Если вы хоть раз смотрели выступление с какой-нибудь AI-конференции, то наверняка ловили себя на мысли: «Мы точно не опоздали? Все уже запустили умных агентов, а мы тут с чат-ботами возимся». Ребята из Red Hat на недавнем AI Impact Event решили эту тревожность приземлить. И сделали это крайне предметно.
Брайан Грейсли, старший директор по портфельной стратегии Red Hat, разложил по полочкам, что на самом деле происходит, когда AI-агенты добираются до production-среды. Спойлер: проблемы не в технологии, а в деньгах, безопасности и головах людей.
Паника преувеличена. Расслабьтесь, но готовьте кошельки
Многие enterprise-лидеры трясутся от страха: им кажется, что конкуренты уже на полную катушку гоняют AI-агентов, а они всё ещё в пилоте. Грейсли утверждает: это иллюзия. Команды, которые реально начинают строить, взлетают по кривой обучения намного резвее, чем сами ожидают.
Но тут же возникает другая проблема. Как только агенты начинают работать, расходы на AI взлетают до небес. Если раньше вы платили за пару запросов к чат-боту, то теперь агенты жрут ресурсы в объёмах, на порядок превышающих эпоху диалоговых моделей. Управление затратами превращается из задачи инженеров в регулярный вопрос на совете директоров.
Не кормите модель икрой, когда нужен хлеб
Самая глупая ошибка — по умолчанию тыкать самый мощный «мозг» на любую задачу. Серьёзно, зачем 400-миллиардному гиганту знать историю Западной цивилизации и счёт матча ЧМ по футболу, если вы просто хотите обработать страховой случай?
Тут на помощь приходит семантический роутинг: система сама определяет, какой сложности задача, и отправляет её к подходящей модели. Плюс кэширование повторяющихся запросов — чтобы не дёргать GPU по каждому пустяку. Эти приёмы ломают ложную дихотомию «или эффективность, или инновации».
Грейсли проводит аналогию с FinOps: когда-то бухгалтерам пришлось объяснять, что такое EC2-инстанс и S3-бакет. Теперь придётся втюхивать им понятие «токены» и объяснять, что «Роллс-Ройс» не нужен, когда достаточно велосипеда.
Семь дней на патч — и ты труп
AI меняет не только экономику, но и безопасность. Уязвимости теперь находят быстрее: ИИ-инструменты способны выцепить не просто критические дыры, а цепочки мелких багов, которые по отдельности безобидны, а вместе — ядерная бомба.
Старые циклы патч-менеджмента (когда заплатку катали месяц) теперь не прокатят. Red Hat оценивает «окно возможностей» для обновлений в 7–14 дней. Если не успеваете — готовьтесь к последствиям. Причём скорость развёртывания патчей становится уже не операционной метрикой, а стратегической способностью бизнеса.
Люди решают всё (и это не метафора)
И вот тут мы добираемся до самого больного. Чтобы агент работал, ему нужно скормить знания экспертов предметной области. Но эти эксперты — живые люди, которые боятся, что их заменят. И пока вы не решите вопрос их мотивации, любой супер-агент ляжет мёртвым грузом.
«Вам придётся думать о стимулах, — говорит Грейсли. — О том, что вы сделаете для людей, которые участвуют в этой работе, чтобы они не чувствовали угрозы, и как вы будете мотивировать их сотрудничать». Без этого — никуда. Технологии — штука простая, а вот организационная культура — та ещё задача.
Краткий итог: AI-агенты — это не про магию. Это про дисциплину бюджета, скорость реакции на уязвимости и умение договариваться с людьми. Если вы готовы ко всем трём пунктам — дерзайте.