Последние три года искусственный интеллект жил внутри довольно простой схемы.
Человек пришёл.
Написал запрос.
Получил ответ.
Попросил что-нибудь переделать.
Получил второй ответ.
Закрыл вкладку — и искусственный интеллект закончил рабочий день.
Даже самые умные модели по сути оставались очень талантливыми консультантами. Они могли написать код, исследование, письмо или маркетинговую стратегию, но каждый следующий шаг запускал человек.
За последние два месяца эта схема начала резко меняться.
11 августа xAI выпустила Grok Bot.
8 сентября Meta* — Muse.
29 сентября OpenAI — dots.
8 октября Google — Gemini agent.
Разные компании, разные продукты, разная аудитория.
Но идея у всех подозрительно одинаковая:
ИИ больше не должен ждать следующего сообщения человека.
Дайте ему задачу, компьютер, доступ к нужным приложениям и определённые полномочия — и он продолжит работать сам.
Через час.
Ночью.
Завтра.
А иногда вообще тогда, когда вы ещё не успели вспомнить, что эту работу надо было сделать.
Grok Bot первым показал, как это должно выглядеть
xAI прямо называет Grok Bot командой always-on агентов.
Не «помощником».
Не «чатом».
Командой.
У каждого Bot есть собственный облачный компьютер. Он может входить в приложения, работать с сайтами, почтой, CRM и другими инструментами примерно так же, как это делает человек.
Вы отдаёте работу.
Он выполняет её до конца.
И возвращается только тогда, когда действительно требуется решение или подтверждение.
Вот это уже очень сильно отличается от привычного AI.
Причём одного бота вообще не обязательно достаточно
Самая интересная часть Grok Bot, на мой взгляд, даже не собственный компьютер.
Можно создать несколько специализированных Bots.
Один работает с почтой.
Другой — с продажами.
Третий — с операционкой.
Четвёртый — с разработкой.
А сверху поставить ещё одного, который координирует остальных.
Боты умеют передавать друг другу работу и контекст, распределять задачи и подключать человека только там, где требуется его решение.
Это уже не «искусственный интеллект помогает сотруднику».
Это маленькая цифровая организация.
И вот здесь слово агент наконец начинает означать что-то практическое.
Потому что агент — это не модель, которая умеет нажимать кнопки
Сегодня этим словом называют почти всё.
ChatGPT вызвал поиск — агент.
Claude открыл страницу — агент.
Нейросеть написала три функции подряд — опять агент.
Но настоящий переход начинается в другом месте.
У системы появляется ответственность за незаконченный процесс.
Не:
— Сделай мне анализ конкурентов.
Получили документ.
А:
— Следи за конкурентами. Если происходит что-то важное — разберись и скажи мне, что это меняет для нас.
В первом случае человек запускает работу.
Во втором система сама понимает, когда ей пора проснуться.
И Grok Bot уже умеет не только работать по команде
У него есть routines — повторяемые процессы, которые Bot может сохранить и потом выполнять самостоятельно.
Причём триггером может быть не только расписание.
Например:
пришло сообщение в Teams;
появилась задача в Linear;
сработал Sentry;
возник инцидент в PagerDuty;
изменился pull request.
То есть агент работает уже не по схеме:
«каждый день в 9:00 сделай X»,
а:
«если произошло X — сделай Y».
Вот это очень важное отличие.
Расписание делает автоматизацию.
Событие делает систему живой.
Meta идёт в ту же сторону, только для обычного человека
Muse — уже не столько корпоративный сотрудник, сколько персональный агент.
У неё есть собственная постоянная виртуальная машина с браузером. Она может бронировать услуги, заполнять формы, заниматься поддержкой, делать покупки, работать с подключёнными приложениями и следить за задачами в фоне.
Вы можете сказать:
— Следи за ценой этих билетов. Если упадёт ниже такой-то — предупреди.
И закрыть приложение.
Muse продолжит работу.
То есть пользователь перестаёт быть обязательным оператором каждого действия.
Именно это раньше отличало красивую демонстрацию AI от нормальной автоматизации.
OpenAI dots делает ещё один шаг — к цифровому сотруднику
Dots тоже получают собственный облачный компьютер и браузер, могут подключаться к тысячам приложений и работать круглосуточно.
