Управление агентными системами искусственного интеллекта в высокотехнологичных компаниях

Abstract

Статья посвящена управлению внедрением агентных систем искусственного интеллекта в высокотехнологичных компаниях. Рассматриваются системы, способные выполнять многошаговые действия, работать с корпоративными данными и включаться в бизнес-процессы. Исследование основано на системном, процессном и документальном анализе российских и зарубежных научных публикаций, нормативных и аналитических материалов по вопросам развития искусственного интеллекта, организационной готовности и управления рисками. По результатам анализа предложен управленческий контур внедрения агентных систем, объединяющий выбор бизнес-процесса, подготовку данных, оркестрацию агентов, человеческий контроль, аудит и оценку эффекта. Систематизированы стратегические, технологические, компетентностные, организационные и связанные с безопасностью барьеры. Показано, что устойчивость внедрения зависит от согласованности целей, данных, распределения ответственности, границ автономии и поэтапной логики масштабирования. Потенциальный эффект выражается в сокращении времени согласований и объема ручных операций, повышении прозрачности процессов и высвобождении времени специалистов для более сложных задач. The article examines the management of agentic artificial intelligence systems in high-tech companies. It focuses on systems capable of performing multi-step actions, working with corporate data, and being integrated into business processes. The study is based on systemic, process-based, and documentary analysis of Russian and international academic publications, regulatory documents, and analytical materials addressing artificial intelligence development, organizational readiness, and risk management. Based on the analysis, a managerial framework for implementing agentic systems is proposed. It combines business process selection, data preparation, agent orchestration, human oversight, auditing, and impact assessment. Strategic, technological, competence-related, organizational, and security-related implementation barriers are systematized. The findings indicate that sustainable implementation depends on the alignment of objectives, data, allocation of responsibility, autonomy boundaries, and a phased scaling approach. The potential benefits include shorter coordination time, fewer manual operations, greater process transparency, and the release of specialists’ time for more complex tasks.