Год агентов продавали как будущее. Они сами заполняют таблицы, сами отвечают клиентам, сами пишут код, а вы только принимаете результат. Теперь по чатам ходит график Gartner, и точка AI Agents на нём стоит уже за вершиной. Под графиком пишут одно и то же: значит, пузырь, значит, не взлетело?
Вопрос честный, и в нём два слоя. Что именно нарисовано и что Gartner пишет рядом с картинкой. И что делать, если вы собираетесь запускать агента или уже запустили.
Короткий ответ такой. Положение точки провалом не назовёшь: она показывает, как меняются ожидания, а качество агентов не измеряет. Но и «всё в порядке» из неё не следует. В открытых материалах Gartner лежат цифры, которые стоит прочитать внимательнее, чем саму точку.
Как устроена кривая, я разбирал в статье «Кривая — не закон», а что за шестнадцать технологий на ней стоят, в статье «Путеводитель по графику». Здесь только агенты.
Источники те же, что в предыдущих статьях: сам график и две открытые статьи Gartner, от 1 октября про общий цикл ИИ и от 15 апреля про агентный ИИ. Платный отчёт я не читал. К ним добавил три независимых исследования, о них в третьем разделе.
1. Что нарисовано и когда
У агентов на картах Gartner три отметки, и они лежат на двух разных графиках. Их легко перепутать.
Август 2025, общий график ИИ. Пресс-релиз Gartner от 5 августа 2025 года: ИИ-агенты и AI-ready data названы двумя быстрее всего растущими технологиями цикла, обе на пике завышенных ожиданий. Сам релиз на gartner.com мне не открылся, сверял по перепечаткам на сторонних сайтах, поэтому пометка «в перепечатке» остаётся.
Апрель 2026, специальный график Agentic AI. В апреле вышел первый отдельный Hype Cycle для агентного ИИ. В статье о нём от 15 апреля агентный ИИ стоит на пике.
Август 2026, общий график ИИ. Та же серия, что в 2025-м, и та же картинка, которую пересылают сейчас. AI Agents стоят сразу за вершиной, на спуске. Маркер на графике Gartner светло-голубой (на наших схемах янтарный): до плато, по оценке Gartner, от двух до пяти лет.
Отсюда следует одно честное сравнение и одно запрещённое. Честное: общий график 2025 года против общего графика 2026 года. За год агенты прошли путь от пика к спуску. Запрещённое: «за полгода агенты сползли с пика». Апрельский график специальный, с другой детализацией, и сравнивать его положение с августовским общим нельзя. Это две разные карты. Агентный ИИ на специальной карте может стоять на пике, а AI Agents на общей уже за ним, и противоречия тут нет.
Почему именно там стоит точка, Gartner в открытых материалах не объясняет. Дальше я сам связываю её с цифрами из статей Gartner, и это моё прочтение. Положение на кривой, как я писал раньше, говорит об ожиданиях: от агентов ждали слишком многого и слишком быстро, и теперь ожидания пересматривают. Это не значит, что агенты не работают.
2. Три цифры, которые надо держать рядом
В статье от 1 октября и в апрельской статье об агентном ИИ Gartner приводит три числа.
- 17% организаций уже развернули ИИ-агентов.
- Больше 60% ожидают сделать это в течение двух лет.
- Больше 40% проектов агентного ИИ, по ожиданию Gartner, отменят к концу 2027 года. Причины: стоимость, неясная ценность, недостаточный контроль рисков.
Первые две цифры взяты из опроса: 2026 Gartner CIO and Technology Executive Survey. Это уже измерено. Третья цифра прогноз. Впервые Gartner опубликовала его в пресс-релизе 25 июня 2025 года, а в октябрьской статье повторяет. Прогноз может сбыться, а может нет. Складывать эти числа нельзя: первые два про организации, третье про проекты, и «60% хотят, 40% отменят» не даёт никакой доли выживших.
Есть и вопрос, на который открытые материалы не отвечают: что именно Gartner считает «развернули». Один чат-бот в поддержке? Агент в продакшене с правом действовать? От определения зависит, много это или мало, а определения я не нашёл.
