От Siri к агентам: что изменилось за десять лет ассистентов

Siri вышла на iPhone 4S в октябре 2011 года. Она распознавала фразу, сопоставляла её с заранее заданным набором команд и выполняла одно действие: ставила таймер, отправляла сообщение, читала прогноз погоды. Спустя больше десяти лет продукты вроде ChatGPT с режимом agent, Claude с использованием инструментов, Google Gemini и Perplexity обещают другое: не ответить на запрос, а довести задачу до результата через цепочку шагов. Разберём, чем агент 2025-2026 годов отличается от ассистента образца 2011-го технически, а не на слайдах презентаций.

Что делала Siri и почему это не агент

Ассистенты первой волны — Siri, Google Now, Amazon Alexa, «Алиса» — строились вокруг распознавания намерения (intent). Речь превращалась в текст, текст сопоставлялся с ограниченным списком сценариев, каждый сценарий вызывал жёстко прописанный обработчик. Если фраза не попадала в шаблон, ассистент отвечал «я нашла это в интернете» и открывал поиск.

Ключевое ограничение — отсутствие рассуждения и памяти в пределах задачи. Siri не могла спланировать последовательность «найди рейс, сравни цены, добавь в календарь», потому что не удерживала цель между шагами и не умела вызывать несколько разных сервисов подряд по собственному решению. Каждая команда была атомарной.

Что называют агентом в 2025-2026 годах

Современный агент ^[1] строится на большой языковой модели, которая сама решает, какие инструменты вызвать и в каком порядке, чтобы достичь заданной цели. Модель получает описание доступных функций (поиск в вебе, чтение файла, запрос к API, выполнение кода) и в цикле: рассуждает, выбирает действие, получает результат, снова рассуждает — пока не сочтёт задачу выполненной.

Разница не в том, что агент «умнее». Разница в архитектуре. Ассистент — это классификатор намерений плюс набор обработчиков. Агент — это модель, принимающая решения о вызовах инструментов в несколько итераций, с сохранением контекста задачи между шагами.

Ассистент отвечал на один вопрос. Агент пытается закрыть задачу целиком — и именно поэтому чаще ошибается дороже: неверный шаг тянет за собой всю цепочку.

Три технических отличия

• Планирование. Агент разбивает цель на подзадачи сам, а не выбирает один сценарий из списка.
• Использование инструментов. Модель вызывает внешние функции по своему решению и обрабатывает их ответы. У Siri набор действий был зашит разработчиком.
• Контекстное окно. ^[2] Современные модели удерживают десятки и сотни тысяч токенов истории, поэтому помнят предыдущие шаги задачи. Siri работала в пределах одной реплики.

Сравнение поколений

Таблица описывает архитектурные различия поколений, а не сравнение конкретных продуктов между собой. Внутри каждого поколения реализации сильно отличаются.

Где агент реально работает, а где буксует

Автономность звучит убедительно на демо, но у неё есть цена. Чем длиннее цепочка шагов, тем выше вероятность, что модель ошибётся на одном из них и потащит ошибку дальше. Для задач, где цена ошибки высокая (покупки, финансовые операции, отправка писем), большинство продуктов требуют подтверждения перед действием — то есть полной автономности пока нет.

Второй ограничитель — стоимость. Каждый шаг цепочки — это отдельный вызов модели, а значит, расход токенов и времени. Многошаговая задача может выполняться десятки секунд и стоить заметно дороже одного ответа. Точные тарифы зависят от провайдера и меняются, сверяйте их на официальных страницах OpenAI, Anthropic, Google.

Кому это пригодится

• Разработчикам и аналитикам — агент читает документацию, ищет по кодовой базе, собирает данные из нескольких источников в один отчёт.
• Тем, кто делает рутинный ресёрч — сравнить десять товаров или собрать сводку по теме из разных сайтов агент делает быстрее ручного поиска.
• Автоматизаторам процессов — связка агента с корпоративными API закрывает шаблонные многошаговые операции.

Кому пока рано

• Тем, кому нужна предсказуемость каждый раз. Если задача критична и не терпит «уверенно сделал не то», проверяйте каждый шаг вручную.
• Для операций с деньгами без надзора. Автономная покупка или платёж без подтверждения — риск, который большинство сервисов сознательно не разрешают.
• Для простого голосового управления. Поставить таймер и включить музыку по-прежнему быстрее делает обычный ассистент, без цепочки рассуждений.

Что это значит на практике

Маркетинг называет агентом почти всё, где есть чат и языковая модель. Практический критерий проще: если продукт выполняет одно действие на запрос и не удерживает цель между шагами — это ассистент, пусть и на современной модели. Если он сам планирует последовательность действий, вызывает инструменты по своему решению и доводит многошаговую задачу до конца — это агент.

Разрыв между Siri и агентом — не в качестве распознавания речи, а в том, кто принимает решение о действиях. Раньше решал разработчик заранее. Теперь решает модель в моменте. Отсюда и главный компромисс поколения: больше возможностей — меньше предсказуемости.

^[1] Агент — программа на основе языковой модели, которая для достижения цели сама выбирает и выполняет последовательность действий, вызывая внешние инструменты, а не отвечает одной репликой.

^[2] Контекстное окно — объём текста (в токенах), который модель удерживает одновременно: и вашу задачу, и промежуточные результаты шагов. Чем оно больше, тем длиннее цепочку рассуждений модель помнит.