Скрытая цена AI-агентов, о которой никто не предупреждает

Управление AI-агентами обещало освободить время, а на практике всё чаще делает противоположное: чем больше агентов вы запускаете, тем больше часов уходит на то, чтобы их перепроверять. Консультант по AI Дилан Дэвис описывает знакомую многим траекторию — первый агент срабатывает как чудо, вслед за ним собирают ещё десять, а через пару недель наступает перегрузка. Причина не в самих моделях, а в том, что каждый агент требует присмотра, и этот присмотр незаметно ложится на плечи того же человека, который хотел от него избавиться.

Пять скрытых издержек управления AI-агентами

Дэвис выделяет пять точек, где время утекает почти незаметно. Первая — объяснение задачи: плохо сформулированный запрос заставляет повторять его снова и снова. Вторая — наблюдение за процессом: человек буквально сидит и смотрит, как агент работает, что сводит на нет саму идею делегирования. Третья — проверка результата: если агент собран плохо, вычитывать приходится весь вывод целиком, а не выжимку. Четвёртая — уборка за агентом: без ограничений он плодит лишние файлы и версии, которые потом нужно разгребать. Пятая — постоянные вопросы и запросы решений, которые агент мог бы принимать сам, если бы ему делегировали часть суждения.

Без чётких границ каждая издержка растёт вместе с числом агентов

По отдельности любая из них кажется мелочью. Но когда агентов десять, а не один, они складываются в рабочий день, который тратится не на результат, а на присмотр за инструментом, который должен был этот результат производить.

Три правила, которые возвращают контроль над агентами

До запуска: четыре вопроса

Прежде чем поручать задачу агенту, стоит ответить на четыре вопроса. Повторяется ли она регулярно — иначе разовое объяснение не окупится. Есть ли у неё чёткие границы — расплывчатое «улучши маркетинг» не подходит, а «напиши еженедельное письмо клиентам» подходит. Можно ли откатить результат — рассылки, публикации, платежи и удаление данных сюда не годятся. И можно ли быстро проверить вывод — если нет, агент не облегчает работу, а перекладывает её на этап ревью.

Во время работы: план, decision log и человек в цикле

Для длинных задач Дэвис советует сначала получить от агента краткий план и утвердить его — это дешевле, чем переделывать готовую работу. А в конце — не только результат, но и decision log: список решений, которые агент принял сам, без явных инструкций. Читать стоит именно его первым: если решения не устраивают, разбирать сам вывод ещё рано. Отдельно — правило для необратимых действий: автоматическая отправка, публикация, оплата и удаление всегда должны заканчиваться подтверждением человека, сколько бы автономии ни было в остальном процессе. И ещё одно ограничение — не больше трёх агентов одновременно: удерживать в голове больше просто не получается, а скорость самих моделей и так продолжает расти.

После завершения: проверять по значимости, а не всё подряд

Не каждый результат заслуживает построчного чтения. Внутренние черновики можно просматривать бегло, для клиентских материалов подходит чек-лист — например, проверка источников и явное указание там, где агент не нашёл данных, — и лишь по-настоящему рискованные вещи вроде договоров, сумм и юридических текстов требуют полного разбора. Если это правило перепутано местами, весь выигрыш от делегирования съедается ревью.

Когда агент того не стоит

В основе всех этих правил лежит простое сравнение: время на ручную работу против времени на объяснение, наблюдение, проверку, уборку и принятие решений за агента. Обычно чаша весов склоняется в пользу AI. Но не всегда — и признать это для разового письма на одну строку иногда честнее, чем городить вокруг него агента.

Ценность этого разбора не в самих агентах, а в смене оптики: управление AI-агентами — это отдельная дисциплина, а не побочный эффект автоматизации. Тот, кто проектирует границы задачи и точки контроля заранее, получает рычаг. Тот, кто просто множит агентов, получает вторую работу — быть их бесплатным супервайзером.