В апрельской статье Gartner называет эту кривую внедрения самой агрессивной среди всех измеренных технологий. Одновременно она же пишет, что полностью автономные агенты не готовы для большинства корпоративных задач, а реальные внедрения узкие: разработка ПО, поддержка клиентов, операции.
Картинка складывается такая. Хотят больше половины, сделали меньше пятой части, а сделанное умещается в несколько участков работы. Моё прочтение: это ранняя стадия, на которой планов много, а эксплуатации мало. Для провала рано, для триумфа тоже.
И ещё фраза, которую пересылают реже графика. Агентный ИИ, пишет Gartner, не одна технология, а экосистема, развивающаяся с разной скоростью. Помощник программиста, агент поддержки и агент, который самостоятельно что-то закупает, называют одним словом, хотя зрелость у них разная. Точка на графике сводит всё это в один маркер.
3. Что показывают независимые измерения
Gartner оценивает рынок и ожидания. Что агенты умеют, мерят другие. Я нашёл три исследования, которые можно проверить по первоисточнику. Это тесты и эксперименты, и они не описывают внедрения в компаниях, поэтому читать их стоит как ориентиры.
TheAgentCompany. Бенчмарк группы авторов, среди которых Грэм Нойбиг; статья вышла в декабре 2024 года, последняя редакция от сентября 2025. Исследователи смоделировали небольшую софтверную компанию и дали агентам её рабочие задачи. По формулировке аннотации, самый сильный из проверенных агентов выполнил самостоятельно 30% задач. Важная оговорка: речь о моделях того времени, и я не проверял, какой результат показывают сегодняшние.
CRMArena-Pro. Исследование Salesforce AI Research, май 2025 года. Это vendor research: Salesforce продаёт собственных агентов, но результат в статье для рынка скорее неприятный. Лучшие из проверенных агентов справляются примерно с 58% одношаговых задач, а в многошаговых, где нужно вести диалог и уточнять, результат падает примерно до 35%. Авторы также пишут, что агенты почти не проявляют собственного понимания конфиденциальности данных.
METR. Независимая исследовательская организация, которая оценивает возможности ИИ. В 2025 году она провела эксперимент: 16 опытных разработчиков открытых проектов, 246 реальных задач. Разработчики с ИИ-инструментами выполняли задачи на 19% дольше, чем без них. До начала они ожидали ускорение на 24%, а после считали, что ускорились на 20%. В феврале 2026 года METR опубликовала продолжение: 57 разработчиков, больше 800 задач, инструменты конца 2025 года. Результаты оказались другими. Среди разработчиков из первого эксперимента задачи с ИИ шли на 18% быстрее (интервал от 38% быстрее до 9% медленнее), среди новых на 4% быстрее (интервал от 15% быстрее до 9% медленнее). Но сама METR называет эти данные очень слабым свидетельством. Разработчики стали отказываться работать без ИИ и сами выбирали, какие задачи с ним делать, поэтому честного сравнения не получилось. Организация переделывает эксперимент. Заметим: речь об ИИ-инструментах для программирования вообще, не только об агентах.
Что из этого можно взять. Оценки скорости сильно зависят от того, как мерить, и от того, кто мерит. Ощущение ускорения и измеренное ускорение в 2025 году расходились. Многошаговые задачи, то есть как раз то, ради чего придумывали агентов, даются хуже одношаговых. Ничего из этого не доказывает, что агенты бесполезны. Видно, что «автономно и надёжно» для широких задач пока не подтверждено, и это согласуется с фразой Gartner о неготовности полностью автономных агентов. Видно и другое: METR сама не уверена, насколько велик выигрыш, и прямо говорит об этом. Цифрам, которые звучат слишком уверенно в любую сторону, стоит верить меньше.
4. Почему проекты отменяют
Три причины отмены у Gartner: стоимость, неясная ценность, слабый контроль рисков. Каждую можно связать с тем, чем агент отличается от чат-бота. Это моё объяснение, у Gartner в открытых материалах причины названы, а механизмов нет.
