на основе июньского отчета KPMG

для первых лиц и ключевых стейкхолдеров изменений

KPMG, как и все большие консалтеры, не может упустить сильный тренд и позиционирует Агентный ИИ как следующий значительный технологический сдвиг после генеративного ИИ.

В отличие от предыдущих технологических волн, таких как облачные технологии, которые развивались десятилетиями, генеративного ИИ, который развивается в течение несколько лет, эта трансформация происходит в считанные месяцы (как я уже не раз писал, текущие изменения невероятно скоростные, даже не смотря на некоторую незрелость технологий).

Основное различие между генеративным и агентным ИИ заключается в том, что первый выступает в роли «цифрового ассистента», помогая сотрудникам, в то время как второй способен автономно выполнять задачи и принимать решения для самостоятельного достижения бизнес-целей.

Агенты сочетают в себе возможности больших языковых моделей, планирование, доступ к знаниям и инструментам, а также способны обучаться на основе своего опыта.

В отчете подчеркивается огромный экономический потенциал технологии.

По оценкам KPMG, агентный ИИ может обеспечить прирост производительности в размере $3 трлн ежегодно и увеличить EBITDA средней компании на 5.4%.
Уже сейчас 65% компаний пилотируют ИИ-агентов, хотя только 11% внедрили их в производственные процессы.

Для систематизации подхода к внедрению агентов KPMG предлагает фреймворк TACO (Taskers, Automators, Collaborators, Orchestrators), который классифицирует агентов по уровню сложности и выполняемым задачам. О нем отдельно ниже.

Наконец, в отчете даются практические рекомендации для бизнеса по четырем ключевым направлениям: стратегия, персонал, управление и технологии, чтобы заложить прочный фундамент для успешного внедрения агентивного ИИ. Также раскрою подробнее ниже.

Ключевые инсайты:

Скорость трансформации ключевой вызов: Переход к агентному ИИ происходит экспоненциально быстрее, чем предыдущие технологические сдвиги. Возможности агентов удваиваются каждые 3–7 месяцев. Это означает, что компании, которые не начнут действовать сейчас, рискуют безнадежно отстать в течение 12–36 месяцев.

От ассистента к исполнителю: Главный сдвиг парадигмы заключается в переходе от ИИ, который помогает (ко-пилоты, ассистенты), к ИИ, который действует самостоятельно (автономность). Агенты могут самостоятельно выполнять сложные рабочие процессы, что открывает новые горизонты для автоматизации и как следствие эффективности.

Появление «цифровых сотрудников»: Технология развивается от автоматизации отдельных задач к автоматизации целых ролей. В будущем организации станут гибридными, где люди будут работать бок о бок с «цифровыми сотрудниками». Это потребует пересмотра организационных структур, ролей и подходов к управлению.

Новая модель контроля: "Human-on-the-loop"
В отличие от генеративного ИИ, где часто требуется "human-in-the-loop или HITL" (человек в цикле) для утверждения каждого шага, для автономных агентов предлагается модель "human-on-the-loop или HOTL" (человек над циклом).
В этой модели человек осуществляет надзор и мониторинг, вмешиваясь только при необходимости, что критически важно для масштабирования.

KPMG выделяет четыре ключевых способа создания ценности:

Работа 24/7:
Агенты не спят и могут выполнять задачи круглосуточно, многократно увеличивая производительность.

Расширение автоматизации:
Они способны автоматизировать сложные когнитивные задачи, которые раньше выполнялись только людьми.

Превращение знаний в действия:
Агенты могут использовать неявные, тактические знания экспертов, для принятия эффективных решений.

Встроенная адаптивность:
Они легко адаптируются к изменениям в процессах и внешних условиях без длительного переобучения.

TACO (Taskers, Automators, Collaborators, Orchestrators)

KPMG представляет свою систему классификации агентов TACO (Taskers, Automators, Collaborators, Orchestrators), чтобы помочь организациям разобраться в различных типах агентов и их областях применения.
Эта система классификации помогает сопоставить бизнес-потребности с необходимым уровнем сложности ИИ.

KPMG разделяет их на четыре категории в зависимости от сложности и функций:

Исполнители задач:
это простейшие ИИ-агенты, ориентированные на выполнение одной, чётко определённой задачи. Их можно рассматривать как специалистов, выполняющих повторяющуюся работу, например, проверку названий поставщиков по спискам соответствия или извлечение данных из счетов. Им требуются чёткие инструкции и контроль со стороны человека.

Автоматизаторы:
более совершенные агенты по сравнению с Исполнителями, управляют более сложными, мультисистемными рабочими процессами.
Они могут управлять сквозными процессами, например, автоматизировать всю систему компании от закупок до оплаты и логистики, подключаясь к различным корпоративным инструментам и принимая решения на основе полученных данных.

