В материале от 22 октября 2026 года MIT Technology Review предлагает компаниям оценивать корпоративных ИИ-агентов не только по отдельным автоматизированным действиям, но и по тому, насколько они понимают место задачи в рабочем процессе. Практический подход, который изданию изложил главный научный сотрудник Celonis по корпоративному ИИ Деврават Шах, состоит в выборе конкретного бизнес-решения, поиске его наиболее сложных этапов и оценке скорости и ценности результата. Источник: MIT Technology Review.
Почему агенту недостаточно отдельной задачи
По словам Шаха, ИИ-агенту нужно понимать не только порученное действие, но и его роль в более широком процессе, а также условия бизнеса вокруг него. Без такого контекста система может не учесть ограничения, связи между этапами или последствия рекомендации. Поэтому задача, которая выглядит корректной сама по себе, может оказаться неподходящей для конкретной ситуации.
В публикации предлагается подключать агента к процессам и данным, которыми компания уже пользуется. Такой контекстный слой должен помочь системе ориентироваться в рабочих потоках и действовать в заданных рамках. При этом рекомендации остаются предметом проверки и одобрения людей, а не автоматически передаются агенту на окончательное решение.
Как оценивать пользу до масштабирования
Шах советует начинать не с общей цели «внедрить ИИ», а с конкретного бизнес-решения. Затем компания определяет наиболее сложные этапы этого решения и проверяет, способен ли агент улучшить именно их. После этого можно сопоставить результат с исходным процессом: оценить, изменилась ли скорость работы и стала ли итоговая операция более ценной для бизнеса.
Такой порядок превращает внедрение в проверку отдельного сценария. Он помогает понять, где агент действительно уменьшает ручную работу или ускоряет подготовку решения, а где добавляет новый уровень контроля без заметной пользы. В статье не заданы универсальные метрики, пороги успеха или формула расчёта «ценности».
Что это может изменить для сотрудников
Шах предполагает, что автоматизация повторяющихся ручных операций и координации между командами может освободить время для более сложных стратегических решений. Однако, по его мнению, одного внедрения агента недостаточно: сотрудникам понадобится обучение, чтобы понимать выводы ИИ и их последствия, а не просто передавать системе право принимать решения.
Где заканчивается подтверждённый результат
Публикация подготовлена в партнёрстве с Celonis и основана на аргументах и рекомендациях Шаха. Она не сообщает измеренных результатов конкретного внедрения, не сравнивает скорость работы до и после и не доказывает эффективность отдельного продукта. Поэтому описанный подход — предложение для оценки собственного бизнес-сценария, а не гарантия того, что любой агент даст выигрыш.
