Издание VentureBeat опросило 107 компаний — инженеров, продакт-менеджеров и руководителей направлений по данным и ИИ — о том, как у них устроена работа с ИИ-агентами. Одна цифра оттуда стоит отдельно: каждая пятая компания не может остановить вышедшего из-под контроля агента в реальном времени.
Не «не заметила», не «поздно среагировала». Не может остановить — нет механизма.
Ещё 21% полагаются только на реактивный мониторинг, то есть узнают о проблеме постфактум, разбирая логи. Складывается неприятная картина: агентов запускают массово, а тормоза к ним прикрутить забывают.
Почему траты вообще могут убежать
Механика неочевидная, и без неё непонятно, чего именно бояться.
Обычная программа стоит предсказуемо: вы знаете, сколько запросов она сделает. Агент устроен иначе — он сам решает, сколько шагов ему понадобится. Получил задачу, сходил в базу, не хватило данных — сходил ещё раз, вызвал внешний сервис, проверил результат, не понравилось — переделал. Каждый такой шаг — платное обращение к модели.
Дальше простая арифметика. Если агент попал в цикл — например, проверяет собственный результат, каждый раз находит его недостаточным и запускает новую итерацию, — он будет крутиться, пока его кто-нибудь не остановит. Ночью, в выходные, без единой ошибки в логе: формально он работает штатно, просто бесконечно.
Отдельно про слово «токены», раз без него не обойтись: оплата у языковых моделей идёт не за запрос, а за объём обработанного текста, нарезанного на кусочки. Чем длиннее контекст, который агент таскает за собой от шага к шагу, тем дороже каждый следующий шаг. Зацикленный агент дорожает по ходу дела — расход растёт не линейно, а с ускорением.
Чем компании пытаются это контролировать
Расклад из того же опроса:
- 30% полагаются на встроенные средства контроля платформы
- 25% построили собственный шлюз, через который проходят все обращения
- 25% используют динамическую маршрутизацию — перекидывают запросы между моделями
- 21% — только реактивный мониторинг
Работоспособный вариант здесь по сути один — собственный шлюз. Это отдельная прослойка, через которую агент обязан ходить наружу: она считает расход, знает лимит и умеет отказать. Встроенные средства платформы неплохи, но заканчиваются ровно там, где заканчивается платформа. А платформ у всех больше одной.
Зоопарк платформ — вот где корень
Главная цифра опроса, на мой взгляд, вообще не про деньги.
85% компаний используют минимум два инструмента оркестрации агентов одновременно, 64% — три и больше. На одной платформе живут только 15%. Конкретно: 70% используют Microsoft AI Foundry или Copilot Studio, 68% — Agents SDK от OpenAI, 47% — платформу Claude от Anthropic.
Каждая из них считает расход по-своему и показывает его в своей панели. Общего счёта нет ни у кого. Именно поэтому пятая часть компаний не может остановить агента в реальном времени — останавливать нечем, если у вас три раздельные системы и ни одной точки, где видно всё сразу.
Компании это понимают: 53% рассчитывают собрать единый слой управления поверх всех платформ к концу 2026 года. Пока не собрали.
Насколько всё это вообще автономно
Тут полезно сбить градус паники, потому что в пересказах эти данные обычно превращаются в «армии автономных агентов вышли из-под контроля».
По уровню зрелости расклад скромный: лишь 2% компаний говорят, что у них 76–100% систем относятся к продвинутым автономным. 14% дошли до сложных многоагентных конвейеров на половине систем. Почти половина, 47%, признают настоящую оркестрацию у четверти-половины своих систем, а 35% — только у 1–25%. И 3% развернули вообще только чат-ботов.
То есть реальный уровень автономности в среднем невысокий. Проблема не в том, что агенты слишком умны, а в том, что даже полуавтономных запустили много и в разных местах, а учёт остался ручным.
Второй риск, про который забывают: кто отвечает
Деньги — не единственное, что может пойти не так, и юридическая сторона в отчётах почти не разбирается.
Специального регулирования ИИ в России нет, работают общие нормы. Ключевая — статья 1068 Гражданского кодекса: юридическое лицо отвечает за вред, причинённый его работником при исполнении обязанностей. Агент работником не является, но для компании это ничего не меняет: ответственность всё равно замыкается на ней — как на том, кто выбрал и применил инструмент.
Пётр Деревенский, разбиравший тему для Контура в феврале 2026 года, формулирует принцип коротко: управленческое решение считается принятым человеком, даже если оно основано на рекомендациях алгоритма.
Практический смысл. Клиент, которому ваш бот выдал неверную консультацию, придёт не к алгоритму и не к поставщику модели. Он придёт к вам. Формулировка «так решил наш ИИ» юридического содержания не имеет вообще.
Отсюда три вещи в дополнение к финансовым лимитам: обязательное участие человека в критических решениях, документирование работы с ИИ (какие данные подали, какой запрос, какой вывод), и перекрёстная проверка результата там, где цена ошибки высока.
Что я бы поставил до запуска, а не после
Пять вещей, ни одна из которых не требует отдельного проекта.
Жёсткий потолок расходов на уровне ключа доступа, а не на уровне доброй воли агента. Ограничение должно стоять там, где агент его не может обойти, — снаружи от него.
Лимит шагов на одну задачу. Не выполнил за N итераций — остановился и позвал человека. Одна строка в конфигурации закрывает почти все сценарии зацикливания.
Отдельный счёт на пилот. Не общий корпоративный ключ, по которому потом невозможно разобрать, кто и сколько потратил.
Права только на чтение, если задача не требует иного. Агент, который не может ничего изменить, не может ничего сломать. Это пятый шаг пошагового плана внедрения, и пропускают его чаще остальных.
Названный человек, отвечающий за результат агента. Не «команда внедрения» — конкретный сотрудник, чья работа считается сделанной плохо, если агент выдал брак.
Дальше — вопрос, который я задаю на каждом обсуждении запуска: кто увидит перерасход и через сколько минут? Если ответ «бухгалтерия, в конце месяца» — запускать рано.
Насколько можно верить этим цифрам
Выборка небольшая: 107 компаний. Это не репрезентативный срез рынка, а срез читателей технологического издания — там сильный крен в сторону компаний, которые с агентами уже работают всерьёз. У обычной компании, запустившей одного бота в поддержке, картина мягче.
Кроме того, опрошены в основном инженеры и руководители технических направлений. Сколько денег реально сгорело, они не сообщали — цифр по убыткам в исследовании нет вообще, только по наличию механизмов контроля.
Стоит держать в голове и российский контекст: по данным UserGate, среди компаний, которые ИИ не внедряют, вторая по частоте причина — именно неопределённость рисков (38%). То есть на нашем рынке этот страх уже влияет на решения, причём чаще, чем нехватка бюджета.
Но именно это и делает вывод устойчивым. Речь не о том, что у всех горят бюджеты, а о том, что у пятой части компаний нет способа их потушить, если загорится. Тормоза ставят до первой поездки, а не после первой аварии.