AI рефакторит legacy под себя».

Источник 3: Управление AI-агентами как постоянный сервис (~$50 млрд)

Развернуть агента — это полдела. Его нужно мониторить, обновлять, проверять на соответствие регуляторным требованиям, управлять инцидентами. Возникает целый класс managed services нового поколения — не поддержка инфраструктуры, а управление автономными цифровыми сотрудниками.

«Агентный AI — это не просто новый инструмент. Это изменение самой модели потребления IT-услуг: от “сделайте нам систему” к “управляйте нашими AI-агентами”» — BCG, 2025

Кто выигрывает: три архетипа победителей

Не все игроки на рынке IT-услуг получат равные возможности. BCG выделяет три позиции, из которых можно успешно конкурировать.

1. Оркестраторы (Orchestrators)

Крупные системные интеграторы — Accenture, Cognizant, Infosys, TCS — способны выступить как «дирижёры» агентных трансформаций: управлять всей программой изменений, интегрировать агентов из разных платформ, брать на себя ответственность за бизнес-результат.

Их преимущество: масштаб, доверие клиентов, широкие партнёрства с Microsoft, Google, Salesforce. Их риск: медлительность, legacy-культура, конкуренция за AI-таланты.

2. Глубокие специалисты (Deep Specialists)

Нишевые компании, которые становятся лучшими в мире в одном сегменте: агенты для финансового комплаенса, AI в медицинских workflows, агенты для цепочек поставок. Глубина экспертизы и предметное знание отрасли — их главное оружие.

3. Платформенные строители (Platform Builders)

Компании, создающие собственные агентные платформы или надстройки над существующими (Microsoft Copilot Studio, ServiceNow). Они зарабатывают на повторяемости: создал агента один раз — продал тысяче клиентов.

💡 Для малого и среднего IT-бизнеса
Стратегия «глубокого специалиста» наиболее реалистична для компаний с командой до 500 человек. Выберите одну отрасль и один класс процессов (например, агенты для автоматизации HR в ритейле) и становитесь в этом лучшими. Широкий охват — стратегия для Accenture, не для стартапа.

Барьеры и риски, которые нельзя игнорировать

Рынок в $200 млрд не открывается без серьёзных препятствий. Вот что реально тормозит компании:

Дефицит AI-талантов

Инженеры, способные проектировать агентные архитектуры, — одни из самых дефицитных специалистов в мире. По данным LinkedIn, спрос на специалистов с навыками LLM-инженерии и Agent Design вырос на 300%+ за 2024 год, при этом предложение не успевает. IT-сервисные компании конкурируют за таланты с Google, OpenAI и Meta — и нередко проигрывают по зарплатам.

Доверие и управляемость агентов

Когда агент принимает решения, цена ошибки резко возрастает. Корпоративные клиенты боятся сценариев, где агент «на автопилоте» сделает что-то не то — отправит неверное письмо, применит неправильную скидку, нарушит комплаенс. Провайдерам нужны готовые фреймворки для explainability, аудита и ограничения полномочий агентов.

Интеграция с легаси

Реальность большинства корпоративных клиентов — зоопарк систем: SAP 20-летней давности, самописные ERP, Excel-файлы как «база данных». Агентный AI требует чистых API и структурированных данных. Значит, трансформация начинается не с агентов, а с boring-работы по модернизации инфраструктуры.

⚠ Важный нюанс
По оценкам Gartner, к 2027 году более 40% внедрений агентного AI столкнутся с серьёзными проблемами из-за неготовности данных и инфраструктуры. Провайдеры, которые помогают решить эту «скучную» часть — чистка данных, API-слои, управление идентификацией — получат преимущество перед теми, кто продаёт только «блестящих агентов».

Регуляторная неопределённость

EU AI Act, появляющиеся стандарты по AI-аудиту, требования к прозрачности алгоритмов — всё это создаёт compliance-нагрузку, которую клиенты не хотят нести самостоятельно. Это, с другой стороны, возможность: провайдеры, предлагающие «агентов с гарантией соответствия», будут стоить дороже.

