Госсектор внедряет ИИ-ассистентов и агентов для обработки обращений и документов. Разбираем, что уже запущено, какие ограничения по данным и импортозамещению мешают, кому это подходит.
Крупные российские платформы обещают агентов, которые не отвечают на вопросы, а выполняют цепочки задач. Разбираем, что реально доступно, что пока в анонсах и где границы этой автономии.
Крупные российские банки перешли от чат-ботов к AI-агентам, которые сами выполняют операции. Разбираем, что уже работает, чем отличаются подходы и кому эти сервисы реально экономят время.
Автоматические ассистенты обещают вести карточки, отвечать покупателям и управлять ценами на Wildberries, Ozon и Яндекс Маркете. Разбираем, где это уже работает через официальные API, а где остаётся маркетингом.
Автономные ИИ-агенты гоняют персональные данные через десятки внешних API. Разбираем, что из этого упирается в 152-ФЗ и почему западные фреймворки приходится перепиливать под российский контур.
На рынке появились десятки решений, которые обещают заменить зарубежные AI-агенты. Разбираемся, где заканчивается автономный агент и начинается обычный чат-бот с интеграциями.
Западные вендоры ИИ-агентов — от OpenAI до Microsoft Copilot Studio — ограничивают доступ из России по IP и платёжным данным. Разбираем, что перестало работать и какие обходные пути остаются легально спорными.
LangChain и CrewAI остаются стандартом для сборки агентов, но с 2023 года у российских команд появились обёртки и SDK под YandexGPT и GigaChat. Разбираем, что реально работает и где проще остаться на зарубежном стеке.
Яндекс переводит YandexGPT из режима «ответь на вопрос» в режим «сделай задачу»: модель учат вызывать инструменты и работать внутри сервисов. Разбираем, что уже есть, а что пока обещание.
Сбер развивает GigaChat в сторону агентных сценариев — вызова функций, работы с документами и подключения к внешним системам. Разбираем, что из этого реально доступно через API и кому это подходит.
Рынок 2024–2025 годов заражён идеей «агента на всё». Разбираем, где agentic AI реально экономит время, а где превращает простую задачу в дорогой и непредсказуемый механизм.
Компании гонятся за автономными агентами на GPT-4o и Claude, но для половины задач хватило бы cron и пятидесяти строк кода. Разбираем, где агент оправдан, а где он дороже, медленнее и ненадёжнее обычного скрипта.