Вы говорите, что используете ИИ. Скорее всего, вы просто стоите на одной из первых ступеней, где он остаётся игрушкой, поисковиком или умным редактором.
Зрелость в работе с ИИ определяется не тем, какую модель вы открыли, а тем, какую часть повторяемой работы вы превратили в управляемый процесс с правилами, контекстом, инструментами, метриками и понятной зоной ответственности. Новички используют ИИ для ответов. Продвинутые поручают ему задачи. Сильные строят на нём процессы. Самые сильные управляют через него системами. Ниже двенадцать ступеней этой лестницы и типичная ошибка на каждой.
Вопрос уже не в том, пользоваться ли ИИ
По исследованию McKinsey за 2025 год, 88% организаций регулярно применяют ИИ хотя бы в одной функции. Год назад было 78%. Опросили почти две тысячи руководителей из 105 стран, и картина одинаковая везде: пробуют все.
Дальше начинается расслоение. Только около 21% компаний, использующих генеративный ИИ, перепроектировали под него хотя бы часть процессов. Остальные четыре из пяти просто прикрутили ИИ поверх того, как работали раньше. При этом именно перепроектирование процессов сильнее всего связано с реальным эффектом на прибыль: те, кто это сделал, почти втрое чаще говорят о заметном результате.
С агентами та же история. Масштабируют агентные системы 23% компаний, хотя бы экспериментируют с ними 62%. Рынок уже перешёл от вопроса «пробовать ли ИИ?» к вопросу «на каком уровне зрелости ты его используешь?». Вот как выглядит эта лестница.
12 ступеней зрелости
| Ступень | Кто вы на ней | Что делаете | Главная ошибка |
|---|---|---|---|
| 0 | Скептик | «ИИ переоценён, мне это не нужно» | Не замечаете, что конкуренты уже ускорились |
| 1 | Турист | Открыли первую попавшуюся модель, что-то спросили | Судите обо всём ИИ по одному случайному опыту |
| 2 | Пользователь | Сравниваете модели по качеству, логике, работе с файлами | Думаете, что результат зависит только от модели |
| 3 | Платящий пользователь | Купили Pro-план: больше контекста, скорость, файлы, инструменты | Используете платный ИИ как бесплатный чат |
| 4 | Промпт-инженер для себя | Собираете повторяемые промпты под типовые задачи | Коллекционируете промпты вместо того, чтобы строить процессы |
| 5 | Оператор сценариев | Поручаете ИИ регулярную работу: черновики, ресёрч, таблицы, проверки | Каждый запуск всё ещё руками |
| 6 | Архитектор контекста | Подключаете документы, базы знаний, регламенты, переписку, данные CRM | Дали данные, но не задали правила проверки |
| 7 | Пользователь агентов | Агент сам планирует шаги, берёт инструменты, ищет, анализирует, предлагает действия | Путаете агента с «очень длинным промптом» |
| 8 | Владелец AI-процессов | Агент встроен в процесс: лиды, отчёты, контент, аналитика, поддержка | Нет метрик качества, поэтому непонятно, работает ли это |
| 9 | Руководитель AI-операций | ИИ сам мониторит процесс, ловит сбои, предлагает изменения | Отдали контроль без границ, логов и стоп-правил |
| 10 | Оптимизатор AI-экономики | Подбираете модель под задачу: где дорогую, где дешёвую, где локальную | Начали экономить раньше, чем добились качества |
| 11 | AI-native предприниматель | Процессы проектируются сразу вокруг ИИ, а не «ИИ сверху» | Автоматизируете старый хаос |
| 12 | Конструктор автономной организации | У компании свои агенты, роли, данные, тесты качества, бюджеты, безопасность | Сложная архитектура без бизнес-эффекта |
Эти двенадцать ступеней складываются в четыре больших этапа. Ступени 0–4: ИИ для ответов. Ступени 5–6: ИИ для задач. Ступени 7–9: ИИ для процессов. Ступени 10–12: ИИ для управления системами. Большинство людей и компаний, которые «используют ИИ», сидят между третьей и пятой.
Почему платная подписка не делает вас продвинутым
Самая массовая иллюзия звучит так: «бесплатная модель → хорошая модель → платная модель → агент». Кажется, что прогресс это апгрейд инструмента.
На самом деле прогресс выглядит иначе: разовый запрос → повторяемый сценарий → процесс → процесс с инструментами → процесс с метриками → автономный процесс с ограничениями. Это движение не по моделям, а по системам.
Pro-план даёт больше контекста, скорость, работу с файлами и доступ к инструментам. Но если вы продолжаете писать «сделай мне текст» по одному запросу за раз, вы просто платите за тот же чат. Скачок начинается не когда вы заплатили, а когда ИИ получил постоянную задачу, контекст и право часть работы выполнять без вас.
Что такое агентный ИИ простыми словами
Обычный ИИ отвечает на запрос. Агентный получает цель и сам решает, что делать: понять задачу, составить план, выбрать инструменты, достать данные, выполнить действия, проверить результат, исправить ошибки, отчитаться или передать дальше.
Google описывает агентов как системы, которые используют ИИ для достижения целей и выполнения задач от имени человека, с рассуждением, планированием, памятью и какой-то долей самостоятельности. Anthropic формулирует базовый кирпич агентной системы ещё проще: это языковая модель, усиленная поиском по данным, инструментами и памятью. И сразу предупреждает: начинайте с простых, складываемых паттернов, не утаскивайте систему в сложные фреймворки раньше времени. Подробнее про эту разницу я писал в статье про эру агентного ИИ.
