Честно говоря, за последние полгода меня всё больше поражает одна довольно сюрреалистичная вещь:

Все вокруг говорят о том, как ИИ помогает компаниям сокращать рабочую силу, запускать автоматизацию, использовать агентов для устранения рутинных задач. Но любой, кто действительно пытался внедрять всё это в бизнесе, знает — точность вычислений ИИ не самая большая проблема, настоящая сложность — заставить его «послушно выполнять» задачи.

Подумайте сами: понаблюдайте за любым ключевым бизнес-процессом средней компании хотя бы несколько дней, и сразу станет понятно:
Риски не в том, насколько точна модель, а в том, можно ли контролировать исполнение;
Проблема не в уровне интеллекта, а в том, насколько чётко определены границы;
Барьеры не в эффективности, а в том, насколько можно замкнуть процесс.

Вот почему, когда я позже пересматривал некоторые проекты, занимающиеся инфраструктурой для уровня исполнения, понял, что их работа куда важнее, чем кажется на первый взгляд — их задача не «нажать на газ» ИИ, а установить ему тормоза. Говоря проще, — надеть на автоматизацию «структурированную клетку».

Чем больше компания хочет облегчить себе жизнь с помощью ИИ, тем острее ей нужна система, которая свяжет воедино действия, границы полномочий, платёжные цепочки, согласованность правил. А сейчас на всём рынке только несколько проектов способны объяснить это структурированным языком.

# Чем умнее модель, тем выше вероятность потери контроля над исполнением

Многие, впервые увидев, как агентные системы работают в бизнесе, поражаются:
Автоматическое размещение заказов, автоматическое распределение бюджета, автоматические трансграничные переводы, автоматическая интеграция с SaaS, автоматические возвраты, автоматическая маршрутизация API.

Но CTO компании видит совершенно другую картину:
- Не вышло ли оно за рамки полномочий?
- Не обошло ли оно систему управления рисками?
- Какого поставщика оно выбрало?
- Почему оно выбрало именно этот маршрут?
- Оставлена ли аудиторская запись по этому списанию?
- Не будет ли превышен бюджет?