Полина Конорова
Agentic AI: что это такое и в чем отличие от AI Agent
Введение
Мы уже привыкли, что искусственный интеллект — это не что-то новое, неизвестное, фантастическое, а вполне себе базовый инструмент, применяемый во многих сферах бизнеса. Сегодня искусственный интеллект, во-первых, развивается невероятно быстро, а во-вторых, помогает с множеством рутинных задач, четко выполняя наши команды. А теперь представьте, что он может действовать автономно, практически без нашего участия? Именно это и делает новое поколение технологии — Agentic AI, о котором дальше пойдет речь.
В отличие от уже привычного Generative AI, который строго следуют заранее прописанным инструкциям, Agentic AI не просто реагирует на запросы, он умеет сам ставить задачи другим агентам, подстраиваться под новые обстоятельства и искать выход из нестандартных ситуаций. Он не ограничивается только тем, что ему сказали сделать.
Компания Gartner в своем докладе Top strategic technology trends for 2025: Agentic AI, прогнозирует, что к 2028 году не менее 15% повседневных рабочих решений будут приниматься автономно агентным AI. Он изменит подход к решению задач в самых разных отраслях — от оптимизации логистики до контроля качества на производстве.
Но что именно отличает Agentic AI от его предшественников? Как он достигает такого уровня функциональности? И, самое главное, как бизнес и индустрии могут использовать его для создания более умных систем? В этой статье мы раскроем основные принципы Agentic AI и сравним с AI agents.
Что такое Agentic AI
Под Agentic AI мы понимаем подход к созданию AI-систем с помощью AI-агентов для автономного управления и выполнения задач с минимальным вмешательством человека. Это как если бы у вас был не просто помощник-стажер, а полноценный коллега уровня senior, которому достаточно дать задачу и он сам найдет ресурсы, распределит задачи между другими агентами, получит от них обратную связь и сделает ревью, проведет исследование, а после, собрав все что получилось, выдаст полноценное решение задачи вам.
Agentic AI сочетает в себе элементы традиционного программирования, генеративного AI и, в некоторых случаях, других моделей машинного обучения. И все это под соусом нового уровня проактивности и автономности. Такие системы не просто пассивно ждут ваших команд, как это делают стандартные чат-боты, они обладают настоящей автономией: сами решают задачи, перераспределяя их между AI-агентами, разбивают их на подзадачи, при необходимости корректируют действия, не требуя постоянного контроля.
От автоматизации к автономности: переход от RPA к агентным системам
Ранее компании использовали RPA (Robotic Process Automation) и чат-ботов для автоматизации рутинных задач. Однако эти технологии работали только в рамках заранее заданных сценариев.
RPA, или robotic process automation, — это технология, когда компьютерные программы берут рутинные бизнес-задачи на себя. Роботы автоматизируют операции, которые ранее требовали участия человека, но программировать их нужно вручную, в отличие от Agentic AI, которому достаточно четко сформулировать инструкции и, к примеру, выдать базу знаний, к которой можно обращаться в случае непредвиденных ситуаций.
Agentic AI и AI agent: в чем разница
Agentic AI и AI agent — тесно связанные, но все же различающиеся концепции по области применения и функционалу.
- Agentic AI — это архитектурный подход к созданию сложных AI-систем, основанный на использовании AI-агентов. Эти агенты способны самостоятельно принимать решения, адаптироваться к изменениям в среде без постоянного контроля человека, взаимодействовать между собой и с другими компонентами системы (включая различные ML-модели) для достижения поставленных целей. Пример применения таких систем — самоуправляемые автомобили, системы оптимизации логистики, системы для клиентской поддержки.
- AI Agent — это отдельный компонент системы Agentic AI, активно выполняющий задачи и процессы с определенной степенью автономности в заданной среде. Под капотом обычно находится языковая модель (или другой AI-движок), отвечающая за принятие решений, планирование и взаимодействие со средой. Представим, что агент — это сотрудник, который каждый день выполняет какую-то работу, а LLM — это мозг этого сотрудника. Он выполняет конкретные задачи, использует определенные правила и обладает четко определенной (ограниченной) автономией. В качестве примера применения AI-агентов можно выделить чат-ботов для поддержки клиентов, виртуальных помощников, AI-ассистентов отдела продаж, Hr-рекрутеров.
AI-агенты выполняют определенные задачи по правилам, а Agentic AI адаптируется к изменениям — он может самостоятельно корректировать стратегию, учиться на ошибках и работать в сложных, меняющихся условиях.
