Enterprise AI: почему побеждают те, кто ограничивает автономию агентов

Anthropic продвигает «многопользовательский» ИИ, но в реальных продакшенах успех приносят не свободные агенты, а агенты с четкими рамками.

Корпоративный ИИ перестал быть игрушкой для ранних последователей. Anthropic, одна из самых амбициозных лабораторий в индустрии, делает ставку на то, что будущее — за «многопользовательскими» агентами, которые не просто отвечают на вопросы, а живут внутри команд, читают контекст Slack-каналов и сами встраиваются в рабочие процессы. Звучит как научная фантастика? Отчасти так и есть. Но за этим стоит вполне конкретный продукт — обновленный Claude Tag, который теперь видит весь разговор в канале, а не отдельные сообщения. Правда, чем дальше агенты вторгаются в рабочие будни, тем громче звучит другой вопрос: не слишком ли много автономии мы им даем? Индустрия уже споткнулась об это. Разбираемся, как устроен новый подход Anthropic и почему самые успешные компании, внедряющие агентный ИИ, сейчас намеренно ограничивают свободу своих цифровых сотрудников.

Anthropic представляет концепцию «многопользовательского ИИ»: от личного ассистента к командному игроку

Anthropic делает весьма нетривиальную ставку. Пока вся индустрия ломает копья, пытаясь нарастить моделям интеллект до уровня «сверхразума», в компании Скотта Уайта (руководителя отдела корпоративных продуктов) считают, что главный тормоз — банальное одиночество пользователей. Люди по-прежнему жмутся к ИИ по одному, как к персональному гугл-помощнику, а надо бы — толпой. В эксклюзивном интервью VentureBeat Уайт изложил концепцию «многопользовательского ИИ»: прощай, эра одиноких чат-ботов, да здравствуют агенты, которые врываются в командные чаты, читают корпоративный контекст и лезут в работу без спроса. Иногда — даже без упоминания через @.

«Раньше Claude ощущался как ваш личный руководитель аппарата, — говорит Уайт. — Теперь же, в контексте развертывания в организации, он чувствуется как руководитель аппарата всей компании». Звучит пафосно, но за этим стоит вполне конкретная эволюция. Уайт делит ее на три фазы. Сначала ИИ выполнял «часть задачи» — ответил на вопрос в чате, дописал строку кода. Потом дорос до целых задач: написать функцию целиком, составить аналитический отчет. И наконец, Anthropic заявляет, что мы вступаем в эру «проектов или целей». Цитата Уайта: «Модели способны работать в фоне, соединять различные источники данных и самостоятельно определять, как достичь абстрактной цели — например, "поддерживать наш продукт без ошибок"».

И вот тут ключевой аргумент: цели, в отличие от задач, по своей природе командные. А работа со знаниями, по словам Уайта, «гораздо более запутана, чем программирование». В разработке есть Git, pull request'ы и тесты — код можно проверить компиляцией. Знаниевая же работа требует человеческого суждения, чтобы оценить качество. Anthropic в этой схеме отводит себе роль «оркестратора» — нейтрального слоя, соединяющего разрозненные корпоративные данные, которые по своей природе фрагментированы. Открытый стандарт MCP (Model Context Protocol) выступает тем самым «USB-C для ИИ-коннекторов», позволяя агенту не замыкаться в одном вендорском зоопарке, а дергать данные отовсюду. Ставка сделана, фишки на кону.

Технологические прорывы, лежащие в основе проактивных ИИ-агентов

Три столпа: без чего проактивность осталась бы пустым звуком

Скотт Уайт, отвечающий за корпоративные продукты Anthropic Com, выделяет три составляющие, которые в сумме сделали этот фокус возможным. Первая — связность. Речь о Model Context Protocol (MCP), открытом стандарте, представленном Anthropic в конце 2024 года. Уже в 2025-м его подхватили OpenAI и Google, что превратило протокол в общий язык для подключения ИИ к корпоративным данным. Сам Уайт называет его «USB-C для ИИ-коннекторов» — метафора точная, ведь именно этот стандарт позволяет агенту добираться до данных, разбросанных по десяткам систем.

Второй столп — интеллект. Не просто способность отвечать на запросы, а умение соединять точки между разрозненными источниками. Уайт объясняет это просто: когда агент подключен ко всем системам, он должен видеть закономерности там, где человек их не заметил. Иначе проактивность мгновенно превращается в назойливость, а назойливый ИИ в рабочем чате — худшее, что можно придумать.

