Агенты переоценены? Разбор аргументов скептиков

Autonomous agents — так индустрия называет системы, где языковая модель не просто отвечает на запрос, а планирует шаги, вызывает инструменты и доводит задачу до конца сама. За 2024–2025 годы вокруг них выстроился целый рынок: OpenAI выпустила Operator и режим агентов в ChatGPT, Anthropic — Claude с работой в браузере и инструментом computer use, Google продвигает агентские сценарии в Gemini. Одновременно нарастает встречная волна: инженеры и аналитики говорят, что автономные агенты в 2025 году делают меньше, чем от них ждут, а стоят дороже, чем кажется. Разберём аргументы этой стороны без хайпа и без обратного хайпа.

О чём именно спор

Скептики редко утверждают, что агенты бесполезны. Спор идёт о другом: соответствует ли текущий уровень автономии тому, что продаётся в маркетинговых демо. Демонстрация, где агент сам бронирует отель и заполняет форму, выглядит убедительно. Но между демо на подготовленном сайте и агентом, который надёжно работает с реальными системами компании каждый день, — большая дистанция.

Агент, который справляется с задачей в 80% случаев, — это не 80% готового продукта. Это продукт, который в каждом пятом случае нужно проверять вручную, а значит, вы всё равно держите человека рядом.

Главный аргумент: накопление ошибок

Автономный агент выполняет задачу цепочкой шагов. Если каждый отдельный шаг выполняется с точностью 95%, то на цепочке из десяти шагов итоговая надёжность падает примерно до 0,95 в десятой степени — около 60%. Чем длиннее цепочка, тем сильнее накапливается ошибка. Это не мнение, а простая арифметика, и именно она стоит за тем, что многие агентские пайплайны хорошо выглядят на коротких сценариях и рассыпаются на длинных.

Практическое следствие: там, где цена ошибки высока — платежи, юридические документы, изменения в продакшене — полностью автономный агент пока не отдают без надзора. Человек в контуре (human-in-the-loop) остаётся, и экономия на людях оказывается меньше обещанной.

Второй аргумент: стоимость токенов

Агент, который планирует, пробует, ошибается и переспрашивает, тратит на одну задачу в разы больше токенов, чем один прямой запрос к модели. Каждый шаг тянет за собой контекст предыдущих. На длинных сессиях счёт за API растёт нелинейно. Для дешёвых массовых операций это может делать агента дороже, чем ручной труд или классический скрипт.

Третий аргумент: агент против простого скрипта

Часть задач, которые продают как «агентские», решаются детерминированным кодом надёжнее и дешевле. Если процесс известен заранее и не требует рассуждений, то жёсткий пайплайн с вызовами API предсказуемее, чем модель, которая каждый раз заново решает, что делать. Скептики формулируют это так: агент оправдан там, где путь к цели заранее неизвестен, а не там, где его просто лень запрограммировать.

Где агенты действительно работают

Честный разбор не сводится к «всё плохо». Есть класс задач, где автономия уже даёт результат:

• Кодинг-ассистенты с проверяемым результатом: агент пишет код, запускает тесты, видит ошибку и правит. Тесты работают как встроенный контроль качества — цепочка сама себя проверяет.
• Исследование и сбор информации: обход источников, сведение в отчёт. Ошибка здесь не критична, а результат проверяет человек.
• Черновая рутина: сортировка входящих, разметка, первичная обработка обращений, где итог всё равно уходит на ревью.

Общий признак удачных сценариев — либо ошибка дёшева, либо в цепочку встроена автоматическая проверка (тесты, валидация, сверка с эталоном).

Сравнение подходов

Кому это пригодится, а кому нет

Пригодится, если у вас есть задача с проверяемым результатом и переменным путём: автоматизация тестируемого кода, разбор больших массивов документов с последующим ревью, исследовательские запросы, где важна широта охвата, а не абсолютная точность.

Скорее не пригодится, если процесс жёстко регламентирован и известен — тогда обычный скрипт надёжнее и дешевле. Не стоит ставить полностью автономного агента туда, где ошибка стоит денег или репутации без страховки в виде человека или автоматической проверки. И не ждите, что агент заменит целый отдел: пока это чаще ускоритель для одного специалиста, а не замена ему.

Что проверить перед внедрением

1. Посчитайте длину цепочки шагов и прикиньте, как накапливается ошибка при вашей надёжности одного шага.
2. Оцените стоимость задачи в токенах на реальном, а не показательном сценарии — с учётом повторов и переспросов.
3. Спросите себя, известен ли путь к цели заранее. Если да — сравните с обычным скриптом.
4. Определите цену ошибки. Высокая — оставляйте человека в контуре или встроенную проверку.
5. Тестируйте на длинных сессиях, а не на демо из трёх шагов.

Агент — здесь: система на основе языковой модели, которая самостоятельно планирует последовательность действий, вызывает внешние инструменты (браузер, API, файлы) и выполняет задачу без пошагового участия человека. Отличается от обычного чат-ответа тем, что действует циклами «подумал — сделал — оценил результат».