Ошибка накапливается. Чат-бот отвечает один раз, и вы видите ответ. Агент делает десять действий подряд, и вы видите итог. Допустим, на каждом шаге он ошибается в одном случае из двадцати. Арифметика простая: безошибочно пройти десять шагов подряд получится примерно в 60% случаев, двадцать шагов примерно в 36%. Это учебный пример, а не измерение: реальные ошибки не независимы, и часть из них агент исправляет сам. Но порядок величины понятен. Длинная цепочка с автономным исполнением требует проверки на выходе, а чем больше шагов, тем дороже она обходится.
Ошибки молчат. Gartner в октябрьской статье отдельно говорит о «тихих сбоях»: ответах, которые выглядят правдоподобно и неверны. Знакомая проблема из статьи про галлюцинации. У агента она хуже: неверный ответ чат-бота вы прочитаете, а неверное действие агента, например письмо клиенту или правку в базе, может уйти раньше, чем кто-то посмотрит.
Счёт растёт сам. Агент делает много обращений к модели, не спрашивая вас. Gartner пишет, что учёт расходов должен перейти от «посмотрим, сколько потратили» к активному предотвращению, и называет три меры: подбирать мощность модели под задачу, ставить на сессию динамический бюджет с «предохранителем» и автоматически следить за расходами сразу у нескольких поставщиков. Текущие возможности AI FinOps она называет незрелыми.
Права берутся у человека. Если агент ходит в почту и CRM под вашими правами, любая его ошибка записана на вас. Gartner называет управление и идентификацию агентов предварительными вложениями, без которых нельзя масштабировать агентный ИИ. Об этом подробнее в «Путеводитель по графику» и в следующих статьях цикла.
Неясную ценность Gartner называет третьей причиной отдельно, а в моём прочтении она часто вырастает из остальных: задача размыта, результат нечем проверить, расходы никто не считает. Проект не удаётся оправдать ни фактами, ни цифрами, и его закрывают.
5. Так провал или нет
В «Трёх зимах» я разбирал три предыдущих цикла: каждый раз на подъёме обещали больше, чем умела технология, потом наступало охлаждение, а часть обещаний выживала и становилась обычной работой. Gartner про свою кривую пишет похоже: путь занимает обычно три-пять лет, и часть технологий по дороге отпадает. Какая судьба у агентов, по одной точке не видно.
Моё мнение (мнение, не вывод Gartner) такое. Называть агентов провалом оснований нет: те же материалы Gartner говорят, что часть внедрений уже существует, в разработке, поддержке и операциях. Оснований для обещаний, с которыми агентов продавали, тоже нет: широко, автономно, без вашего участия. Сегодня работает узкая задача с человеком где-то рядом.
Я бы добавил осторожное прочтение прогноза об отмене сорока процентов. Причины в нём названы такие: стоимость, неясная ценность, слабый контроль рисков. Все три в значительной мере зависят от того, как проект поставлен и ведётся. Это моё рассуждение, Gartner так не пишет. Но если оно верно, часть проблемы лежит на стороне тех, кто запускает, и этой частью можно управлять.
Что это значит для разных читателей, тоже моё мнение.
Собственник небольшой компании. Не покупайте агента как «сотрудника вместо сотрудника». Купите или соберите помощника для одной скучной операции и посмотрите на счёт и качество через месяц.
Руководитель функции. Если вам обещали сквозную автоматизацию отдела, попросите показать десять конкретных прогонов с проверкой результата. Один красивый демо-ролик ничего не говорит о многошаговых задачах.
Специалист. Ценность смещается от умения «поговорить с агентом» к умению описать задачу, критерий проверки и границы. Эти навыки нужны при любом положении точки на кривой.
6. Что делать, если агент вам нужен
Это совет автора, не рекомендация Gartner. Четыре вопроса, на которые должен быть ответ до первого запуска.
1. Какая одна задача? Узкая и повторяющаяся: сортировка входящих писем, черновик ответа по шаблону, сверка двух таблиц. Не «автоматизировать отдел». Gartner отмечает, что реальные внедрения как раз узкие, так что вы идёте вместе с большинством.
