Родители малышей часто переживают из-за ключевых этапов развития — от младенчества до зрелости. Время, за которое ребенок начинает говорить или ходить, помогает оценить здоровье или выявить нужду в обследованиях. Радость от первых шагов сменяется пониманием перемен: теперь малыш носится по улице вместо осторожного ползания в защищенном помещении. Безопасность, включая меры защиты дома, требует совсем другого подхода.
Генеративный ИИ перешел toddler-этап между декабрем 2025 и январем 2026 года благодаря no-code инструментам от разных поставщиков и запуску OpenClaw — открытого личного агента на GitHub. Забыто медленное продвижение по ковру: ИИ-младенец рванул вперед, а механизмы контроля оказались не готовы к такому темпу.
Проблема ответственности: дело не в агентах, а в вас
Ранее контроль акцентировал внимание на рисках результатов модели, где человек вмешивался перед серьезными решениями — например, при выдаче кредитов или приеме на работу. Основной упор шел на поведение модели: сдвиги, согласованность, утечки данных и их загрязнение. Темп определял пользователь в формате чат-бота с обилием диалогов между машиной и человеком.
Сейчас автономные агенты работают в запутанных процессах, где требуется минимум человеческого участия, чтобы раскрыть преимущества ИИ. Бизнес переходит на машинный ритм, автоматизируя рутинные операции с четкой структурой и правилами. С позиции ответственности риски для компании не должны расти по сравнению с ручным управлением процессами. CX Today точно выразил суть: «ИИ выполняет задачи, люди отвечают за последствия», а закон штата Калифорния AB 316, вступивший в силу 1 января 2026 года, лишил отговорки типа «ИИ сработал сам, без моего согласия». Это напоминает ситуацию с детьми, когда взрослый несет ответственность за их поступки, вредящие окружающим.
Если не внедрить код, обеспечивающий контроль на уровнях риска и ответственности на всем пути процесса, преимущества автономных агентов сведутся на нет. Раньше контроль был статичным и подходил под ритм чат-ботов. Автономные агенты по своей природе исключают людей из многих решений, что меняет подход к управлению.
Управление разрешениями
Представьте, что даете трехлетке устройство для дистанционного управления танком Abrams или боевым дроном: вероятностная система без оперативных барьеров, способных менять ключевые корпоративные данные, несет огромные опасности. Агенты, соединяющие действия через разные системы компании, легко выходят за пределы доступа, доступного одному человеку. Чтобы продвигаться эффективно, контроль должен эволюционировать от решений комитетов к коду, встроенному в процессы с самого начала.
Популярный мем о поведении toddler с игрушками начинается с аргументов «почему твое — мое» и заканчивается разбитой вещью, которая «точно твоя». OpenClaw обеспечил опыт, близкий к общению с живым помощником, но энтузиазм угас, когда специалисты по безопасности отметили уязвимость для новичков.
Корпоративный IT десятилетиями сталкивается с неавторизованными системами и вынужден разбираться с активами, которые не создавал. Автономные агенты усиливают угрозы: постоянные учетные данные сервисов, долговечные токены API и права на ключевые файловые хранилища. Решение требует выделения бюджета и ресурсов заранее на поиск, надзор и исправление тысяч агентов, запущенных сотрудниками или отделами.
Стратегия вывода из эксплуатации
Недавно знакомая сэкономила клиенту сотни тысяч долларов, обнаружив и остановив «зомби-проект» — забытый пилотный ИИ на облачном GPU. В компаниях тысячи агентов грозят превратиться в целую «зомби-армию». Руководители побуждают персонал применять ИИ, создавать собственные процессы и ассистентов на его базе. С инструментами вроде OpenClaw и сверхуспешными указаниями число самодельных агентов взлетит. Поскольку агент — это программа, принадлежащая компании как интеллектуальная собственность, при переводе сотрудника или уходе агенты осиротеют. Требуется четкая политика и контроль для своевременного отключения агентов, привязанных к ID сотрудника и его правам.
Финансовая оптимизация как базовый контроль
Для некоторых руководителей автономный ИИ — путь к сокращению затрат на персонал, но замена людей неверный угол зрения для расчета отдачи. Внедрение ИИ в компанию не сводится к покупке софта с фиксированной ценой за экземпляр или место. Опрос IDC от декабря 2025 года, спонсированный DataRobot, показал: 96% организаций с генеративным ИИ и 92% с agentic ИИ столкнулись с расходами выше ожидаемых. Ссылка на опрос.
Опрос разделяет управление и отдачу, но при масштабе ИИ в крупных компаниях финансовый и рисковый контроль нужно закладывать в процессы сразу. Часть корпоративного управления — прогнозирование и соблюдение бюджета. В отличие от моделей оплаты за места с поддержкой, ИИ тарифицируется по потреблению: чем больше пользователей, тем выше расход на токены или вычисления. Это как открытый счет в баре или корзина онлайн-магазина в руках toddler с электронной игрушкой.
Облачные FinOps были предсказуемыми, но генеративный и agentic ИИ на его базе — вероятностными. Некоторые основатели ИИ-проектов подсчитали: токены для одного агента могут стоить до 100 тысяч долларов за сессию. Без начальных барьеров цепочки сложных автономных агентов, работающих без присмотра долгое время, легко превысят бюджет на найм начинающего разработчика.
Человеческий фактор в цикле остается ключевым
Автономные agentic ИИ обещают ускорить бизнес-процессы, вывод продуктов, обслуживание клиентов и их удержание. Переход на машинную скорость решений без участия людей радикально меняет поле управления. Принципы проактивных разрешений, поиска, аудита, исправлений и финансовых операций те же, но их реализация должна соответствовать ритму автономных agentic ИИ.