Ключевое: агент это не «промпт побольше». Это другой режим работы, где у модели есть руки.
Главный сдвиг: от промптов к процессам
Возьмём знакомую задачу: запуск рекламной кампании.
На ступени 1 вы просите ИИ придумать десять заголовков. На ступени 3, уже на платной модели, заказываете структуру лендинга, офферы, тексты объявлений. На ступени 5 у вас шаблон: ниша, аудитория, боли, конкуренты, УТП, формат выдачи, и вы прогоняете через него каждый новый проект. На ступени 7 агент сам идёт смотреть сайт, конкурентов, отзывы, чужие объявления и собирает гипотезы. На ступени 8 он каждую неделю готовит отчёт: что изменилось, какие гипотезы сработали, что отключить, что протестировать. На ступени 9 он предлагает перераспределить бюджет, но кнопку «применить» жмёте вы.
У меня это работает на контенте. Агент сам собирает фактуру из открытых источников, пишет черновик статьи в блог, готовит из неё анонс для Telegram-канала и ставит его в очередь автопостинга. Я не сижу над каждым запросом. Я задал процесс один раз и теперь проверяю результат, а не запускаю каждый шаг руками. Как я к этому пришёл, рассказывал в заметке про полуавтоматический блог. Разница между «попросил ИИ написать пост» и «у меня процесс, который сам готовит контент к публикации» примерно как между калькулятором и финансовым отделом.
Контроль важнее промптов
Чем выше ступень, тем меньше значат точные формулировки и тем больше значат контуры управления. Агент с реальными правами может отправить письмо, поменять данные в CRM, потратить деньги. Без рамок он сделает это так же легко, как сотрудник без ТЗ.
Минимальный набор рамок, который стоит задать до того, как давать агенту автономию:
| Контур | Вопрос, на который нужен ответ |
|---|---|
| Цель | Что именно мы оптимизируем |
| Метрика | Как мы поймём, что агент сработал хорошо |
| Данные | На каких источниках он имеет право работать |
| Действия | Что он делает сам, а что только после подтверждения |
| Бюджет | Сколько токенов, денег и времени он может потратить |
| Логи | Сможем ли мы восстановить, почему он принял решение |
| Стоп-условия | Когда он обязан остановиться и позвать человека |
Это не теория. McKinsey отмечает, что компании с высоким эффектом от ИИ чаще других держат правила human-in-the-loop, серьёзно валидируют выводы модели и заводят централизованное управление ИИ. То есть зрелость это не «дать агенту больше свободы», а «дать свободу внутри понятных границ». Почему человек в этой схеме остаётся главным, я разбирал в отдельной статье про human-in-the-loop.
Когда пора думать про деньги
Десятая ступень это оптимизация стоимости. Соблазнительная вещь, но на неё лезут слишком рано. OpenAI в своём гайде по агентам советует прямо: сначала добейтесь нужной точности на самой сильной модели, и только потом пробуйте подменять её моделями поменьше и подешевле там, где качество не падает. Если система ещё не работает как надо, экономить нечего.
Когда качество есть, под оптимизацией скрывается не только «взять модель дешевле». Сюда входит маршрутизация (простое на дешёвые модели, сложное на сильные), кэширование повторяющихся кусков, шаблоны вместо длинных промптов, разделение ролей (одна модель пишет, другая проверяет, третья классифицирует), контекстная гигиена (не пихать пятьдесят страниц, если нужны три абзаца), локальные модели для простых внутренних задач, тесты качества, чтобы видеть, где дешёвая модель уже хороша, и понимание, что не каждой задаче нужны максимум качества и минимум задержки.
Формула простая: сначала качество, потом стабильность, потом стоимость. В таком порядке.
Частые вопросы
Я сейчас на третьей ступени, с чего начинать?
Не прыгайте сразу к агентам. Следующий полезный шаг это ступени 4 и 5: возьмите две-три задачи, которые делаете регулярно, и превратите их в повторяемые сценарии с понятным входом и форматом выдачи. Системность важнее, чем модный инструмент. С чего начать бизнесу, я подробно разбирал в статье про выбор нейросети.
Обязательно ли уметь программировать?
Для ступеней до седьмой нет. Сценарии, контекст и базовые агенты собираются без кода. Программирование пригодится выше, когда вы строите процессы с метриками и логами, но это уже не «вход», а развитие.
Это всё только для крупных компаний?
Нет. Контент-пайплайн, обработку заявок, регулярные отчёты на агентах поднимает один человек. Двенадцатая ступень про корпорации, но седьмая и восьмая вполне посильны соло-предпринимателю и малому бизнесу.
Итог
Главный вопрос не «какой ИИ лучше», а «какую часть своей повторяемой работы вы уже превратили в управляемый процесс». Модель это инструмент, и он у всех примерно одинаковый. Разница в том, кто всё ещё пишет «сделай мне текст» по одному запросу, а кто построил процесс с правилами, контекстом, инструментами и метриками.
Посмотрите на свои двенадцать ступеней. Где вы реально стоите, а не где вам кажется. И какая одна задача из вашей недели могла бы подняться на ступень выше уже на этих выходных.