Чтобы было понятнее, приведем основные различия и примеры:
| Критерии | AI Agent | Agentic AI |
|---|---|---|
| Уровень автономии | Работает строго в рамках заданных сценариев, реагирует на команды или вводимые данные. Не может выходить за пределы предустановленных правил. Например, голосовой ассистент реагирует только на конкретные запросы. | Самостоятельно оценивает обстановку, прогнозирует последствия и корректирует стратегии. Проактивные решения и действия, самообучение и оптимизация. Пример: кибербезопасность, где система обнаруживает угрозы до их явного проявления. |
| Сложность задач | Решает несложные, повторяемые задачи с четкими шагами. Например, обработка стандартных HR-запросов. | Управляет многоэтапными процессами, требующими координации нескольких подсистем. Например, в IT-поддержке система автоматически классифицирует тикеты, ищет решения в базах знаний и запускает исправления. |
| Риски и ограничения | Низкие риски из-за предсказуемости, но ограничен функционал. | Потенциальные проблемы с подотчетностью (например, кто отвечает за ошибку автономного автомобиля?) и безопасностью данных. |
| Адаптивность и обучение | Обновляется только через ручное изменение правил или дообучение модели. Не способен к самостоятельному анализу новых ситуаций. | Учится на своем опыте, используя обратную связь и данные в реальном времени. Например, кодинговый агент: пишет код, находит ошибки, докручивает до корректного варианта и публикует изменения. Затем анализирует и вносит изменения в правила, чтобы ошибки больше не повторялись. |
Основное различие между традиционными AI-агентами и агентским AI заключается в уровне автономии. Подытожим, AI Agents — это отдельные компоненты, выполняющие определенные задачи, в то время как Agentic AI представляет собой более продвинутую, организованную систему, в которой эти агенты взаимодействуют между собой для еще более качественных результатов.
Автономность и контроль
Мы уже поняли, что Agentic AI принимает решения без участия человека — все благодаря современным моделям обучения с подкреплением (RL, reinforcement learning). Системы постоянно совершенствуют свои стратегии, каждый раз извлекают уроки из результата и принимают более правильное решение в следующий раз.
Но не надо пугаться — автономия не означает вседозволенность и полное отсутствие контроля. Agentic AI проектируется так, чтобы его автономия не выходила за рамки этических норм и человеческих ценностей. Для этого используются специальные алгоритмы и механизмы контроля, которые позволяют системе оставаться под надзором и вмешательством человека, когда это необходимо.
Более того агенты в Agentic AI сами могут решать, когда им стоит позвать человека для решения задачи. Хороший пример — чат-боты на AI-агентах в банковской сфере, когда пользователю не нужно звать оператора, а система сама предугадывает, что сейчас нужно будет обратиться к человеку.
Примеры применения Agentic AI
Agentic AI востребован там, где автономия и адаптивность наиболее важны. Посмотрим, как это может работать на практике:
Например, в логистике классический AI может составить график доставки, а Agentic AI — предвидит заторы или непогоду, скорректирует маршрут, и сможет гарантировать своевременное прибытие грузов.
Аналогично в финансовой сфере — алгоритмы Agentic AI агенты могут непрерывно отслеживать рыночные колебания, оперативно оптимизировать инвестиционные стратегии и снижать риски, реагируя быстрее человека.
В производстве Agentic AI выявляют неэффективность и прогнозирует поломки оборудования. А в страховании ускоряет обработку заявок, выявляет мошенничество и автоматически принимает решения.
В сфере клиентского обслуживания такие системы берут на себя рутину: отвечают на типовые запросы, интегрируясь с базами знаний для поиска информации, с CRM-системами для персонализации ответов и с тикет-системами для создания заявок и информирования клиентов об их статусе. В результате время первого ответа (AFRT) сокращается в 6 раз, а операционные расходы — в 36 раз по сравнению с работой оператора-человека.
Сценарий в J‑Graph для бота, который помогает клиентам онлайн-кинотеатра
Яркий пример из практики компании Just AI – голосовой ассистент для ПМЭФ 2025. Этот AI-агент стал незаменимым помощником участников форума, оперативно решая вопросы по программе, аккредитации, транспорту и питанию, самостоятельно обрабатывая 40-50% всех входящих звонков и существенно разгружая живых операторов.
Автовладельцам Agentic AI предлагает комплексную поддержку: он может консультировать по техобслуживанию с учетом конкретной модели авто, помогать в экстренных ситуациях (находить ближайшее СТО, вызывать «Трезвого водителя») и даже подбирать новый автомобиль по запросу. Для бизнеса это создает ценную платформу для партнерства с поставщиками запчастей, сервисами и автодилерами.
Еще одним примером применения может быть AI-агент для кибербезопасности, который наглядно показывает реальные уязвимости агентов и LLM-систем и помогает их изучать. Это своего рода киберполигон, на котором можно попробовать свои силы во взломе LLM. AI-агент выступает судьей и определяет, насколько успешна была атака и какая уязвимость была найдена.
Звучит как магия, не правда ли? Все это лишь небольшая часть примеров применения подхода Agentic AI, а больше кейсов читайте в исследовании PWC Agentic AI – the new frontier in GenAI.
Заключение
Agentic AI — это новая технология, которая может изменить наш подход к работе, решению задач и принятию решений. Его потенциал — не в замене человеческого интеллекта, а в его усилении и создании новых возможностей для сотрудничества.
Если у вас появились вопросы или вы заинтересованы в создании и интеграции системы Agentic AI — заполните форму обратной связи и наши менеджеры свяжутся с вами для консультации.