Практические шаги: как IT-компании должны действовать прямо сейчас

Стратегия на бумаге ничего не стоит без конкретных действий. BCG и независимые аналитики сходятся в нескольких приоритетах:

Шаг 1: Пилоты, а не меморандумы

Компании, начавшие с реальных пилотных проектов (даже маленьких, даже внутренних), опережают конкурентов на 12–18 месяцев в накоплении практической экспертизы. Запустите внутреннего агента для обработки HR-запросов или автоматизации части проектного управления — это ценнее любого тренинга.

Шаг 2: Переосмысление ценностного предложения

Традиционная модель «мы предоставляем людей-часов» умирает медленно, но верно. Агентный AI позволяет продавать результат (обработанные тикеты, закрытые сделки, проверенные контракты), а не трудозатраты. Это требует полной перестройки коммерческой модели — от T&M к outcome-based контрактам.

Шаг 3: Инвестиции в вертикальную экспертизу

Горизонтальный AI-агент, умеющий «всё», проигрывает специализированному. Если вы работаете в банковском секторе — станьте лучшими в понимании, как агенты вписываются в KYC/AML-процессы. В здравоохранении — как они взаимодействуют с EHR-системами и не нарушают HIPAA.

Шаг 4: Партнёрства с платформами

Microsoft (Copilot Studio), Salesforce (Agentforce), ServiceNow (AI Agents), Google (Vertex AI Agent Builder) — все крупные вендоры строят агентные платформы и активно ищут партнёров для отраслевых внедрений. Ранние партнёрства дают преимущество в сертификациях, лидах и совместных go-to-market активностях.

📝 Пример из практики
Индийская IT-компания Persistent Systems в 2024 году сделала ставку на агентные решения поверх Salesforce Agentforce. За год они накопили более 50 реальных внедрений в финансовом и страховом секторе, создали библиотеку переиспользуемых агентных компонентов и стали одним из топ-партнёров Salesforce в сегменте. Это классический пример стратегии «глубокого специалиста» в действии.

Шаг 5: Построение практики управления AI-агентами

AgentOps — это новый DevOps. Мониторинг поведения агентов, версионирование промптов, управление инцидентами, аудит решений — всё это требует собственных процессов и инструментов. Провайдеры, создавшие зрелую AgentOps-практику, смогут предлагать managed services нового поколения с понятными SLA.

Временной горизонт: кто опоздает?

По прогнозам BCG, рынок агентного AI войдёт в фазу массового принятия к 2026–2027 годам. Это означает, что окно для занятия сильных позиций — следующие 18–24 месяца.


timeline
    title Эволюция рынка агентного AI для IT-сервисов
    2023-2024 : Экспериментальная фаза
               : Пилоты у early adopters
               : Формирование платформ (Copilot Studio, Agentforce)
    2025 : Фаза раннего роста
         : Первые промышленные внедрения
         : Борьба за AI-таланты
         : Формирование партнёрских экосистем
    2026-2027 : Массовое принятие
              : Стандартизация архитектур
              : Outcome-based контракты становятся нормой
              : Консолидация рынка провайдеров
    2028+ : Зрелый рынок
           : AgentOps как commodity
           : Новые регуляторные требования
           : Следующая волна - физические агенты (роботы)

Компании, которые начнут серьёзно инвестировать в агентные компетенции только в 2027-м, столкнутся с уже занятыми нишами, дефицитом кадров и необходимостью платить премию за чужую экспертизу. История цифровой трансформации 2010-х показала: те, кто ждал «пока рынок созреет», в итоге платили больше и получали меньше.

Заключение: новая эра IT-услуг

Агентный AI — это не очередная технологическая мода. Это фундаментальный сдвиг в том, как компании потребляют IT-услуги. Переход от «людей, пишущих код» к «агентам, выполняющим работу» меняет цепочку создания ценности целой отрасли.

$200 миллиардов — это не абстрактная цифра. За ней стоят конкретные бюджеты корпораций, которые уже заложены на трансформацию в 2025–2027 годах. Вопрос только в том, кто получит эти деньги.

Три вещи, которые нужно сделать прямо сейчас:

  1. Запустить хотя бы один реальный пилот с агентными технологиями — внутренний или для клиента
  2. Выбрать вертикаль или класс процессов, в которых вы будете лучшими, и инвестировать в эту экспертизу
  3. Переосмыслить коммерческую модель — начать думать о продаже результатов, а не человеко-часов

Те, кто сделает это сегодня, через два года будут объяснять конкурентам, как им так повезло.