Но особенно интересна идея проактивной работы.
Dot может не просто выполнить полученную задачу, а продолжать наблюдать за уже подключёнными источниками и замечать, что появилось новое событие, связанное с вашими целями.
Например, вышла новая обратная связь от клиентов.
Появилась ошибка.
Изменились требования проекта.
Пришли новые данные исследования.
И dot способен сам обновить работу, которую делал раньше.
То есть проект перестаёт быть статичным документом.
Он становится процессом, за которым кто-то постоянно следит.
А сегодня Google фактически подтвердил: это уже общий тренд
Gemini agent Google называет универсальным агентом для работы.
Он получает контекст организации, подключается к корпоративным системам, планирует выполнение, использует нужные инструменты и возвращает уже готовый результат туда, где сотрудники работают.
В документы.
Почту.
Среду разработки.
Причём он может выбирать подходящую модель под конкретную часть задачи.
Вот тут особенно хорошо видно, куда всё едет.
Пользователю постепенно становится всё менее важно:
какая именно модель сейчас что-то сделала?
Ему нужно:
задача выполнена или нет?
Модель превращается в двигатель
Мы очень долго обсуждали:
GPT против Claude.
Gemini против Grok.
Какая модель умнее?
У кого больше контекст?
Кто лучше пишет код?
Но для агента модель становится лишь одной частью системы.
Есть ещё память.
Компьютер.
Инструменты.
Разрешения.
События.
Расписание.
Оркестратор.
Другие агенты.
Проверки.
Человек.
И довольно быстро выясняется, что лучшая модель вовсе не гарантирует лучшего цифрового сотрудника.
Можно поставить великолепный двигатель на тележку без колёс.
Далеко не уедет.
Кстати, мы сами уже строим такие системы
И вот тут для меня вся эта история стала особенно забавной.
Потому что когда смотришь на Grok Bot, dots или Gemini agent, внезапно узнаёшь архитектуру, к которой мы пришли совершенно с другой стороны.
Например, наш Авто-Дзен.
Там уже есть несколько специализированных ролей.
Один агент планирует.
Другой пишет черновик.
Третий редактирует.
Четвёртый проверяет.
Есть арбитр.
Есть оркестратор.
Есть повтор проблемного этапа.
Есть автоматический переход по цепочке.
Человек не сидит между каждым шагом.
По сути это уже агентная редакция.
Только пока в основном schedule-driven.
Наступило время публикации — система проснулась и пошла работать.
А следующий уровень — event-driven
Представим, Авто-Дзен следит за новостями.
Появилась горячая тема.
Система сама понимает:
— Эта новость сильнее запланированной публикации.
Отправляет её на исследование.
Готовит материал.
Проверяет.
Ставит вместо слабой темы.
Или:
CTR последних пяти статей резко вырос по роботам.
Система замечает тренд.
Перестраивает ближайший блок контент-плана.
Или статья упала на одном этапе.
Не ждёт человека.
Определяет, что сломалось, и восстанавливает только нужный кусок конвейера.
Вот это уже practically тот же класс always-on систем, который сейчас начали продавать гиганты AI-индустрии.
Market GPT находится немного раньше на этой дороге
Сейчас это скорее полуавтоматическая агентная система.
Ты нажал:
«Исследовать нишу».
«Найти потери».
«Сделать рекламный набор».
Дальше внутри происходит много автоматической работы.
Отдельные процессы уже event-driven. Пришёл лид — создаётся запись, запускается ИИ-продавец, идут следующие шаги.
Но глобально инициатором большой работы пока чаще остаётся человек.
Следующая стадия выглядит совсем иначе.
Market GPT сам замечает:
— Реклама просела.
— У клиентов повторяется одно возражение.
— Конкурент резко поменял оффер.
— Определённый сегмент начал лучше покупать.
После этого он сам проводит анализ и приносит владельцу не уведомление:
«у вас проблема»,
а:
«вот что произошло, вот почему и вот три изменения, которые предлагаю применить».
Это уже не инструмент маркетолога.
Это почти маркетолог.
И именно здесь лежит настоящий бизнес-эффект
Чат-бот экономит время на отдельной операции.
Написал текст за минуту вместо часа.
