Компании меняют способ использования ИИ внутри реальных рабочих процессов — об этом говорится в новом отчёте OpenAI, который описывает этот сдвиг как переход «от ассистирования к выполнению». Вместо того чтобы использовать ИИ преимущественно для составления текстов, резюмирования документов или ответов на вопросы — паттерн, доминировавший на первой волне корпоративного внедрения, — компании всё чаще развёртывают ИИ-агентов, которые выполняют многошаговые задачи с минимальным участием человека: обрабатывают claims, сверяют записи, распределяют и закрывают тикеты поддержки или самостоятельно ведут часть воронки продаж.
Это различие важно, потому что «ассистирование» и «выполнение» подразумевают совершенно разную операционную отдачу. Ассистент, который составляет черновик ответа, всё равно требует, чтобы человек его проверил, скопировал в нужную систему и запустил дальнейшие действия. Агент уровня «выполнение» замыкает этот цикл сам: он читает входящий запрос, решает, что делать, обновляет соответствующую систему учёта и продвигает процесс дальше, а человек подключается только для исключений или согласований. В отчёте OpenAI описывается, как компании перестраивают процессы вокруг этой возможности, а не просто добавляют ИИ как надстройку поверх существующих ручных шагов.
Для компаний, уже запустивших пилоты с ИИ, это полезная точка сверки. Многие организации за последние два года инвестировали в инструменты формата copilot — ИИ, который помогает сотруднику быстрее писать или находить информацию, — но так и не убрали ручные передачи данных между системами. Такие инструменты давали реальный, но ограниченный прирост эффективности, потому что человек оставался связующим звеном между результатом работы ИИ и действием бизнеса. Модель выполнения, описанная в отчёте, заменяет это связующее звено оркестрацией: заданными триггерами, логикой принятия решений и интеграциями систем, которые позволяют агенту действовать, а не просто советовать.
Этот сдвиг пока не подтверждён как отраслевая тенденция за пределами собственных клиентских данных и формулировок OpenAI — отчёт опубликован самой компанией и ориентирован на корпоративный сегмент, а независимой проверки темпов внедрения за пределами экосистемы OpenAI пока нет. Конкретные цифры и примеры кейсов из отчёта стоит воспринимать как рассказ OpenAI о собственной клиентской базе, а не как нейтральное исследование рынка.
Тем не менее операционная логика справедлива вне зависимости от поставщика. Небольшим B2B-компаниям не нужна инфраструктура масштаба крупного предприятия, чтобы применить тот же принцип. Разрыв между ассистированием и выполнением обычно не связан с ограничениями возможностей модели — большинство современных ИИ-моделей уже достаточно надёжны для принятия решений по маршрутизации, составлению черновиков и классификации. Разрыв — в интеграции: действительно ли результат работы ИИ записывается обратно в CRM, тикет-систему или ERP, и запускается ли автоматически следующий шаг процесса. Именно этот уровень определяет, станут ли инвестиции в ИИ строчкой расходов или измеримой экономией времени и штата.
Компаниям, оценивающим собственный стек ИИ, стоит задать себе узкий и конкретный вопрос: по каждому используемому инструменту ИИ — должен ли человек всё ещё что-то делать с его результатом, прежде чем процесс продолжится? Если да, этот инструмент всё ещё находится на стадии ассистирования, и, скорее всего, существует несложный шаг автоматизации, который переведёт его на уровень выполнения.