И наконец, третье — форм-фактор. Anthropic разместила агента прямо в Slack, где команды и так общаются. Как говорит Уайт, это было осознанное партнерство, давшее Claude федеративную идентичность: собственные разрешения, понимание каналов и доступ к контексту через MCP. Агент стал не приложением, которое нужно открывать, а участником разговора.

Революция тишины: почему молчание — тоже действие

Технически обновление выглядит радикально. Раньше в Claude Tag работал легковесный классификатор: он выхватывал каждое сообщение в канале и принимал бинарное решение — реагировать или не реагировать. Теперь классификатор упразднен полностью. Модель читает весь контекст канала, включая память и постоянные инструкции, а затем выбирает из четырех вариантов: ответить прямо в треде, развернуть глубокую работу в ветке, переадресовать сообщение в уже существующий рабочий процесс или воздержаться. Последний пункт — не просто формальность. Anthropic встроила в систему принцип «раздражающий агент хуже, чем бесполезный», поэтому Claude отправляется в спячку в каналах, где ему стабильно нечего добавить. Способность вовремя промолчать — не менее важное умение, чем способность вовремя вмешаться.

Почему совместный ИИ побеждает одиночных «звезд»: доказательства и метрики

Скотт Уайт сам признает: раньше, чтобы получить ответ на вопрос о бизнесе, ему приходилось идти к дата-сайентисту и ждать день-два, пока тот соберет анализ. Теперь достаточно попросить Claude — и вот он, результат, прямо в чате. При этом дата-сайентист не остался без работы: он создал инфраструктуру, которая гарантирует, что агент всегда обращается к правильным и актуальным данным.

Это не просто экономия времени. Это перестройка всего цикла принятия решений. Раньше, чтобы получить ответ на вопрос о бизнесе, приходилось идти к дата-сайентисту и ждать день-два, пока тот соберет анализ. Теперь достаточно попросить Claude — и вот он, результат, прямо в чате. При этом дата-сайентист не остался без работы: он создал инфраструктуру, которая гарантирует, что агент всегда обращается к правильным и актуальным данным.

Уайт признает: раньше, чтобы получить ответ на вопрос о бизнесе, ему приходилось идти к дата-сайентисту и ждать день-два, пока тот соберет анализ. Теперь достаточно попросить Claude — и вот он, результат, прямо в чате. При этом дата-сайентист не остался без работы: он создал инфраструктуру, которая гарантирует, что агент всегда обращается к правильным и актуальным данным.

Скотт Уайт признает: раньше, чтобы получить ответ на вопрос о бизнесе, ему приходилось идти к дата-сайентисту и ждать день-два, пока тот соберет анализ. Теперь достаточно попросить Claude — и вот он, результат, прямо в чате. При этом дата-сайентист не остался без работы: он создал инфраструктуру, которая гарантирует, что агент всегда обращается к правильным и актуальным данным.

Это не просто экономия времени. Это перестройка всего цикла принятия решений. Время, которое раньше уходило на бесконечные передачи работы от одного человека к другому, теперь тратится на суждения и стратегию. Уайт прямо говорит: множественные передачи работы для принятия решения сократились кардинально.

Хотите более приземленный пример? Инженерия надежности сайтов (SRE). Уайт называет ее самым ясным внешним доказательством концепции. Claude собирает журналы ошибок, связывает их с недавними изменениями кода и обсуждениями в Slack, а затем синтезирует все это и привлекает нужных людей. Не просто шлет алерты, а решает более крупные, амбициозные, целеориентированные задачи, где коллаборация необходима.

Пока это лишь красивая теория. Но рынок уже подтверждает: агенты — не мода, а неизбежность. Опрос McKinsey показывает, что 88% организаций используют ИИ хотя бы в одной функции, 62% экспериментируют с агентами, но только 39% видят влияние на прибыль, и лишь 6% — высокоэффективные компании. Цифры жесткие: большинство пока не зарабатывает на ИИ.