Хорошо.
Но человек всё равно должен был вспомнить, что нужен текст.
Открыть AI.
Дать задачу.
Получить результат.
Копировать.
Передать дальше.
Агент убирает стыки между операциями.
И вот там часто находится намного больше времени, чем в самой работе.
Возьмём обычный еженедельный отчёт.
ИИ способен написать выводы за минуту.
Но кому-то ещё нужно собрать данные, выгрузить их, привести к нормальному формату, загрузить в нейросеть, проверить результат и положить документ в нужную папку.
Always-on agent способен забрать процесс целиком.
В понедельник утром отчёт просто появляется.
Самый большой сдвиг — человеку больше не обязательно помнить о задаче
Это, пожалуй, главная мысль всей новой волны.
Обычный AI реагирует на намерение человека.
Агент реагирует на событие мира.
Пришла заявка.
Произошла ошибка.
Изменился показатель.
Поступил документ.
Появилось письмо.
Наступило время.
Закончился товар.
Клиент не ответил.
Система видит событие и запускает нужный процесс.
Человеческая память перестаёт быть главным планировщиком бизнеса.
И это довольно большой апгрейд.
Потому что большая часть менеджмента — это вообще «не забыть»
Не забыть перезвонить.
Не забыть проверить отчёт.
Не забыть отправить договор.
Не забыть повторно написать клиенту.
Не забыть поменять рекламу.
Не забыть проверить показатели.
Не забыть спросить сотрудника.
Мы создавали CRM, таск-менеджеры и календарь именно для того, чтобы человек реже забывал.
Но все они в основном умеют сказать:
— Сергей, тебе пора сделать вот это.
Always-on agent говорит:
— Сергей, это уже сделано. Вот место, где требуется твоё решение.
Это совсем другой класс автоматизации.
И организация начинает меняться
Раньше один сотрудник был узким местом между несколькими программами.
Он получил письмо.
Перенёс данные в CRM.
Создал задачу.
Скачал файл.
Отправил бухгалтеру.
Поставил напоминание.
Через два дня снова всё открыл.
Этот человек фактически был API из мяса между системами.
Агент способен постепенно забрать именно эту роль.
И тогда сотрудник остаётся там, где нужен смысл:
принять решение;
поговорить с клиентом;
договориться;
оценить риск;
выбрать направление.
Это намного ближе к нормальному разделению труда.
Правда, чтобы ИИ работал вместо человека, ему нужны человеческие права
И тут начинается веселье.
Grok Bot должен зайти в CRM.
Muse — в почту и календарь.
Dot — в корпоративные приложения.
Gemini agent — в бизнес-системы.
Чем больше агент умеет, тем больше ему нужно разрешить.
А чем больше разрешили, тем больше цена ошибки.
Это примерно как взять очень талантливого нового сотрудника и в первый день выдать ему:
ключи от офиса;
доступ к банку;
root от сервера;
пароль от CRM;
и печать генерального директора.
Потом удивиться:
— Что-то мы немного нервничаем.
Поэтому сейчас параллельно начинается вторая гонка — за контроль
Grok Bot умеет спрашивать разрешение перед действиями на компьютере.
Для покупок есть подтверждение.
Командные версии ведут audit log.
Muse требует разрешения перед отправкой сообщений, покупками и передачей информации.
Dots разделяет самостоятельные действия, действия с подтверждением и то, что агенту вообще запрещено.
Google сразу продаёт Gemini agent вместе с enterprise governance.
То есть индустрия очень быстро пришла к мысли, которую мы разбирали буквально в предыдущей статье:
ИИ недостаточно попросить быть хорошим. Нужно технически ограничить то, что он способен сделать.
Иначе always-on agent довольно быстро превращается в always-on проблему.
Причём безопасность становится сложнее из-за событий
Агент, которого запускает человек, хотя бы начинается с понятной команды.
Event-driven система может запуститься вообще без вашего участия.
Пришло письмо.
На сайте появилась страница.
Sentry сообщил об ошибке.
Кто-то написал в Teams.
И это событие само стало входными данными для действия.
Теперь злоумышленнику не обязательно обманывать человека.
Можно попробовать обмануть его агента.
