Идея выглядит логично: если один AI-агент экономит время, то сто агентов должны экономить его в сто раз больше. В реальной компании зависимость почти никогда не линейная.
Каждый новый агент получает доступы, работает с данными, принимает решения, вызывает другие системы и создаёт результат, за который кто-то должен отвечать. Чем больше агентов, тем важнее становится не их количество, а то, как устроена вся система.
Автоматизация не отменяет зависимости
Допустим, один агент готовит коммерческое предложение, второй проверяет скидку, третий создаёт договор, четвёртый обновляет CRM, пятый отправляет письмо клиенту.
По отдельности каждый шаг может работать быстрее. Но вместе появляется цепочка, где ошибка на раннем этапе проходит дальше автоматически и иногда гораздо быстрее человека.
Вместо одного медленного ручного процесса компания получает быстрый автоматизированный процесс с большим числом невидимых зависимостей.
У каждого агента появляется эксплуатационная цена
Нужно понимать, кто владелец агента, какими данными он может пользоваться, какие действия ему разрешены, как меняются инструкции, где хранится история решений и что происходит при ошибке.
Если этого нет, агенты начинают жить как когда-то отдельные Excel-файлы, скрипты и внутренние сервисы: все ими пользуются, но никто точно не знает, кто отвечает за результат.
Количество агентов легко становится ложной метрикой прогресса
Компания может гордиться тем, что запустила десятки AI-агентов. Но сам факт запуска ничего не говорит о том, стал ли процесс быстрее, дешевле или надёжнее.
Иногда новый агент автоматизирует шаг, который вообще не должен существовать. Иногда он ускоряет локальную операцию, но увеличивает количество проверок вокруг неё. Иногда экономия нескольких минут создаёт новую работу для безопасности, поддержки и владельцев данных.
Нужна архитектура ответственности
Для каждого агента полезно заранее определить простые вещи: какую бизнес-задачу он решает, кто владеет результатом, какие действия он может выполнять самостоятельно, где требуется подтверждение человека и как его можно быстро отключить.
Чем выше цена ошибки, тем важнее наблюдаемость: что агент сделал, на основании каких данных и кто увидит проблему до того, как она превратится в инцидент.
Смотрите на процесс целиком
Хороший вопрос не «где ещё поставить AI-агента?», а «какой процесс мы пытаемся сделать лучше и где у него настоящий bottleneck?»
Иногда ответом действительно будет ещё один агент. Иногда — удаление лишнего согласования, изменение роли, нормальный API или просто более ясное правило принятия решения.
AI-агенты дают масштаб автоматизации. Но без масштаба управления они так же быстро масштабируют сложность.