Skip to main content

ИИ

8 июля 2026 года

 

ИИ-агенты готовы к действию. Большинство систем не готовы им доверять

Вот пять организационных проблем, препятствующих переходу ИИ от пилотных проектов к повседневному использованию.

Kaushik Gopal profile photo

Kaushik Gopal

Executive Vice President, Business & Market Insights, Mastercard

У большинства организаций нет проблемы с ИИ-инновациями. У них есть проблема масштабирования. В разных отраслях компании последние несколько лет экспериментировали с пилотными проектами ИИ, однако многие по-прежнему с трудом переходят от многообещающих доказательств концепции к практическому внедрению.

Препятствием редко является отсутствие амбиций — частные глобальные инвестиции в ИИ выросли более чем в тринадцать раз в период с 2014 по 2024 год. Чаще всего руководители не создали необходимых условий для доверия к ИИ, в частности к агентскому ИИ, в больших масштабах: культура, безопасность, подотчетность, управление и готовность данных.

Доверие не строится на едином контроле или политике. Это зависит от организаций, формирующих уверенность по многим параметрам одновременно. Компании могут иметь сложные модели ИИ, но слабое управление; мощные средства контроля безопасности, но ограниченную готовность персонала; или высококачественные данные, но нечеткую подотчетность. Те, кто добивается наибольшего прогресса, не обязательно внедряют больше ИИ: они продвигаются по всем этим направлениям одновременно.

Организации могут построить необходимое доверие для перехода от аналитики к действиям только в том случае, если они смогут ответить на все эти пять вопросов. 

 

Умеют ли люди работать с ИИ?

Один из наиболее устойчивых сигналов, которые мы наблюдаем во всей отрасли, — это разрыв между энтузиазмом руководства в отношении ИИ и пониманием сотрудников того, как его следует использовать. Этот пробел может затруднить внедрение. Просить те же команды принять ИИ требует большего, чем просто предоставление им доступа к новым инструментам. Им необходимо понять, как следует использовать ИИ, где он может принести пользу и как он изменит способ выполнения их работы.

Это начинается с четкого общения. Хотя отношение руководителей к ИИ быстро изменилось, это мнение не всегда доходит до членов их команд. Согласно отчету Института Thomson Reuters «ИИ в профессиональных услугах за 2026 год», почти 40% специалистов заявляют, что получили противоречивые указания относительно использования ИИ от руководства и клиентов. 

Руководители могут сократить этот разрыв, выйдя за рамки широких предписаний по ИИ и предоставив сотрудникам практические рекомендации о том, когда использовать ИИ, где его следует применять в их рабочих процессах и где человеческое суждение остается по-прежнему важным. Когда сотрудники понимают, как ИИ поддерживает их работу и что от них ожидается, организации могут перейти от экспериментов к внедрению.

 

Следует ли разрешать этому агенту делать это?

По мере того как ИИ-агенты приближаются к принятию решений и их выполнению, вопрос смещается с того, могут ли они генерировать аналитические данные, на то, можно ли им доверять действовать.

Вот почему безопасность, конфиденциальность и ответственное использование должны быть заложены в операционную модель с самого начала. Для компаний это влечет за собой установление мер защиты конфиденциальной информации и обеспечение подотчетности, прежде чем агентам будет доверен доступ к данным или выполнение более сложных задач.

По своей сути, это проблема идентификации и доступа. Прежде чем ИИ-агент сможет получить информацию, инициировать платеж или взаимодействовать с клиентом, организациям необходима уверенность в том, что представляет собой агент, к каким системам он может получить доступ и какие разрешения ему были предоставлены. Если ваша компания не доверяет этому, как вы можете ожидать этого от своих клиентов? 

 

Кто владеет результатом?

Поскольку ИИ-агенты берут на себя все больше автономных обязанностей, организации сталкиваются с другой проблемой: определение того, кто несет ответственность, когда агент принимает решение, выполняет задачу или производит неожиданный результат.

Хотя многие компании заинтересованы во внедрении агентов, только 32% заявляют, что они действительно учли агентов в планировании персонала, согласно отчету Cisco за 2025 год о готовности к ИИ. Без четких структур собственности предприятия рискуют создать неопределенность вокруг принятия решений, надзора и подотчетности.

Лидерам необходимо разработать четкие модели владения для работы с использованием ИИ, определяющие, какие решения могут быть делегированы агентам, где человеческое суждение остается необходимым, и как будут решаться проблемы, когда системы ведут себя непредсказуемо. Организации, успешно масштабирующие агентный ИИ, — это те, которые сделают дополнительный шаг для пересмотра существующих рабочих процессов, чтобы люди и ИИ могли работать вместе с более четкими ролями, обязанностями и ожиданиями. 

 

Как нам узнать, готово ли оно к действию?

Когда организации устанавливают подотчетность, возникает новый вопрос: Как узнать, когда ИИ-агент готов к работе в реальных условиях?

Предприятиям нужны способы тестирования производительности, оценки результатов и понимания того, как ведут себя агенты, прежде чем им будут доверены взаимодействие с клиентами, операционные процессы или критически важные для бизнеса решения. Основное внимание следует уделять не созданию агента, а скорее принятию правильных шагов для подтверждения того, что агент может работать надежно, последовательно и безопасно в широком спектре сценариев.