2. Чем проверим результат? Нужен критерий, который можно сравнить с эталоном: сколько писем отнесено верно, сколько черновиков принято без правок. Если оценивать «на глаз», вы вернётесь к проблеме тихих сбоев. Связка «задача, метрика, цикл улучшений» разобрана в статье про AutoResearch: там агент работает внутри рамки, которую задал человек.
3. Что агенту нельзя и кто отвечает? Отдельные права вместо ваших. Чтение там, где достаточно чтения. Подтверждение человеком для необратимых действий: отправка клиенту, платёж, удаление. И журнал, чтобы потом понять, что агент сделал. Всё это можно ввести сегодня без специальных продуктов.
4. Сколько это стоит в месяц и где лимит? Посчитайте цену одного прогона и умножьте на число прогонов. Поставьте лимит на сессию и на месяц, смотрите счёт ежемесячно. Если счёта нет, начать лучше с ручного подсчёта в таблице.
Если на любой из четырёх вопросов ответа нет, проект пока в зоне риска «неясной ценности». Скорее всего, не хватает ясной постановки задачи.
Здесь же пригодится и модель уровней компании C0–C5. Моё наблюдение: чем меньше процесс описан и чем меньше в нём измеримого, тем меньше шансов, что агент даст результат. Агенту нужно что исполнять. Если работа живёт в головах и мессенджерах, сначала придётся описать её, и это уже половина проекта.
Что дальше
Агентам нужны данные. Агент, который ходит по папкам, письмам и таблицам, делает ровно то, что позволяет их состояние. В статье «Путеводитель по графику» я отмечал, что AI-Ready Data на графике ещё ниже агентов: по спуску ближе ко дну. В 2025 году Gartner, по пресс-релизу в перепечатке, ставила её рядом с агентами на пик, теперь она спустилась ниже агентов. Связывает ли Gartner эти два сдвига, в открытых материалах не сказано.
Следующая статья, «Самое скучное — внизу», про самое скучное место на всей кривой: данные, готовые для ИИ. Моя рабочая гипотеза: агент, который споткнулся, нередко споткнулся о данные, а не о модель. Проверим её на том, что есть в открытых источниках.
Источники и данные
Gartner.
- Gartner, «The Latest Gartner Hype Cycle for Artificial Intelligence Puts Control Ahead of Capability», 01.10.2026: https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence — 17% / более 60% / более 40%, причины отмены, «тихие сбои», три меры по стоимости, управление и идентификация как предварительные вложения.
- Gartner, «What the 2026 Hype Cycle for Agentic AI Reveals», Rajesh Kandaswamy, 15.04.2026: https://www.gartner.com/en/articles/hype-cycle-for-agentic-ai — агентный ИИ на пике на специальном графике, источник опроса (2026 Gartner CIO and Technology Executive Survey), «самая агрессивная кривая внедрения», автономные агенты не готовы для большинства корпоративных задач, узкие внедрения, экосистема с разной скоростью.
- Gartner, пресс-релиз «Gartner Hype Cycle Identifies Top AI Innovations in 2025», 05.08.2025 (по перепечатке, оригинал не открылся): https://www.silicon.co.uk/press-release/gartner-hype-cycle-identifies-top-ai-innovations-in-2025
- Gartner, пресс-релиз «Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027», 25.06.2025 (заголовок и дата; причины подтверждены статьёй Gartner от 01.10.2026): https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- График Gartner Hype Cycle for Artificial Intelligence, 2026 (CTMKT_5445050), © Gartner. Оригинал в статье не воспроизводится; схемы авторские, «По данным Gartner».
Независимые и исследовательские источники. 6. Xu F. F. и др. (среди авторов Graham Neubig), «TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks», arXiv 2412.14161, 18.12.2024, v3 от 10.09.2025: https://arxiv.org/abs/2412.14161 7. Huang K.-H. и др., «CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions», arXiv 2505.18878, 24.05.2025 (Salesforce AI Research, vendor research): https://arxiv.org/abs/2505.18878 8. METR, «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», 10.07.2025: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ 9. METR, «We are Changing our Developer Productivity Experiment Design», 24.02.2026: https://metr.org/blog/2026-02-24-uplift-update/
Авторские концепции и статьи блога. Три зимы; Галлюцинации; AutoResearch; Эволюция компаний C0–C5.