Агентное неравенство: почему «достаточно хороший» ИИ больше не работает

McKinsey оценивает потенциал AI-агентов и роботов в $2,9 трлн экономической ценности в год только для американской экономики к 2030 году. Технология распространяется стремительно: компании используют агентов для написания кода, управления магазинами, обработки почты и переговоров. Но вместе с ростом проникновения формируется новый вид структурного неравенства — между теми, у кого есть качественные агенты, и всеми остальными.

Четыре оси нового разрыва

Ник Срничек, старший преподаватель цифровой экономики в Королевском колледже Лондона, выделяет несколько измерений агентного неравенства. Первое — наличие или отсутствие агента вообще. Второе — качество: хороший агент против слабого. Третье — масштаб: сколько агентов задействовано. Четвёртое — доверие: можно ли полагаться на действия агента без постоянного контроля.

««Агентное неравенство способно затвердеть в системы доминирования», — предупреждает Срничек.»

По его словам, компании и люди с доступом к более мощным агентам получают структурное преимущество в переговорах и транзакциях. Это не просто вопрос удобства — речь идёт о том, кто выигрывает сделки и кто проигрывает.

Мэттью Шарп из Оксфордской инициативы по управлению ИИ уточняет: доступ к базовой языковой модели и доступ к надёжному агенту — принципиально разные вещи. Каждый дополнительный слой — интеграция инструментов, безопасность, дизайн рабочих процессов, надзор — снова вводит барьеры по капиталу и компетенциям. Хорошо финансируемая компания встраивает агентов в собственные данные, ERP-системы, цепочки закупок и клиентские операции. Небольшой бизнес получает универсальное решение «из коробки» — и проигрывает в скорости и точности.

Как это работает на практике: кейс из Индии

Раман Чаудхари — основатель DentNode, платформы для стоматологических клиник и лабораторий в Бангалоре. Год назад он начал использовать агента на базе Claude Code. Агент проверяет код, проводит маркетинговые исследования, составляет PR-материалы, строит финансовые модели и помогает готовиться к партнёрским звонкам.

Без агента Чаудхари потребовался бы дополнительный инженер, частичная исследовательская ставка и маркетолог. По его расчётам, это от 1,5 до 2,5 млн индийских рупий в год (примерно $15 700–$26 000) плюс управленческие издержки. Агентный стек обходится ему в несколько сотен долларов в месяц.

При этом Чаудхари честно признаёт ограничения: та же модель Claude не адаптирована под индийские рабочие процессы — региональные платёжные системы, местное налоговое законодательство, локальные языки. Тем не менее он убеждён: «Те, кто разберётся с этим раньше других, построят непропорционально большие компании».

Для белорусского IT-рынка этот кейс особенно показателен. Резиденты ПВТ и небольшие продуктовые команды уже работают с AI-агентами — но разрыв между теми, кто выстраивает глубокую интеграцию в бизнес-процессы, и теми, кто использует агентов эпизодически, будет только увеличиваться. Стоимость качественной агентной инфраструктуры пока остаётся значительной статьёй расходов для команд без венчурного финансирования.

Государственные агенты: инклюзия или слежка

Некоторые правительства пытаются решить проблему неравенства сверху. Индия анонсировала программу Kumbh Doot — голосового агента, который будет работать на более чем 20 языках и координировать доступ к транспортным, медицинским и коммерческим сервисам для 50 млн паломников на фестивале Кумбха Мела. В перспективе власти рассматривают развёртывание персональных агентов для всех 1,4 млрд граждан страны.

Агент Digi Doot ориентирован на пользователей с наибольшими барьерами: сельские жители, пожилые люди, мигранты, малограмотные. Система опирается на цифровую инфраструктуру страны — биометрическую идентификацию Aadhaar, платёжный шлюз UPI, систему верификации DigiLocker и платформу цифровой торговли ONDC.

Рамеш Раскар из MIT, участвующий в разработке базовой инфраструктуры для индийских агентов, формулирует цель так: «Когда у каждого из нас будет собственный AI-агент, способный взаимодействовать с другими агентами и создавать экономические возможности, мы сможем участвовать в агентной экономике как полноправные граждане».

Однако Шарп из Оксфорда предупреждает: та же инфраструктура при неправильной настройке потоков данных и надзора превращается в инструмент слежки. Правительства — и корпорации вроде Anthropic или OpenAI — могут в любой момент отозвать доступ, оставив зависимые от агентов страны и граждан уязвимыми. Белорусский контекст здесь тоже релевантен: вопрос суверенитета над AI-инфраструктурой становится стратегическим, а не только техническим.

Что это означает для бизнеса

Сингапур и Китай уже ввели регуляторные рамки для AI-агентов с акцентом на безопасность и подотчётность. Китай дополнительно стимулирует так называемые «компании одного человека» — стартапы с единственным основателем, использующим агентов как замену найму.

Для предпринимателей и IT-команд ключевой вывод Шарпа звучит жёстко: «Без целенаправленного проектирования премиальные агенты будут помогать уже привилегированным пользователям двигаться быстрее, тогда как все остальные получат более слабые, рискованные или плохо интегрированные системы». Небольшие различия в качестве агентов со временем превращаются в большие различия в результатах — в доходах, скорости роста, качестве решений.

Для белорусских компаний это означает, что вопрос «использовать ли AI-агентов» уже устарел. Актуальный вопрос — насколько глубоко и системно они интегрированы в операционные процессы. Команды, которые выстроят агентную инфраструктуру сейчас, получат преимущество, которое будет накапливаться с каждым кварталом.