Евгений Волков – Когда машина отвечает (страница 8)

Вам нужно съездить на два дня в другой город. Сегодня вы могли бы попросить языковую модель подобрать удобные рейсы, сравнить гостиницы, составить расписание и написать письмо коллегам. Она подготовит варианты, а дальше всё сделаете вы: откроете сайт авиакомпании, введёте данные, подтвердите оплату, забронируете номер, перенесёте встречи в календаре и отправите сообщения.

А теперь изменим в этой сцене одну фразу.

Не «помоги мне организовать поездку».

А «организуй поездку».

Разница состоит всего в нескольких словах, но для технологии — почти в смене профессии.

Чтобы выполнить вторую просьбу, система должна не только создать текст. Ей нужно открыть сайты, прочитать расписание, сравнить цены, войти в сервисы, получить доступ к календарю, возможно — к почте и платёжному инструменту, выбрать вариант, заполнить формы, а затем совершить действия, после которых мир уже будет немного другим.

Билет куплен.

Деньги списаны.

Встреча перенесена.

Письмо отправлено.

До этого момента ошибка модели могла оставаться предложением на экране. Теперь ошибка способна стать событием.

Именно здесь начинается эпоха AI-агентов — не потому, что появилось какое-то новое цифровое существо, а потому, что модель получила руки.

Не настоящие, конечно. Её «руками» становятся инструменты и разрешения.

Она может вызвать программу. Открыть браузер. Выполнить код. Изменить файл. Отправить письмо. Создать встречу. Обратиться к корпоративной базе. И — если система устроена так, чтобы повторять цикл «посмотреть, решить, сделать, проверить результат» — продолжать до тех пор, пока задача не будет выполнена или пока её не остановят.

В первой главе мы уже увидели разницу между моделью и системой вокруг неё. Теперь эта разница становится принципиальной.

Потому что вопрос больше не только в том, насколько хорош ответ.

Вопрос в том, что ответу разрешено делать.

Когда действие стало интерфейсом

Автоматическое действие само по себе не новость.

Банковская программа десятилетиями переводит деньги по заданному правилу. Почтовый фильтр перемещает письма в спам. Торговая система выставляет ордер. Корпоративный скрипт создаёт отчёт каждое утро. Автопилот поддерживает параметры движения. Всё это программное обеспечение может действовать без того, чтобы человек нажимал кнопку на каждом промежуточном шаге.

Поэтому было бы ошибкой описывать AI-агента как первый случай, когда машина «что-то делает сама».

Новизна в другом.

Обычная автоматизация, как правило, строится вокруг заранее определённой процедуры: если произошло X, выполнить Y. Агентная система получает более общую цель, сформулированную человеческим языком, и сама выбирает часть промежуточных шагов.

«Подготовь отчёт о конкурентах».

«Разберись, почему тесты падают, и исправь код».

«Найди подходящее время для встречи с шестью людьми и договорись со всеми».

«Проверь эти счета и подготовь платежи».

Человек задаёт конечное намерение. Система превращает его в цепочку операций.

В Международном докладе по безопасности ИИ 2026 года для окружения, которое превращает модель в агента, используется слово scaffolding — «обвязка», или вспомогательная конструкция. Это память, инструменты, правила взаимодействия с ними, цикл планирования и проверки, а также ограничения, которые определяют, что системе разрешено.

Для обычного пользователя техническое слово не так важно, как вывод.

Способности агента зависят не только от модели.

Одна и та же модель, запертая в окне чата, способна написать инструкцию по удалению ненужных файлов. Подключённая к компьютеру — удалить их. Подключённая к корпоративной инфраструктуре — удалить их там. Получившая широкие права — сделать это в масштабе, который никто не подразумевал.

Поэтому разговор об агентности неизбежно становится разговором не только об интеллекте, но и об архитектуре полномочий.

Что именно система видит?

Какими инструментами располагает?

К каким данным имеет доступ?

Какие действия может выполнить без подтверждения?

Что необратимо?

Кто увидит журнал её действий?

И что произойдёт, если цель сформулирована правильно, а путь к ней окажется неожиданным?

Главная возможность

У агентной идеи есть очень сильная сторона, и её легко недооценить, если начинать разговор только с рисков.

Современная интеллектуальная работа состоит не из одного великого акта мышления. Большая её часть — координация.

Найти документ.

Скопировать цифру.

Сверить версии.

Открыть таблицу.

Запросить данные.

Перенести результат в другое приложение.

Написать письмо.

Дождаться ответа.

Обновить статус.

Вернуться к первоначальной задаче.

Человек может быть высококвалифицированным специалистом и при этом тратить значительную часть дня на переходы между системами.

Генеративный помощник сокращает стоимость отдельного интеллектуального шага: он быстрее пишет черновик, суммирует документ или предлагает вариант анализа.

Агент обещает сократить стоимость самой координации.

Это другой вид производительности.

Не «напиши быстрее письмо».

А «проследи весь процесс от запроса до результата».

Именно поэтому интерес к агентам так велик. Они потенциально превращают естественный язык из способа попросить совет в способ управлять программным обеспечением.

Вместо того чтобы изучать интерфейс десяти сервисов, пользователь описывает намерение.

Это особенно важно для людей, для которых сложность цифровых систем сама по себе является барьером: малых предпринимателей без IT-отдела, сотрудников, которым приходится работать сразу в нескольких корпоративных программах, людей с ограничениями моторики или зрения, тех, кто плохо знает конкретный интерфейс, но хорошо понимает собственную задачу.

Поэтому агентность нельзя сводить к модному слову.

Если она станет достаточно надёжной, она может изменить саму форму взаимодействия человека с компьютером.

Не «какую кнопку нажать?»