Deloitte прогнозирует, что 25% предприятий, использующих генеративный ИИ, развернут агентов уже в 2025 году, а к 2027-му — 50%. Anthropic же утверждает: именно перепроектирование рабочих процессов, а не прикрученные чат-боты, отделяет победителей от остальных. Продукт, реструктурирующий координацию команд, оказывается куда более убедительным, чем незначительно лучшая модель. Ирония в том, что для API-разработчиков Anthropic и их партнеров это не просто философия, а стратегия выживания.

Безопасность и защита от prompt injection: как Anthropic защищает постоянно активных агентов

Контроль на стороне предприятия и «эффект подзорной трубы»

Но Anthropic не собирается нянчиться с каждым клиентом вручную. Компания отдает предприятиям инструменты для самостоятельной настройки уровня паранойи. API для комплаенса и аналитики позволяют организациям выставлять собственные пороги риска. А для тех, кому и этого мало, предусмотрена интеграция со сторонними вендорами безопасности через специальные хуки и системы DLP (защиты от утечек). Проще говоря, вы можете встроить своего любимого поставщика «безопасности» прямо в пайплайн агента.

Впрочем, даже если атака просочится, масштаб ущерба ограничен архитектурой. Ключевой принцип — разрешения Claude работают как пересечение множеств: агент видит ровно столько, сколько имеет право видеть и он сам, и пользователь, который его позвал. Если человек не имеет доступа к данным из соседнего отдела, агент не просто не покажет их — он их физически не увидит. Контекст одного канала изолирован от другого: нельзя вытащить обсуждение из закрытого чата и притащить в общую ветку. Это не магия, а инженерное ограничение, которое делает «горизонтальное» распространение атаки между каналами практически невозможным.

Складывается ощущение, что в Anthropic понимают: пока конкуренты сражаются за то, чей агент умнее, битва за корпоративные внедрения выигрывается в переговорных с юристами и службой безопасности. Агент, которого нельзя провести через compliance, — просто дорогая игрушка. Поэтому многослойная оборона здесь — не прихоть, а жизненная необходимость для бизнеса, который решил пустить ИИ в свой общий чат.

Нерешенный вопрос ценообразования: что нужно знать каждому ИТ-директору

Иллюзия контроля: чем Anthropic пытается успокоить ИТ-директоров

Вместо внятных обещаний о цене Anthropic давит на контроль. Мол, смотрите, у нас есть бюджетные лимиты, привязанные к идентичности агента или целым группам доступа. Есть права на модели, позволяющие разным командам использовать разные профили производительности и стоимости. Если вы можете управлять соотношением цены и качества для каждой конкретной задачи, рассуждает Уайт, то «будет множество способов достичь желаемого результата».

Звучит красиво. Но если копнуть глубже, становится не по себе. Вся эта архитектура контроля — не что иное, как подготовка почвы для будущего биллинга. Согласитесь, когда провайдер говорит «настраивайте лимиты так, как вам удобно», это почти всегда означает, что вскоре появится счет, ради которого эти лимиты и создавались. Особенно забавно это выглядит на фоне агентов, работающих в Slack. Компании сейчас с энтузиазмом подключают Claude Tag к своим каналам, радуясь, что он «читает всю комнату» и сам решает, когда вмешаться. Они не задумываются, что каждый такой прочитанный мегабайт переписки — это потенциальные токены, которые кто-то будет оплачивать.

Прямой и честный ответ на вопрос, который каждый ИТ-директор должен задать себе прямо сейчас: экономика постоянно активных агентов с большим контекстом остается абсолютно неопределенной. Anthropic фактически субсидирует фазу обучения — и это разумная бизнес-стратегия. Сначала подсадить команды на агента, который живет в их повседневном инструменте общения, доказать его полезность на практике, а потом аккуратно включить счетчик. Любой, кто проектирует сегодня корпоративное развертывание Claude Tag, должен закладывать в бюджет расходы на будущую оплату контекста. Иначе через год-другой его ждет очень неприятный сюрприз в ежемесячном отчете по облачным расходам.

Почему предприятия могут выбрать Anthropic, а не Microsoft, Google и Salesforce

Конкурентный ландшафт на рынке корпоративного ИИ выглядит пугающе: Salesforce владеет Slack, Microsoft встраивает агентов прямиком в Teams, а Google делает то же самое со своим Workspace. И тут напрашивается резонный вопрос: за какому здравомыслящему ИТ-директору вообще придет в голову передавать самые чувствительные внутренние переговоры посторонней компании? Anthropic, судя по всему, считает, что такие люди найдутся — и у них есть аргумент.