Сотрудники (или коллабораторы):
Сотрудники это ИИ-агенты, предназначенные для интерактивного взаимодействия с людьми.
Они действуют как адаптивные члены команды, помогая достигать многомерных целей, требующих человеческого суждения и растущего контекста. Например, Сотрудник может работать с маркетинговой командой, проводя мозговой штурм идей для кампаний, улучшая рекламные тексты на основе отзывов, а затем планируя публикации.

Оркестраторы:
На вершине этой пирамиды сложности находятся Оркестраторы, которые действуют как интеллектуальные центры управления, координируя работу множества агентов, инструментов и рабочих процессов в больших масштабах.
Они могут решать невероятно сложные кросс-функциональные задачи, например, контролировать соблюдение компанией нормативных требований в нескольких юрисдикциях, назначая задачи специализированным ИИ-агентам и передавая вопросы на рассмотрение человеку.

Важно! По своей сути каждый агент в системе TACO может являться мультиагентной системой.
Это означает, что даже простейший Исполнитель (Tasker) может состоять из нескольких скоординированных субагентов, работающих вместе для достижения цели. Разница между категориями заключается в сложности этой внутренней координации.

Такие разные TACO

Рассмотрим эти категории подробнее и сравним их с точки зрения ценности, возможности планирования и требования к знаниям (включая MCP)

Исполнители задач (Taskers)

Ценностное предложение:
Освобождение сотрудников для выполнения более ценных задач, повышение эффективности и внедрение новых способов работы.

Возможности планирования:
Простое планирование, основанное на выполнении инструкций (промптов), включая последовательные действия и базовую логику.

Требования к знаниям:
Нуждаются в четких инструкциях по целям и стандартизированных коннекторах (API) для выполнения конкретных действий.

Автоматизаторы (Automators)

Ценностное предложение:
Координация нескольких целей в разных системах, переосмысление рабочих процессов и сокращение времени цикла. Это также улучшает клиентский опыт.

Возможности планирования:
Способны декомпозировать цель на несколько подзадач, используют детерминированную логику с точками принятия решений и адаптивные промпты.

Требования к знаниям:
Требуют доступа к «неявным знаниям» (tacit or implicit knowledge) сотрудников и процедурным инструкциям, охватывающим несколько систем.

Пример: В отчете приводится кейс трейдинговой компании, где Автоматизатор сократил процесс с 10 дней работы трех сотрудников до нескольких часов.

Сотрудники (Collaborators)

Ценностное предложение:
Повышение креативности и инновационного потенциала рабочей силы, создание «эффекта мультипликатора» для человека и улучшение опыта сотрудников.

Возможности планирования:
Адаптивное и контекстуальное планирование в сотрудничестве с человеком.

Требования к знаниям:
Нуждаются в доступе к курируемым базам знаний с доменной экспертизой и продвинутым коннекторам с обработкой ошибок.

Оркестраторы (Orchestrators)

Ценностное предложение:
Создание новых потоков дохода и бизнес-моделей, стимулирование экономической трансформации.

Возможности планирования:
Сложная координация множества агентов с планированием на случай непредвиденных обстоятельств и оптимизацией ресурсов.

Требования к знаниям:
Требуют всеобъемлющих знаний о политиках и целях как внутри, так и за пределами предприятия, а также доступ к экосистеме сложных коннекторов с динамическим обнаружением.

Все типы агентов, задействуют базовые движки рассуждений (reasoning engines) и могут потребовать построения когнитивных пайплайнов. Ключевое различие заключается в сложности и назначении этого процесса.

Как использовать TACO

TACO не просто техническая таксономия, а стратегический инструмент, который помогает бизнесу выстроить осмысленный и поэтапный план внедрения агентивного ИИ.

TACO позволяет перейти от хаотичных экспериментов к целенаправленной стратегии, связывая сложность технологии с конкретными бизнес-задачами и уровнем готовности организации.

Вот как именно классификация помогает определить стратегию внедрения ИИ-агентов:

• Сопоставление бизнес-потребностей со сложностью агента

  Основная функция фреймворка помочь организациям сопоставить свои бизнес-требования с соответствующим уровнем сложности агента. Это позволяет избежать двух распространенных ошибок:

Избыточные инвестиции: Внедрение сложного и дорогого Оркестратора там, где достаточно простого Исполнителя.

Недостаточная функциональность: Попытка автоматизировать сложный сквозной процесс с помощью агента, предназначенного для выполнения одной задачи.

TACO помогает четко определить, какой именно тип агента нужен для решения конкретной проблемы, оптимизируя затраты и ожидания.

