Кто такие ИИ-агенты? КАК они нас заменят? Почему все ИИ-стартапы провалились? Главный провал Python

Оценивать тему «Что такое ИИ-агенты? Когда ИИ заменит людей?» нужно с учётом того, что если чат-бот отвечает на вопрос, то агент должен сам открыть системы, собрать данные, принять решение и выполнить работу — но модели, которые ругают за кривые ответы, не становятся надёжнее оттого, что им дали доступ к кнопкам и корпоративным данным.

Граница применимости в сцене «Какие ИИ-агенты бывают?» определяется так: волна стартапов делает агентов поддержки и продаж, но экономика не сходится — платить ещё двадцать долларов за сотрудника поверх Salesforce незачем, такую «упаковку» легко собрать самому, а работают эти системы пока как допотопные чаты.

Для решения, обсуждаемого в сцене «Какие инструменты упрощения жизни вы используете?», важен критерий: ведущие спрашивают зрителей, видели ли они системы, которые по-настоящему замещают сотрудника, а не работают разово, — напишите примеры в комментариях, авторы обещают разобрать их в следующих выпусках.

Граница применимости в сцене «Как стартапы с ИИ-агентами лажают» определяется так: молодая компания вынуждена склеивать несколько моделей, интеграций и баз данных, а затем ещё отвечать за ошибки всей цепочки.

Оценивать тему «Как будет выглядеть ИИ-агент нового уровня» нужно с учётом того, что настоящий агент начинается не с автономности, а с контекста: дизайнеру интерьера нужна система, которая задаёт вопросы, находит реальные товары, учитывает размеры, бюджет и вкус клиента — даже такой гибридный процесс из поиска, Pinterest, генерации и диалога рынок пока редко делает хорошо.

Граница применимости в сцене «Почему все ИИ-стартапы провалились?» определяется так: первая волна generative-AI-стартапов слишком слаба — Anthropic и OpenAI фактически лаборатории при Amazon и Microsoft, стартап экс-CEO Salesforce поднял больше полутора миллиардов при выручке меньше двадцати миллионов, а настоящий процесс запустится, когда большая пятёрка выйдет на рынок и начнётся M&A.

Сцена «Заменит ли ИИ Татьяну?» подводит к рабочему выводу: на базовом уровне — планировки, подбор и подсчёт материалов — агенты будут делать интерьеры лучше обывателя, и повторится волна вроде «интерьеров с Pinterest»; но интерьеры высокого уровня остаются искусством и контактом с клиентом, поэтому полной замены дизайнера Татьяна не ждёт.

В контексте ««Позови человека». Почему нынешние ИИ-агенты такие тупые» действует этот критерий: агент путает города, не понимает локальные названия, застревает на исключении и не умеет объяснить свой выбор — для корпоративной работы это критично: одна нестандартная ситуация может стоить больше всей заявленной экономии.

Рабочий вывод из сцены «НЕ все ИИ-стартапы провалились?» состоит в том, что Glean доказала ценность нового корпоративного поиска, а Perplexity сделала поиск удобнее для дистрибуции — выигрывают те, кто решает узкую боль лучше платформы и успевает построить данные, дистрибуцию или привычку.