Скотт Уайт, главный по корпоративным продуктам, отвечает на этот скепсис с хирургической точностью. По его словам, реальная ценность живет не внутри какой-то одной системы, а в связях между ними. Чтобы улучшить продукт на основе отзывов клиентов, нужно тянуть данные из Salesforce, дергать переписку из Slack, тащить аналитику из продуктовых инструментов и копаться в коде — и ни один вендор-монополист не владеет этой картиной целиком. Вообще ни один.

Именно здесь Anthropic позиционирует Клода как «оркестратора» — нейтральный слой, который остается над схваткой. Ключевой козырь: Model Context Protocol (MCP), открытый стандарт, который даже злейшие конкуренты Anthropic — OpenAI и Google — уже приняли на вооружение. По сути, компания предлагает архитектуру, где агент не заперт в «закрытом саду» одного экосистемного игрока, а вольготно гуляет по всем корпоративным системам сразу. Это структурное преимущество, которое у «валлированных» агентов просто отсутствует по определению.

Но есть и обратная сторона медали. Платформенные гиганты могут бесплатно встраивать своих агентов в собственные продукты и контролировать все точки интеграции, от которых так зависит Anthropic. Ставка компании предельно ясна: пограничный интеллект вкупе с межсистемной нейтральностью перевесит дистрибуцию. В кодинге это пока сработало. В общих интеллектуальных задачах, где работа с информацией куда хаотичнее, чем программирование, доказательств еще нет. Иными словами, Anthropic играет ва-банк: либо их «оркестратор» станет стандартом де-факто, либо платформенные гиганты просто задавят его своим присутствием везде и сразу.

Будущее: передача Claude квартальных целей компании

Звучит как сюжет киберпанк-антиутопии, где машины раздают людям поручения. Но Уайт говорит это с абсолютно серьезным лицом человека, который уверен, что описал не кошмар, а самую естественную эволюцию рабочего процесса. Мол, ИИ докатился до того, что способен не просто исполнять задачи, а формулировать стратегию. Осталось лишь дать ему квартальные цели — и дальше он сам разберется, кто в команде за что отвечает.

ИИ-начальник: между кибербезопасностью и делегированием людям

Осознавать такую перспективу неудобно. ИИ, который решает, какие проекты вообще стоит запускать, и привлекает людей «только когда им нужно улучшить его суждение», напрочь переворачивает традиционную пирамиду власти. Раньше инструмент был продолжением рук работника, а теперь — это шеф, который зовет подчиненного, только когда сам не справляется.

Сам Уайт признает: идея «немного абстрактная». А еще она поднимает вопросы управления, на которые сегодняшние системы контроля способны дать лишь зачаточные ответы. Кто виноват, если ИИ-руководитель выбрал неверные проекты и привел компанию к убыткам? Какие права у человека, которому алгоритм поручил «улучшить его суждение»? Этика здесь хромает на обе ноги, и это еще мягко сказано.

Уайт, правда, успокаивает: Anthropic публично взяла на себя обязательства по предотвращению катастрофических рисков вроде кибератак или биоугроз. Вот, мол, смотрите, мы серьезные ребята. Но если отбросить громкие слова, повседневная автономия алгоритмов на рабочем месте останется в руках клиентов. Именно им придется решать, где провести черту и как настроить разрешения, чтобы собственный ИИ не решил, что без него мир рухнет.

Не ждать приказа: что уже происходит в Slack

Пока футурологи спорят, реальность уже прокралась в рабочие чаты. В Slack-каналах больше не нужно призывать ИИ по имени — он сам слушает весь разговор, сам решает, когда влезть, и молча делает ту самую связующую работу, за которую раньше отвечали менеджеры, аналитики и руководители проектов. Ты просто обсуждаешь баг с коллегой — а ИИ уже открыл тред, разобрал полет нормально и выдал результат.

Уайт уверен, что это сжатие времени произойдет повсюду, и наблюдать за этим забавно. Еще два года назад модно было сравнивать ИИ с голодным стажером, который приносит кофе и тупит в простых задачах. Сегодня Anthropic повысила его до «руководителя аппарата» — и, что самое пикантное, он теперь подчиняется не одному боссу, а всей компании разом.