• Приоритизация и масштабирование пилотных проектов

  Фреймворк предоставляет естественную дорожную карту для пилотных проектов и последующего масштабирования. Компании могут начать с менее рискованных и более простых агентов, чтобы быстро получить результат и накопить опыт.

Начальный этап: Запуск пилотов с Исполнителями для автоматизации рутинных, повторяющихся задач (например, проверка счетов). Это доказывает ценность технологии и создает основу для дальнейшего развития.

Развитие: Переход к Автоматизаторам для оптимизации комплексных и особенно кросс-функциональных бизнес-процессов (например, от закупки до оплаты и логистики), что требует более глубокой интеграции в IT-инфраструктуру.

Зрелость: Внедрение Сотрудников и Оркестраторов для решения комплексных творческих задач и трансформации бизнес-моделей. Этот подход позволяет управлять рисками и постепенно готовить организацию к более глубоким изменениям.

• Оценка организационной и технологической готовности

  Каждый тип агента в классификации TACO предъявляет разные требования к фундаменту компании: данным, технологиям и процессам управления.

Исполнители требуют четких инструкций и стандартных API.

Автоматизаторы нуждаются в доступе к неявным знаниям сотрудников и кросс-системным данным.

Коллабораторы требуют курируемых баз знаний и продвинутых коннекторов.

Оркестраторы нуждаются во всеобъемлющих знаниях о политиках и доступе к целой экосистеме инструментов.

Анализируя свои цели через призму TACO, компания может оценить, готова ли ее текущая IT-инфраструктура, качество данных и система управления для внедрения агента нужного уровня. Это помогает заранее спланировать необходимые инвестиции в модернизацию технологий и данных.

• Формирование стратегии "создавать, покупать или сотрудничать"

  Выбор типа агента напрямую влияет на решение, как его получить.

Покупка:
Готовые решения часто доступны для простых Исполнителей, что позволяет быстро их внедрить.

Партнерство:
Для Автоматизаторов и Сотрудников может потребоваться сотрудничество с внешними экспертами, чтобы интегрировать агента в сложные корпоративные системы.

Создание с нуля:
Наиболее сложные и кастомизированные Оркестраторы, которые должны стать частью уникального конкурентного преимущества, чаще всего требуют собственной разработки.

• Выравнивание инвестиций и ценностного предложения

  TACO четко связывает каждый тип агента с его потенциальной ценностью для бизнеса:

Исполнители: Повышение операционной эффективности.

Автоматизаторы: Переосмысление и ускорение бизнес-процессов.

Коллабораторы: Усиление творческого и инновационного потенциала сотрудников.

Оркестраторы: Создание новых потоков дохода и трансформация бизнес-моделей.

Это позволяет руководству принимать обоснованные инвестиционные решения, понимая, какую именно отдачу (операционную эффективность, сокращение циклов, инновации или новые рынки) они получат от внедрения того или иного типа агента.

Однако, нужно учесть, что даже простой Исполнитель может стать сложной MAS, требующей коллаборации и координации.

4 ключевых направления при внедрении

Для успешного внедрения агентного подхода и создания прочного фундамента для этой технологии, в отчете KPMG выделяются четыре ключевых направления для бизнеса: стратегия, персонал, управление и технологии.

Ниже представлено подробное описание практических рекомендаций по каждому из них.

Стратегия

Агентный ИИ требует от компаний большей стратегической гибкости и готовности к быстрым изменениям. Рекомендуется пересмотреть традиционные подходы к планированию.

Регулярный пересмотр корпоративной стратегии: Вместо ежегодных стратегических сессий предлагается внедрить более частый цикл пересмотра.
Это позволит адаптироваться к высокой скорости технологических изменений и неопределенности. Следует использовать сценарное планирование, которое включает оценку потенциальной выгоды, рисков подрывного влияния со стороны конкурентов и собственных возможностей для дизрапшена рынка.

Формирование стратегии внедрения агентов: Параллельно с общей ИИ-стратегией, необходимо определить уровень готовности компании к созданию «агентной рабочей силы».
Следует решить, будет ли компания ранним последователем (early adopter), быстрым последователем (fast follower) или активным наблюдателем (active monitor).
Важно определить наиболее ценные области для пилотных проектов, основываясь на оценке потенциальной выгоды, рисков и готовности технологий и персонала.

Развитие партнерской экосистемы: По мере интеграции агентов в основные бизнес-процессы зависимость от технологических провайдеров будет расти. Выбор партнеров, как крупных технологических компаний, так и нишевых стартапов, становится критически важным фактором для скорости выхода на рынок.

