AI-агенты и конвейер Форда: чему учит история автоматизации

Осенью 2024 года Anthropic выпустила функцию Computer Use для Claude, а OpenAI в начале 2025-го — Operator, агента, который сам кликает по интерфейсам браузера. Оба продукта продают одну идею: софт, который не отвечает на вопрос, а выполняет многошаговую задачу от начала до конца. Формулировка звучит ново, но экономическая логика ей больше ста лет — ровно та же, что двигала конвейером Генри Форда и станками с ЧПУ. Стоит разобрать, где аналогия работает и где она ломается, потому что от этого зависит, чего реально ждать от агентов в ближайшие пару лет.

Что такое AI-агент и почему это не просто чат-бот

Обычная языковая модель отвечает на один запрос за один проход. Агент^* устроен иначе: он получает цель, разбивает её на шаги, вызывает внешние инструменты (браузер, API, файловую систему), смотрит на результат и корректирует следующий шаг. То есть в петле «действие — наблюдение — новое действие», а не в режиме одного ответа.

Именно эта петля роднит агента с автоматизированной производственной линией. Конвейер тоже не делает одну операцию — он проводит заготовку через цепочку станций, где на каждой что-то происходит с предсказуемым результатом. Разница в том, что станция на заводе физически не ошибается в трактовке задачи, а языковая модель может.

^* Агент — программа на основе LLM, которая автономно выполняет последовательность действий для достижения заданной цели, вызывая внешние инструменты и анализируя их вывод перед следующим шагом.

Три урока промышленной автоматизации, которые повторяются сейчас

1. Стандартизация раньше автоматизации

Форд не смог бы построить конвейер, пока детали не стали взаимозаменяемыми. До этого сборка была ремеслом: каждый узел подгоняли вручную. Автоматизация потребовала сначала загнать хаос в единый стандарт.

С агентами то же самое. Агент, который работает с вашими данными через беспорядок из PDF, скриншотов и переписки в мессенджере, ошибается постоянно. Как только те же данные лежат в структурированном виде и доступны через API, надёжность резко растёт. Компании, у которых процессы не описаны и не оцифрованы, получают от агентов не автоматизацию, а автоматизированный хаос.

2. Узкие операции надёжнее универсальных

Промышленный робот, который умеет только приваривать одну точку, работает годами без сбоев. Универсальный манипулятор, претендующий на любую операцию, стоит дороже и ломает больше. В софте картина повторяется: агент, ограниченный одним доменом (обработка возвратов, разбор счетов, сортировка тикетов), доводит задачу до конца заметно чаще, чем агент «сделай что угодно в браузере».

3. Человек уходит с линии, но не из цеха

Конвейер не уволил всех рабочих — он сместил их с ручной сборки на контроль, наладку и обслуживание. С агентами ожидается тот же сдвиг: меньше людей выполняют операцию, больше — проверяют результат, настраивают промпты и разбирают сбои. Работа не исчезает, она меняет форму.

Автоматизация не убирает человека из процесса — она поднимает его на уровень выше: от исполнителя к контролёру и наладчику. Так было с конвейером, так, похоже, будет и с агентами.

Где аналогия ломается

Заводской станок детерминирован: одинаковый вход даёт одинаковый выход. Языковая модель вероятностна — на тот же запрос она может ответить по-разному, и предсказать сбой заранее сложнее, чем на механической линии. Контроль качества на конвейере ловит брак по чётким допускам; ошибку агента иногда видно только по последствиям.

Второе отличие — цена ошибки в петле. Если промышленный робот сломался, линия останавливается и это заметно сразу. Агент, ошибившийся на третьем шаге из десяти, может уверенно продолжить и выдать правдоподобный, но неверный результат. Поэтому агентам нужны явные точки подтверждения человеком там, где действие необратимо: отправка денег, удаление данных, публикация.

Как агенты соотносятся с прежними волнами автоматизации софта

RPA^** здесь — прямой предок агентов. Она уже десять лет автоматизирует клики в корпоративных системах, но ломается, когда меняется расположение кнопки. Агент на модели теоретически переживает такие изменения, потому что «понимает» интерфейс, а не запоминает координаты. Ценой становится непредсказуемость: там, где RPA просто останавливается, агент может сделать не то.

^** RPA (Robotic Process Automation) — технология автоматизации рутинных действий в интерфейсах программ по заранее записанным правилам, без понимания смысла операций.

Кому это пригодится, а кому пока нет

Агенты дают отдачу там, где задача повторяемая, вход структурирован, а ошибка обратима и заметна.

• Подойдёт: разбор входящих заявок и маршрутизация тикетов, первичная обработка документов с последующей проверкой человеком, сбор и сведение данных из нескольких источников, черновая работа в разработке (генерация и запуск тестов).
• Пока рискованно: финансовые операции без подтверждения, юридически значимые действия, работа с критичными данными без бэкапа, любые необратимые шаги без явной точки контроля.
• Скорее не подойдёт: разовые нестандартные задачи, где настройка агента дороже ручного выполнения; процессы, которые в компании не описаны и меняются каждую неделю.

Практический вывод из промышленной аналогии простой: автоматизировать имеет смысл то, что уже стало рутиной и стандартом. Конвейер окупается на серии, а не на штучном изделии. С агентами так же — они выгодны на потоке однотипных операций, а не на редких исключениях.

История автоматизации XX века не обещает, что агенты заменят всех. Она подсказывает порядок действий: сначала описать и стандартизировать процесс, потом сузить задачу до надёжного домена, потом оставить человека на контроле, а не на исполнении. Компании, которые перепрыгивают первый шаг и сразу ставят агента на живой хаос, повторяют ошибку тех, кто пытался автоматизировать сборку до появления взаимозаменяемых деталей.