Остается лишь гадать, кто из сотрудников первым напишет в чат «это не входит в мои должностные обязанности» в ответ на поручение от собственного же ИИ. Впрочем, к тому моменту алгоритм, возможно, уже сам решит, что мнение человека ему не требуется.

Корпоративный ИИ: от контекстной инженерии к управлению знаниями

Пока корпоративный мир старательно приучает ИИ быть полезным сотрудником, инженеры, которые за всем этим стоят, увязли в старой, как сама корпоративная бюрократия, проблеме. Вместо того чтобы просто скормить нейросети пару документов, команды уже который год строят сложные конструкции из подключенных систем, чанков, эмбеддингов и поисковых пайплайнов. Все это вместе называется контекстной инженерией, и она прекрасно работает ровно до тех пор, пока ваш ИИ — одинокий ассистент, который помогает узкому кругу людей. Стоит же начать масштабировать его на всю организацию — и конструкция рушится под собственной тяжестью.

Почему? Во-первых, знания, которыми оперируют агенты, начинают жить собственной жизнью. Один и тот же продукт, клиент или бизнес-процесс может описываться совершенно по-разному в разных системах: в Jira заявка называется «фича», в CRM — «аккаунт», а в Confluence — «возможность». Извлечение этой информации в контекст не устраняет противоречия, а лишь переносит их в голову нейросети. Во-вторых, изменения не распространяются. Обновили один документ — теперь нужно вручную обновлять чанки, эмбеддинги, индексы и контексты во всех приложениях, которые этот документ читают. В-третьих, одни и те же пайплайны перестраиваются десятки раз разными командами, которые молотили одну и ту же базу знаний независимо друг от друга. Это все равно что каждому отделу строить собственную копию дата-центра, потому что «так принято».

Если смотреть на это в корне — это не проблема контекстной инженерии. Это классический конфликт управления знаниями. Платформы данных уже решили аналогичную задачу для структурированных данных: они управляют данными один раз и переиспользуют их во всех приложениях. Корпоративному ИИ требуется та же архитектурная дисциплина — общая платформа знаний, которая управляется централизованно, а затем публикует готовые к употреблению представления для любых агентов и приложений.

Предлагаемая архитектура выглядит как чистая схема базы данных с одного из лекционных слайдов, и это, пожалуй, комплимент. Четыре уровня, у каждого своя работа. Raw — сырые источники, сохраняются в исходном виде, чтобы в любой момент можно было перестроить все, что угодно. Refined — нормализация: мусор из разных систем превращается в аккуратные объекты знаний с общими форматами. Integrated — связывание всего этого в единую модель предприятия, где видно, как связаны документы, код, тикеты и разговоры. И наконец Serving — публикация в виде представлений, которые понимают ИИ-агенты. Каждый уровень живет своей жизнью и развивается независимо, но при этом все приложения в компании потребляют одну и ту же согласованную основу, а не кривой суп из разрозненных контекстов. Звучит как скучная архитектура, но именно она решает половину проблем, из-за которых корпоративные агенты до сих пор делают вид, что знают компанию, в которой работают.

Почему предприятия, побеждающие с ИИ-агентами, ограничивают их автономию

Долгое время в корпоративном ИИ господствовала простая вера: чем больше автономии у агента, тем выше производительность. Дайте ему планировать, принимать решения и действовать в многошаговых процессах, а дальше он как-нибудь сам разберется. В реальных производственных средах это допущение начало трещать по швам. Компании, которые действительно выигрывают от агентного ИИ, вовсе не дают своим агентам максимальную свободу. Наоборот, они создают агентов с четко очерченными обязанностями и жесткими рамками, за которые нельзя выходить.

Цифры говорят сами за себя. По прогнозу Gartner, более 40% текущих агентных проектов не доживут до 2028 года. Причина не в том, что модели недостаточно умны, а в том, что стоимость растет, бизнес-ценность остается туманной, а контроль рисков хромает. Аналитики из McKinsey добавляют картину маслом: средняя зрелость ответственного ИИ в компаниях сейчас составляет 2,3 из 4, и лишь около 30% организаций достигли уровня 3 или выше в управлении и контроле агентных систем. Почти две трети опрошенных называют безопасность и риски главным барьером для масштабирования — это обогнало даже неопределенность регулирования.

