Agentic AI: как термин из исследований стал ярлыком продаж

Что случилось со словом «агент»

За 2024–2025 годы «agentic AI» превратилось из узкого термина в универсальную приставку к любому продукту с языковой моделью. OpenAI выпустила Operator и режим агента в ChatGPT, Anthropic — Claude с использованием компьютера (computer use) и подагентами в Claude Code, Google — Project Mariner и агентные функции в Gemini, Microsoft — Copilot Studio с «агентами» для бизнеса. Одновременно тем же словом стали называть скрипты, которые дергают один внешний API, и чат-ботов, у которых появилась кнопка «выполнить действие».

Проблема не в том, что технология не существует. Проблема в том, что термин перестал что-либо гарантировать покупателю. Когда вендор пишет «agentic», это может означать систему, которая сама планирует многошаговую задачу и вызывает инструменты, — а может означать ровно то же, что год назад называлось «ассистентом».

Откуда термин вообще взялся

Понятие агента в ИИ старше больших языковых моделей. В классических учебниках агент — это программа, которая воспринимает среду и действует в ней ради цели. LLM-агент¹ добавил к этому способность рассуждать текстом, разбивать задачу на шаги и вызывать внешние инструменты: поиск, код, API, браузер. Академические работы вроде ReAct и Toolformer описывали конкретные механики. Маркетинг взял слово «agentic» и оторвал его от механик.

Что реально стоит за ярлыком

Полезно различать три уровня автономности, которые продают под одним словом.

• Инструмент по запросу. Модель по команде вызывает функцию: находит погоду, отправляет письмо, ищет в базе. Один шаг, инициированный пользователем. Это function calling, а не автономия.
• Многошаговый воркфлоу. Модель сама раскладывает задачу на подзадачи, вызывает несколько инструментов подряд, реагирует на промежуточные результаты. Сюда попадают Claude Code, режимы deep research у нескольких вендоров.
• Автономный агент со средой. Система работает в интерфейсе (браузер, ОС), принимает решения без подтверждения на каждом шаге, может ошибаться дорого. Operator и computer use ближе к этому уровню — и именно поэтому вендоры добавляют подтверждения на чувствительных действиях.

Если продукт называют «агентным», первый честный вопрос: сколько решений он принимает без вас и что происходит, когда он ошибается. Ответ отделяет технологию от слайда.

Почему граница размылась

Слово выгодно всем сразу. Для инвестора «agentic» звучит как следующая ступень после «просто чат-бота» и оправдывает оценку. Для отдела продаж это способ переупаковать существующий продукт без переписывания кода. Для клиента — обещание, что ИИ «сделает сам», хотя на практике часто требуется тот же контроль, что и раньше.

Кто что называет агентом

Ниже — как ведущие вендоры используют термин и что за ним стоит на момент публикации. Точные названия режимов и их доступность меняются, поэтому сверяйте на официальных страницах продуктов.

Обратите внимание: под одним ярлыком лежат и системы, работающие в открытой среде с риском дорогих ошибок, и настраиваемые сценарии, где «агент» — по сути ветвящийся скрипт с LLM внутри.

Кому это пригодится и кому нет

Когда агент оправдан

• Разработчик, автоматизирующий рутину. Прогнать рефакторинг по репозиторию, написать тесты, разобрать логи — задачи с проверяемым результатом, где ошибку видно сразу. Claude Code и подобные инструменты здесь экономят часы.
• Ресёрч и сбор данных. Собрать и сопоставить информацию из десятков источников — режимы deep research делают это быстрее ручного поиска, если вы перепроверяете ключевые факты.
• Повторяющиеся операции в интерфейсе. Заполнение форм, перенос данных между системами без готового API — там, где ошибка не стоит денег и легко откатывается.

Когда агент — лишний риск

• Действия с необратимыми последствиями. Платежи, отправка юридически значимых документов, изменение продакшн-данных. Автономность здесь превращает мелкую галлюцинацию в дорогой инцидент.
• Задачи без проверяемого результата. Если вы не можете быстро понять, что агент ошибся, автономность лишь маскирует ошибки, а не устраняет их.
• Разовая простая задача. Для одного действия по запросу «агент» — избыточная надстройка над обычным вызовом функции. Вы платите за автономность, которая не нужна.

Как читать обещание «agentic»

Перед покупкой или интеграцией имеет смысл пройтись по короткому чек-листу.

1. Сколько шагов система выполняет без подтверждения пользователя.
2. Какие действия она может совершить сама — и есть ли среди них необратимые.
3. Что происходит при ошибке: откат, лог, требование подтверждения.
4. Есть ли измеримые результаты на публичных бенчмарках, а не только демо-ролик.
5. Чем именно это отличается от версии продукта год назад — новой архитектурой или новым словом на слайде.

Если на большинство пунктов вендор отвечает расплывчато, «agentic» в его случае — маркетинг. Это не значит, что продукт плохой. Это значит, что решать стоит по функциям, а не по ярлыку.

¹ LLM-агент — система на основе большой языковой модели, которая не просто отвечает текстом, а разбивает задачу на шаги, вызывает внешние инструменты (поиск, код, API) и использует их результаты для следующего шага. Ключевое отличие от чат-бота — способность самостоятельно планировать последовательность действий.