Что такое «агентный ИИ»? Понимание его истории поможет преодолеть ажиотаж.

Забронировать поездку, сравнив сотни предложений, составить отчет на основе нескольких документов, проанализировать медицинские данные или автоматически исправить компьютерную программу: эти задачи требуют аналитического мышления, систематического подхода и разнообразных навыков. «Агентный ИИ» теперь обещает выполнять их самостоятельно, координируя необходимые операции, используя инструменты и исправляя собственные ошибки… Однако современный агентский ИИ пока не охватывает всего богатства концепции «автономного агента», разработанной в предыдущие десятилетия.

Аналитическая компания Gartner назвала 2026 год годом «ИИ-агентов». Эти системы выходят за рамки простого усовершенствования диалоговых помощников. ИИ-агенты OpenClaw уже способны взаимодействовать друг с другом и выполнять сложные задачи при ограниченном контроле со стороны человека. Для предприятий, будь то в промышленности, администрации или здравоохранении, это обещает более гибкую автоматизацию, чем при использовании традиционного программного обеспечения, способную адаптироваться к различным ситуациям, а не просто применять заранее определенные правила.

Однако за этой кажущейся новизной скрывается более давняя история. Агентный ИИ является продолжением многолетних исследований в области автономных агентов и мультиагентных систем. Сегодня меняются инструменты, в частности, крупные языковые модели и их способность более естественно взаимодействовать с людьми.

От генерации текста к действию

Конверсационные модели, такие как ChatGPT, Gemini или Claude, впечатляют своей способностью резюмировать или составлять сложные тексты. Однако, если рассматривать их в отдельности, они остаются в основном реактивными: они генерируют ответ в ответ на запрос. Автономный агент идет дальше. Он может анализировать запрос, планировать последовательность операций, использовать внешние инструменты (поисковую систему, базу данных, программное обеспечение), оценивать полученный результат и при необходимости корректировать свою стратегию.

В то время как языковая модель ограничивается написанием компьютерной программы, агент может запустить ее в безопасной среде, отследить возможные ошибки, исправить код, а затем протестировать его заново. Одним словом, ИИ-агенты не просто говорят, они действуют.

Переход от генерации текста к действию меняет саму суть программного обеспечения. В то время как программа следует четко заранее определенным инструкциям, автономный агент может динамически адаптировать свои решения в зависимости от контекста, полученных результатов и поставленных целей. Он не обязательно заменяет человека, но изменяет распределение задач между контролем и выполнением.

Перспективы и риски

Эта эволюция открывает огромные перспективы. В организациях агенты могут автоматизировать трудоемкие бизнес-процессы. В промышленности они могут координировать работу сложных программных систем. В медицине они могут анализировать медицинские карты, искать соответствующие публикации и предлагать обобщенные выводы для помощи врачам. Однако эти перспективы сопровождаются рисками.

Действительно, текущие модели могут генерировать неточную информацию, так называемые «галлюцинации», и склонны воспроизводить предвзятость, присутствующую в их обучающих данных. Если агенты ограничены ролью помощников, эти ограничения уже являются проблематичными; они становятся критическими, когда речь идет о системах, способных воздействовать на техническую инфраструктуру, в частности, выполняя системные команды, манипулируя файлами или отправляя сетевые запросы.

Таким образом, вопрос об ИИ-агентах носит не только технический характер: он также имеет юридические, экономические и социальные аспекты. Он затрагивает трансформацию квалифицированного труда и управление информационными системами.

Историческая преемственность

Идея автономного агента возникла не с появлением языковых моделей. Она восходит к самым истокам искусственного интеллекта. В 1956 году на учредительной конференции в Дартмуте (на северо-востоке США) один из ее организаторов, Марвин Мински, уже определял ИИ как разработку программ, способных выполнять задачи, требующие так называемых интеллектуальных способностей, таких как понимание, обучение, рассуждение или принятие решений.

Начиная с 1980-х годов, понятие «интеллектуального агента» становится центральным. «Агент» тогда определяется как программа, способная воспринимать свое окружение, принимать решения и действовать для достижения целей. Очень рано исследователи развивают область многоагентных систем: организованных наборов автономных программ, которые взаимодействуют в одной и той же цифровой среде. Цель состоит в том, чтобы понять, как эти сущности могут координироваться, сотрудничать или конкурировать для решения сложных задач.

Этот подход наглядно иллюстрируется несколькими знаковыми работами. Система HEARSAY-II основана на модели «доски». Несколько специализированных модулей для распознавания, анализа и интерпретации языка способствуют пониманию речи, обмениваясь своими гипотезами в общем структурированном пространстве. Протокол Contract Net предлагает механизм, вдохновленный тендерами: для выполнения задачи один агент объявляет тендер, другие агенты предлагают свои услуги, и наиболее компетентные из них получают контракт. Другими словами, координация между агентами находится в центре ИИ уже несколько десятилетий.

Еще недоиспользованный резервуар идей

Но если идея агента и не нова, то «агентный ИИ» сегодня становится популярным среди неспециалистов благодаря центральной роли, которую играют крупные языковые модели. Несмотря на отсутствие причинно-следственного понимания и понимания физического мира, они наделяют агентов лингвистическими способностями и своего рода статистическим «здравым смыслом», что облегчает взаимодействие с людьми и интерпретацию сложных инструкций на естественном языке.

Тем не менее, современный агентный ИИ пока не охватывает всего богатства концепции автономного агента, как она была разработана в предыдущие десятилетия. На практике он по-прежнему чаще всего основан на последовательности действий, где каждый этап запланирован и упорядочен заранее. Работы, проводимые с 1990-х годов над мультиагентными системами, посвященные сотрудничеству, переговорам, распределению задач и коллективной адаптации, представляют собой кладезь идей, которые пока в значительной степени не используются.

Интеграция этих механизмов с возможностями крупных моделей открывает новые перспективы на будущее: агенты, способные не только выполнять план, но и коллективно организовываться, специализироваться и адаптироваться к сложным средам.

Таким образом, агентская ИИ представляет собой скорее новый этап, чем радикальный разрыв. Она объединяет теоретическое наследие мультиагентных систем с недавними достижениями генеративных моделей. Понимание этой исторической связи позволяет выйти за рамки модной тенденции. Агентный ИИ представляет собой попытку преобразовать прогнозные модели в системы, способные действовать, планировать и, возможно, в будущем, коллективно организовываться в сложных средах.