Персонал (Workforce)

Внедрение агентов изменит структуру рабочей силы и потребует новых подходов к управлению персоналом и рабочими процессами.

Систематизация и кодификация работы: Необходимо формализовать способы выполнения работы. Это касается как структурированной работы, которая следует четким правилам и является ближайшей целью для автоматизации, так и неявной работы, основанной на опыте и опыте экспертов (а они могут упираться).

Систематический сбор и оцифровка неявных знаний станет операционной необходимостью и источником конкурентного преимущества.

Новые подходы к управлению изменениями: Традиционные top-down методы управления изменениями (тренинги, новые KPI) показывают низкую эффективность при внедрении ИИ.

Вместо этого рекомендуется использовать подходы, основанные на поведенческой науке: ролевое моделирование, горизонтальное обучение (peer-to-peer) и создание атмосферы психологической безопасности.

Проектирование гибкой гибридной организации: Агенты станут частью организационной структуры наравне с людьми.
Это потребует создания новых моделей отчетности, постановки целей и управления производительностью как для людей, так и для «цифровых сотрудников».
Роли, структура и даже численность цифровой рабочей силы могут меняться очень быстро, что потребует от организации беспрецедентной гибкости.

Управление и доверие (Governance & Trust)

Автономность агентов требует более строгих механизмов контроля и повышенного внимания к принципам доверенного ИИ (Trusted AI).

Усиление безопасности и конфиденциальности: Необходимо внедрить регулярное стресс-тестирование, обнаружение предвзятости (bias detection) и разработку отказоустойчивых механизмов.
В отличие от человеческих ошибок, ошибка одного агента может быть многократно усилена и распространена по системе до того, как будет обнаружена.

Предотвращение этических нарушений: Этические принципы должны быть заложены в архитектуру агентов с самого начала, а не добавляться как надстройка. Необходимо разработать четкие этические гайдлайны и протоколы управления. Данные, на которых обучаются и работают агенты, должны быть проверены на отсутствие предвзятости, чтобы не воспроизводить вредные стереотипы.

Переход к модели "Human-on-the-loop": Если для генеративного ИИ часто используется модель "человек в цикле" (human-in-the-loop), где человек утверждает каждый шаг, то для автономных агентов предлагается модель "человек над циклом" (human-on-the-loop). В этой модели человек осуществляет надзор и мониторинг, но вмешивается только при необходимости. Этот подход критически важен для масштабирования технологии.

Технологии, данные и безопасность

Технологический фундамент определяет, насколько успешно компания сможет использовать потенциал агентов.

Построение цепочки поставок агентов: У компаний есть три основных варианта получения агентов: строить кастомные решения для полного контроля, покупать готовые продукты для быстрого внедрения (этот вариант предпочитают 67% компаний) или вступать в партнерства для доступа к передовой экспертизе. Оптимальной будет многогранная стратегия, сочетающая разные подходы.

Обеспечение надежного фундамента данных: Успех агентов невозможен без современной, облачной платформы данных. Данные должны быть высококачественными, доступными, точными и непредвзятыми. Требуются строгие протоколы управления данными для обеспечения их целостности, безопасности и соответствия местной регуляторики.

Обеспечение совместимости агентов (Interoperability): Чтобы избежать привязки к одному вендору и дублирования усилий, необходимо внедрять открытые стандарты для коммуникации между агентами, такие как протокол A2A (agent-to-agent) и другие протоколы. Это позволит агентам из разных систем безопасно и эффективно взаимодействовать друг с другом.

Усиление идентичности и безопасности агентов: Каждый агент должен иметь уникальную цифровую идентичность, четко определенные права доступа и учетные данные. Их рабочая среда должна быть изолированной, чтобы минимизировать ущерб от ошибок или атак. Все действия агента должны быть аудируемыми, отменяемыми и атрибутируемыми. Необходимо проактивно защищаться от новых угроз, таких как «отравление памяти» (memory poisoning) или взлом агента (agent hijacking).

Анализируя свои цели через призму TACO, любая организация может оценить, готова ли ее текущая IT-инфраструктура, качество данных и система управления для внедрения агента нужного уровня. Это помогает заранее спланировать необходимые инвестиции в модернизацию технологий и данных.

Ключевым фактором успеха становится способность быстро, и в идеале безошибочно, перейти от оценки к стратегии, и затем к практической реализации, построив надежный технологический и организационный фундамент. Этот переход требует глубокой экспертизы на стыке бизнес-процессов, управления данными и передовых ИИ-технологий, которой зачастую нет внутри компании.

***

Я много лет занимаюсь вопросами стратегического развития и внедрения инноваций в бизнес, в формате стратсессий с командой и стратегических диалогов с первыми лицами. Если актуально, постучитесь.