Именно поэтому permission layer, sandbox и подтверждение критических операций из технической мелочи превращаются в фундамент всей новой индустрии.
Но это уже не остановить
Потому что экономическое преимущество слишком большое.
Если два конкурента делают одинаковый бизнес, но одному для каждой мелкой операции требуется человек, а у второго большая часть рутинной работы происходит автоматически, разница будет накапливаться.
Не обязательно увольнять половину компании.
Достаточно не нанимать новых людей при росте.
Было десять сотрудников.
Бизнес вырос вдвое.
Раньше потребовалось бы двадцать.
Теперь, возможно, хватит двенадцати и команды цифровых исполнителей.
Вот где изменения рынка труда начнут проявляться намного раньше массовых увольнений.
Сильный специалист при этом получает очень нечестное усиление
Один хороший предприниматель с пятью работающими агентами способен сделать объём маленького отдела.
Исследователь.
Помощник.
Контентщик.
Аналитик.
Разработчик.
Продажи.
Не полностью.
Не идеально.
Но достаточно, чтобы порог запуска новых проектов резко снизился.
Я это уже вижу даже на собственных системах.
Когда Market GPT начинает связывать исследование, рекламу, лидов и продажи в одну цепочку, ценность уже не в том, что одна модель умеет хорошо написать текст.
Ценность в том, что меньше человеческих рук требуется между этапами.
А эксперименты с такими архитектурами я регулярно показываю в GPT-Лаборатории.
Потому что сейчас самое интересное происходит уже не внутри модели.
А вокруг неё.
И чат при этом никуда не исчезнет
Телефон не исчез после появления приложений.
Клавиатура не исчезла после мышки.
Мы по-прежнему будем разговаривать с ИИ.
Только чат станет скорее кабинетом руководителя.
— Что у нас происходит?
— Почему ты сделал это?
— Измени приоритет.
— Вот здесь остановись.
— Покажи результаты.
А основная работа идёт в фоне.
Агент сам заглядывает в почту.
Проверяет показатели.
Запускает нужные инструменты.
Общается с другими агентами.
И приходит к человеку только тогда, когда человеку действительно есть что решать.
Вот тогда цифровой сотрудник становится настоящим сотрудником
Не когда он научился красиво говорить.
И даже не когда научился пользоваться браузером.
А когда появляется три свойства одновременно.
Память.
Он понимает, что происходило раньше.
Ответственность.
Он продолжает незавершённую работу без следующего пинка.
Инициатива.
Он способен заметить событие и понять, что сейчас нужно действовать.
Grok Bot, Muse, dots и Gemini agent подходят к этому с разных сторон.
Но движение одно.
От:
«спроси ИИ»
к:
«поручи ИИ».
И вот поэтому последние два месяца важнее, чем очередной новый бенчмарк
Можно спорить, кто сегодня умнее на два процента.
Grok.
GPT.
Gemini.
Через полгода таблица всё равно поменяется.
Гораздо интереснее другое.
Почти одновременно крупнейшие компании решили, что следующая форма AI-продукта — это не чат с моделью.
Это постоянно работающий цифровой исполнитель.
Со своим компьютером.
Доступами.
Памятью.
Расписанием.
Событиями.
Другими агентами.
И человеком наверху.
В августе появился Grok Bot.
В сентябре Muse и dots.
В октябре Google выпустил Gemini agent.
Можно считать каждый продукт отдельным экспериментом.
Но когда четыре крупнейших игрока практически одновременно строят одну и ту же категорию, это уже больше похоже на смену рынка.
Поэтому главный вопрос теперь не «когда появятся AI-агенты?»
Они уже появились.
Следующий вопрос намного практичнее:
какую часть своей работы мы готовы отдать системе, которая продолжает действовать после того, как мы закрыли ноутбук?
Сначала одну простую задачу.
Потом повторяемый процесс.
Потом область ответственности.
Потом несколько агентов.
И в какой-то момент человек утром открывает компьютер не для того, чтобы начать работу.
А чтобы посмотреть, что уже произошло за ночь.
Вот тогда эпоха чат-ботов действительно закончится.
Не потому что чат исчез.
А потому что искусственному интеллекту больше не понадобится ждать внутри него человека.
*Запрещена на территории РФ