Прежде чем агентам будет доверено действовать и масштабно внедряться, организации все чаще стремятся к средам, где они могут оценивать производительность, выявлять точки отказа и совершенствовать контроль.  Это одна из причин, по которой Mastercard создала Agent Suite, который помогает организациям перейти от пилотных проектов к надежному внедрению, и почему мы недавно расширили его с помощью Proto — среды-песочницы для исследования, тестирования и валидации вариантов использования агентного ИИ, прежде чем внедрять их в рабочие процессы производства. Mastercard также представила трех новых ИИ-агентов, разработанных для поддержки ключевых корпоративных функций: работа с продавцами, подключение клиентов и управление спорами. В совокупности эти возможности могут помочь организациям определить, где ИИ может создавать бизнес-ценность, масштабируясь в рамках безопасных и регулируемых структур.

 

Есть ли у него необходимая информация?

Даже организации, которые занимаются внедрением, безопасностью и управлением, часто сталкиваются с другим препятствием: ИИ-агенты могут действовать только на основе информации, которую они могут понять, — тогда правильные данные могут безопасно использоваться с четкими разрешениями, когда агенты действуют в режиме реального времени. 

Однако многие организации по-прежнему работают с разрозненными данными, распределенными по различным системам, несогласованными форматами и несвязанными рабочими процессами. В то время как люди часто могут обходить эти пробелы, ИИ-агенты сталкиваются с трудностями, когда информация неполная, противоречивая или труднодоступная. Это может означать сокращение разобщенности, очистку от несогласованных данных и исправление лоскутных процессов, которые могут ограничивать способность ИИ работать должным образом.

 

Надежные действия ИИ могут стать одним из важнейших конкурентных преимуществ в бизнесе. Не потому, что организации могут создать ИИ, а потому, что они могут на него положиться.

Kaushik Gopal
Каушик Гопал

 

В агентской среде качество данных напрямую влияет на качество принимаемых решений. Если агенты не могут надежно понимать информацию перед собой, они также не могут надежно действовать на ее основе. Чтобы ускорить этот переход, Mastercard усилила свое внимание в рамках Start Path, своей отмеченной наградами программы по взаимодействию со стартапами, привлекая компании, ориентированные на бизнес-аналитику и возможности, основанные на данных.

За последнее десятилетие Start Path приняла более 500 компаний из более чем 60 стран, помогая им масштабироваться благодаря практической поддержке в сочетании с доступом к глобальной сети Mastercard и ее клиентам. Повышенное внимание к стартапам, которые могут помочь клиентам преобразовать данные в действенную аналитику, позволяет принимать более обоснованные решения, повышать производительность и поддерживать действия в режиме реального времени, что, в свою очередь, формирует уверенность, необходимую для внедрения ИИ из изолированной среды в повседневную жизнь.

В ближайшие годы надежные действия ИИ могут стать одним из важнейших конкурентных преимуществ в бизнесе. Не потому, что организации могут создать ИИ, а потому, что они могут на него положиться.

Знакомьтесь со стартапами Start Path в сфере бизнес-аналитики и аналитики рынка

   

Luca AI

Luca AI — это цифровой сотрудник на базе ИИ, который объединяет продажи, маркетинг, финансы и операции в едином интерфейсе разговорной аналитики. Благодаря этому единому обзору МСП получают доступ к информации в режиме реального времени о своем бизнесе, что помогает им выявлять возможности, повышать эффективность и принимать повседневные бизнес-решения с большей уверенностью. Mastercard в сотрудничестве с Luca AI предоставила эти возможности европейским держателям бизнес-карт через программу Mastercard Business Bonus и изучает, как ее технология может дополнительно поддерживать деятельность по продвижению для эмитентов МСП.

Логотип Luca AI

    

Yabx

Yabx использует интеллект на основе ИИ с инфраструктурой кредитования low-code/no-code, которая задействует альтернативные данные для предоставления масштабируемого, управляемого с точки зрения рисков цифрового кредитования на развивающихся рынках в партнерстве с банками, финтех-компаниями, платежными компаниями, торговыми агрегаторами и другими участниками экосистемы. Mastercard работает с эмитентами на Ближнем Востоке и в Африке, чтобы включить альтернативные кредитные данные, такие как информация о мобильных кошельках и телекоммуникациях, в оценку кредитных рисков, что обеспечивает более инклюзивную выдачу карт и улучшенный доступ к финансовым услугам.

Логотип Yabx

   

БизМашин

BizMachine предоставляет платформу анализа продаж B2B, которая помогает компаниям выявлять и привлекать новых бизнес-клиентов. Благодаря объединению собственных данных BizMachine и Mastercard партнерство позволяет европейским эквайерам и другим игрокам платежной экосистемы выявлять перспективных продавцов.

Логотип BizMachine

Гестология

Guestologie предоставляет ресторанам аналитические данные для обеспечения высокоточного гостеприимства в реальном времени, потому что долгосрочная лояльность создается в обеденном зале, одно персонализированное впечатление за раз. 

Логотип Guestologie