66% - именно столько реальных компьютерных задач сегодня выполняют AI-агенты

66% - именно столько реальных компьютерных задач сегодня выполняют AI-агенты.

В прошлом году было 12%. Stanford AI Index зафиксировал: за один год агенты прошли от уровня “интересный эксперимент” до “в 6 процентных пунктах от человека” на реальных задачах в операционной системе.

Но есть цифра, которую никто не ставит в заголовок. 89% production deployments AI-агентов никогда не выходят за пределы пилотной фазы.

Инструменты работают. Системы перехода нет. Это не новость. Это уравнение, которое я повторяю полтора года: AI × слабая методология = красивый пилот, который умирает на презентации совету директоров. MIT NANDA подтверждает: 95% корпоративных AI-пилотов не дают измеримого P&L эффекта через 6 месяцев (52 интервью + 300 публичных деплойментов, MIT NANDA Initiative | Tier 2). Почему так?

Потому что большинство компаний внедряет AI как инструмент, а не как систему. Берут ChatGPT или Claude, дают менеджерам, ждут результатов. Результатов нет. Инструмент убирают, пишут в отчёте “провели эксперимент”. Это как купить токарный станок и ждать, что он сам начнёт делать детали.

Между “агент справляется с задачей в бенчмарке” и “агент даёт измеримый P&L эффект в бизнесе” - пропасть. В ней живёт методология, измерения, интеграция в процессы и управление изменениями.

Пока 89% компаний остаются в пилоте, те, кто выстраивает систему перехода, получают монопольную позицию. Это и есть стратегическое окно следующих 6-12 месяцев.

Что делать: возьми один AI-пилот, который “в принципе работает”, и задай три вопроса:

• есть ли базовый показатель ДО, с которым сравниваем;
• кто ответственен за переход из pilot в production;
• какой KPI докажет, что пилот масштабируется. Если ни одного ответа нет - это дорогая игрушка, пилотом такое не назовёшь.

Источники: Stanford HAI AI Index 2026 (Tier 1, апрель 13) | MIT NANDA GenAI Divide (Tier 2, август 2025)