Гонка 2024–2025 годов была за самого автономного агента. Гонка 2026–2027 годов — это гонка доверия. Вопрос уже не в том, кто построит самого умного робота, а в том, кому удастся провести его через инстанции риск-менеджмента, юридического и комплаенс-отделов, получить одобрение на запуск в продакшн и не потерять его после первого же инцидента. А это, как выясняется, совсем другая инженерная задача, к которой большинство предприятий просто не готово.

Назовем главную проблему прямо: автономия и подотчетность движутся в противоположных направлениях. Чем более независимо агент планирует и исполняет задачи, тем сложнее потом восстановить, почему он принял то или иное решение. Когда что-то ломается на третьем шаге автономной цепочки, разбор полетов превращается в расследование, а не в простой просмотр логов. Для финансовых сверок, комплаенс-процессов, контроля качества производства или клинической документации такая непрозрачность может стоить серьезного регуляторного нарушения. Именно поэтому юристы, специалисты по рискам и комплаенс-офицеры блокируют агентные проекты на пороге продакшена — независимо от того, насколько хороша модель.

Интеграционная сложность остается главной причиной закрытия проектов. Встроить автономного агента в легаси-процесс — это не просто добавить технический слой. Точки принятия решений, цепочки утверждений и аудиторские следы в старом процессе приходится перестраивать под систему, которая теперь может действовать без ожидания человека. Те, кто считает это чисто инженерной задачей, решаемой дополнительными часами разработки, как правило, и застревают в мертвой точке.

У организаций, которые достигли зрелости в управлении агентами, вырисовываются общие паттерны. Во-первых, узкоспециализированные агенты вместо универсальных: они декомпозируют сквозные процессы на агентов с единственной ответственностью и ограниченным мандатом. Чем меньше область работы, тем меньше область провала — и тем легче ее аудировать. Во-вторых, человеческие контрольные точки на границах решений: решение агента проверяется до выполнения высокорискового действия, а не по факту случившегося. Автономия — это не кнут и не пряник, а инструмент, который требует дисциплины.

Пока одни вендоры соревнуются в том, кто выпустит более самостоятельного агента, другие тихо перестраивают процессы так, чтобы доверять ему по чуть-чуть. Гонка 2024–2025 годов за самую автономную модель закончилась. На смену ей пришла гонка доверия — и в ней побеждают не те, у кого самый умный алгоритм, а те, кто сумел убедить юристов, комплаенс и риск-менеджмент, что агент не натворит дел. Anthropic делает ставку на то, что перепроектирование рабочих процессов важнее, чем еще один скачок в интеллекте модели. Пока это лишь гипотеза, проверяемая в десятках Slack-каналов по всему миру. Хочется верить, что компании, наконец, перестанут поклоняться автономии как самоцели. Иначе к 2028 году добрую половину агентных проектов мы будем провожать на кладбище неоправданных надежд.

Справка по теме (FAQ)

Что изменилось в обновлении Claude Tag от Anthropic?

Раньше агент оценивал сообщения в Slack по одному и решал, стоит ли отвечать. Теперь Claude читает полный контекст диалога в канале и выбирает одно из четырех действий: ответить прямо в канале, начать глубокую работу в треде, направить сообщение в существующий рабочий процесс или промолчать. Это повысило точность решения о вмешательстве примерно на 30%.

Почему компании с ИИ-агентами ограничивают их автономию?

Потому что автономия и подотчетность движутся в противоположные стороны. Чем свободнее агент, тем сложнее выяснить, почему он принял то или иное решение, и тем труднее определить ответственность при сбое. Это особенно критично в финансах, комплаенсе и медицине.

Каковы прогнозы по выживаемости агентных проектов?

Gartner прогнозирует, что более 40% текущих проектов агентного ИИ не доживут до 2028 года. Причины — рост затрат, отсутствие ясной бизнес-ценности и слабый контроль рисков. McKinsey добавляет, что почти две трети организаций называют безопасность главным препятствием для масштабирования.

Какие паттерны помогают компаниям успешно внедрять агентов?

Два ключевых паттерна: во-первых, узкоспециализированные агенты с единственной ответственностью вместо универсальных; во-вторых — человеческие контрольные точки на границах решений до высокорисковых действий. Такой подход облегчает аудит и снижает последствия ошибок.