Агенты и AGI: почему это не одно и то же

За 2024–2025 годы слово «агент» стало главным маркетинговым термином в ИИ. OpenAI выпустила Operator и режим агента внутри ChatGPT, Anthropic добавила Claude возможность управлять компьютером (Computer Use), Google продвигает Gemini с функциями планирования задач. Одновременно те же компании всё чаще произносят вслух аббревиатуру AGI — общий искусственный интеллект. И многие читатели путают два понятия: раз агент действует «сам», значит, до AGI полшага. На деле это разные вещи, и разрыв между ними измеряется не месяцами.

Что такое агент на практике

ИИ-агент — это языковая модель, обёрнутая в цикл: она получает цель, разбивает её на шаги, вызывает внешние инструменты (браузер, API, файловую систему, интерпретатор кода), смотрит на результат и решает, что делать дальше. Ключевое отличие от обычного чат-бота — не разговор, а действие в среде без ручного одобрения каждого шага.

Примеры того, что агенты уже делают в проде или в раннем доступе:

• заполняют формы и оформляют заказы в браузере (OpenAI Operator, анонсирован в январе 2025);
• управляют экраном компьютера, кликая по интерфейсу (Anthropic Computer Use в составе Claude);
• пишут, запускают и правят код в цикле до прохождения тестов (агентные режимы в средах разработки);
• ищут и сводят информацию из десятков источников в отчёт (режимы deep research у нескольких вендоров).

Всё это впечатляет, но остаётся узким. Агент хорош в задачах, которые можно описать целью и проверить результат. За пределами обученного распределения он ломается: залипает в цикле, придумывает несуществующие кнопки, теряет нить на длинной цепочке шагов.

^* Агент — программа на основе ИИ-модели, которая самостоятельно планирует и выполняет последовательность действий с внешними инструментами для достижения заданной цели, а не просто отвечает текстом на один запрос.

Что такое AGI и почему у него нет одного определения

AGI (artificial general intelligence) в широком смысле — система, способная решать произвольные интеллектуальные задачи на уровне человека или выше, включая те, для которых её специально не готовили. Проблема в том, что единого измеримого определения не существует. У OpenAI в уставе AGI описан как «высокоавтономные системы, превосходящие людей в большинстве экономически значимых работ» — формулировка про экономику, а не про интеллект. Другие исследователи привязывают AGI к способности обобщать на новые задачи, к устойчивости к сдвигу данных, к обучению из немногих примеров.

Пока нет теста, пройдя который система официально становится AGI, спор «уже близко или нет» — это спор об определениях, а не о фактах.

Отсюда и разброс прогнозов: одни главы ИИ-компаний говорят про «несколько лет», академические скептики — про десятилетия или про то, что нынешняя архитектура вообще не ведёт к AGI напрямую. Обе стороны оперируют не данными, а верой в масштабирование.

Где проходит граница

Разница между продвинутым агентом и AGI держится на нескольких качественных признаках, а не на количестве решённых задач.

Проще говоря: агент — это инженерная надстройка над моделью, которая делает её полезной для действий. AGI — гипотеза о качестве самого интеллекта. Можно построить сколько угодно агентов поверх сегодняшних моделей и не приблизиться к AGI, если модель под капотом не умеет обобщать за пределы данных.

Почему граница важна для практики

Когда вендор называет продукт «агентом», он обещает автоматизацию конкретных задач — и это можно проверить на своих сценариях. Когда произносят «на пути к AGI», это заявление о будущем, которое нельзя проверить сегодня. Смешивать их — значит платить деньги и доверять критичные процессы под маркетинговое обещание, а не под измеримую возможность.

Кому агенты пригодятся, а кому пока нет

Пригодятся, если задача повторяемая и её результат легко проверить:

• рутинный сбор данных из веба в таблицу или отчёт;
• прогон изменений в коде через тесты и линтеры с автоправками;
• заполнение однотипных форм и обработка обращений по шаблону;
• первичная сортировка входящих писем и заявок.

Не стоит доверять агенту без человека в контуре, если цена ошибки высока:

• финансовые операции и платежи без подтверждения;
• юридически значимые действия и документы;
• работа с персональными данными клиентов без контроля доступа;
• задачи, где нет способа быстро проверить, что агент не ошибся.

Практический критерий простой: если вы не можете за минуту убедиться в правильности результата, автономный агент создаёт риск, а не экономит время.

Что это значит для рынка

Ставка индустрии в 2025 году — именно на агентов, а не на объявление AGI. Причина прозаична: агенты приносят выручку уже сейчас, потому что закрывают конкретные рабочие процессы. AGI остаётся долгосрочной целью и элементом позиционирования компаний перед инвесторами. Для пользователя разумная позиция — оценивать инструмент по тому, что он измеримо делает на ваших задачах, а громкие слова про общий интеллект держать в графе «покажите тест».