AI-агенты 2024: кто делает автономных ассистентов и зачем

Осенью 2024 года Anthropic показала функцию Computer Use для модели Claude 3.5 Sonnet: модель получает скриншот экрана и сама двигает курсор, кликает и печатает, выполняя задачу вроде «заполни эту форму данными из таблицы». Почти одновременно OpenAI, Google и Microsoft начали продавать собственные версии «агентов» — от планировщиков задач до ассистентов внутри офисных пакетов. Слово «агент» за год стало главным маркетинговым термином индустрии, но за ним скрываются очень разные вещи: от простого вызова функций до полуавтономного управления браузером.

Ниже — что именно вышло, чем эти продукты отличаются друг от друга и в каких сценариях они уже приносят пользу, а в каких пока ломаются на первой нестандартной кнопке.

Что такое «агент» и почему термин размыт

Строго говоря, AI-агент¹ — это система на основе языковой модели, которая не просто отвечает текстом, а планирует шаги, вызывает внешние инструменты (поиск, API, код, браузер), получает результат и корректирует план. Ключевое отличие от чат-бота — цикл «действие → наблюдение → следующее действие» без участия человека на каждом шаге.

Проблема в том, что вендоры называют агентом почти всё. Один продукт умеет вызвать погодный API по запросу пользователя — и это уже «агент». Другой сам управляет виртуальной машиной десять минут подряд. Разброс возможностей огромный, а маркетинговая обёртка одна.

Пока «агент» продаётся как автономность, но на практике это ассистент с ручным тормозом: почти каждый серьёзный сценарий требует подтверждения человека перед необратимым действием.

Ключевые игроки и их подход

Anthropic — Computer Use

Claude 3.5 Sonnet получил экспериментальную способность управлять экраном компьютера через API: модель видит скриншоты, возвращает координаты кликов и текст для ввода. Anthropic прямо предупреждает, что функция в бета-стадии, работает медленно и ошибается на прокрутке и в сложных интерфейсах. Это скорее исследовательский релиз, чем готовый продукт для массового пользователя.

OpenAI — вызов функций и Assistants API

OpenAI строит агентность вокруг function calling и Assistants API: разработчик описывает доступные инструменты, а модель решает, какой и с какими параметрами вызвать. Это надёжнее, чем управление экраном, но требует, чтобы каждый инструмент был заранее подключён через API. Полностью автономного «управления компьютером» как отдельного публичного продукта на момент подготовки материала OpenAI широко не предлагала — точный статус лучше сверять в документации платформы.

Google — Gemini и агентные функции

Google развивает агентные сценарии вокруг Gemini и интеграций с собственными сервисами (поиск, Workspace). Компания анонсировала исследовательские проекты по агентам, управляющим браузером, но многое из показанного — превью и ограниченный доступ, а не общедоступный релиз.

Microsoft — Copilot и Copilot Studio

Microsoft делает ставку на встраивание агентов в рабочие процессы: Copilot внутри Microsoft 365 и Copilot Studio для создания собственных агентов под задачи компании. Здесь агент — это не автономный робот, а помощник, привязанный к корпоративным данным и приложениям.

Сравнение подходов

Таблица описывает подход, а не «победителя»: сравнивать эти продукты по одной цифре бессмысленно, потому что они решают разные задачи. Единого признанного бенчмарка для агентов, управляющих компьютером, на рынке пока нет — есть отдельные тесты вроде WebArena, но результаты по ним сильно зависят от постановки задачи.

Объём и рост рынка: осторожно с цифрами

По рынку AI-агентов ходит множество прогнозов от аналитических компаний — с оценками в десятки миллиардов долларов и ежегодным ростом в десятки процентов. Проблема в том, что такие цифры сильно зависят от того, что именно авторы считают «агентом»: включают ли они RPA², чат-ботов поддержки или только автономные системы на LLM. Поэтому конкретные суммы здесь приводить не будем — без единого определения они вводят в заблуждение больше, чем информируют.

Что можно сказать без домыслов:

• крупнейшие лаборатории (OpenAI, Anthropic, Google) в 2024 году выпустили или анонсировали агентные функции почти одновременно — это ставка индустрии, а не одного игрока;
• основной коммерческий интерес пока в корпоративном сегменте: автоматизация рутины в поддержке, продажах и разработке;
• потребительские автономные агенты остаются в бета-стадии и требуют надзора человека.

Кому это пригодится, а кому нет

Пригодится:

• разработчикам, которые интегрируют вызов функций в приложение — здесь агентность работает предсказуемо и приносит пользу уже сейчас;
• командам поддержки и операций, где много однотипных шагов внутри известных систем;
• аналитикам, которым нужно, чтобы модель сама сходила в несколько источников и собрала данные по заданному сценарию.

Пока не стоит рассчитывать:

• на полностью автономный агент, которому можно доверить необратимые действия (платежи, отправка писем клиентам) без проверки — риск ошибки слишком высок;
• на управление произвольным незнакомым интерфейсом — модели ломаются на нестандартных элементах;
• на стабильную работу без человека в цикле для задач с ценой ошибки.

Что проверить перед выбором

1. Определите, что вам нужно: вызов API (надёжно) или управление интерфейсом (пока хрупко).
2. Проверьте, привязан ли агент к экосистеме (Microsoft, Google) — это влияет на стоимость и переносимость.
3. Уточните актуальный статус функции и цены на официальной странице продукта: и то, и другое меняется каждые несколько месяцев.
4. Заложите человека в цикл для любых действий с деньгами и внешними коммуникациями.

¹ AI-агент — программа на базе языковой модели, которая планирует последовательность шагов и сама вызывает инструменты (поиск, код, API) для достижения цели, а не просто выдаёт текстовый ответ.

² RPA (Robotic Process Automation) — «роботизация» рутинных операций по жёстким сценариям без ИИ; часто путается с агентами, но работает по заранее записанным правилам, а не рассуждает.