Компании тратят миллиарды на AI-агентов. Но что именно они строят — и работает ли это?

Greenice.net провёл original research 542 AI-агент проектов в 2026 году. Результат оказался неожиданным.

Что реально автоматизируют

Топ-3 use cases по частоте:

  • Invoice processing — обработка счетов и платёжных документов. Агент читает PDF, выделяет сумму, контрагента, заносит в учётную систему.
  • Approval routing — маршрутизация согласований. Агент понимает тип заявки, направляет нужному сотруднику, контролирует сроки.
  • Data extraction — извлечение данных из неструктурированных источников. Договоры, акты, таблицы — в базу данных без ручного ввода.

Ни один из этих кейсов не звучит sexy на конференции. Но именно они дают измеримый ROI.

Чем пользуются

Tech stack:

  • LangChain — лидер для построения цепочек инструментов
  • AutoGPT-подобные фреймворки — для автономного планирования
  • Кастомные LLM — компании не доверяют публичным моделям для внутренних процессов

Сколько стоит

Средняя стоимость разработки AI-агента lower than enterprise expectation — то есть дешевле, чем думают компании, которые приходят с запросом. Проблема в том, что большинство не знают, какой агент им нужен.

Вывод

AI-агент = не робот, который заменяет сотрудника. Это автоматизация рутинных операций с измеримым результатом. Если операция занимает меньше 30 секунд у человека — агент не нужен. Если больше — нужен.

542 проекта подтверждают: рынок AI-агентов зрелый. Вопрос не «покупать или нет», а «какой операции вашего процесса». Ответ даёт анализ.