AI-агенты в деле: Claude Tag, HubSpot CLI и новая реальность автоматизации

Anthropic запустила AI-агента, который пишет 65% кода их продуктовой команды. Он работает прямо в Slack как постоянный участник команды. Команда пишет @Claude в канале, и агент берёт задачу: написать pull request, собрать данные по продажам, провести анализ. И это только одна из четырёх новостей за последние дни, которые меняют представление о том, как AI встраивается в реальные бизнес-процессы.

Claude Tag: AI-агент как член команды в Slack

23 июня Anthropic запустила Claude Tag - продукт, который размещает AI-агента прямо в Slack как постоянного участника. Вы пишете @Claude в любом канале, объясняете задачу - и агент работает асинхронно. Он не спешит с ответом: берёт паузу, разбирается и возвращается с результатом. Может работать сутками, если нужно.

Ключевая цифра: 65% кода продуктовой команды Anthropic уже создаётся внутренней версией Claude Tag. Это рабочий инструмент внутри самой компании. Anthropic оценивается в 965 млрд долларов, run-rate выручка - 47 млрд долларов. Claude Code приносит 2,5 млрд долларов годовых.

Разница между Claude Tag и предыдущими AI-ботам в Slack - в агентности. Старое приложение отвечало на вопросы. Новый продукт берёт задачи, планирует их, идёт в другие системы (GitHub, базы данных, CRM), делает работу и возвращается. Он учится на контексте канала, запоминает предпочтения команды и проявляет инициативу.

HubSpot Agent CLI: AI-агенты получили доступ к CRM

Через несколько дней после Claude Tag HubSpot выпустил Agent CLI - интерфейс командной строки, через который AI-агенты могут работать с данными CRM напрямую. Запускать отчёты, обзванивать контакты, проверять воронку продаж. Без участия человека.

Инструмент работает в Codex, Claude Cowork и Claude Code. По словам Dharmesh Shah, CTO HubSpot, компания строит платформу, где AI-инфраструктура - это выбор, который агенты делают сами. Раньше данные CRM можно было получить через AI Connectors, но теперь агенты сами пишут запросы, запускают сценарии и планируют работу на недели вперёд.

Для бизнеса это означает вот что: автоматизация с помощью ИИ перестаёт быть пассивной. Агент не ждёт, пока вы зададите вопрос. Он сам проверяет воронку, находит проседающие этапы, запускает кампании. Для компании во Владивостоке, которая управляет потоком лидов через CRM, это может сократить время реакции с часов до минут.

Sakana Fugu: оркестрация вместо монолитной модели

22 июня Sakana AI запустила Fugu - мультиагентную систему, которая собирает пул моделей и распределяет между ними задачи. Результат: Fugu Ultra набрал 93,2 балла на LiveCodeBench, обойдя Claude Fable 5 (89,8). Притом в пуле Fugu нет самой Fable - Anthropic отозвала к ней доступ по требованию правительства США.

CEO Sakana Дэвид Ха (бывший Google Brain) формулирует это так: полагаться на модель одного провайдера для бизнес-инфраструктуры - риск. Как показали недавние экспортные ограничения, доступ к топ-моделям может исчезнуть за ночь. Хорошо организованный пул сменяемых агентов - страховка от этой концентрации.

Для бизнеса здесь два урока. Первый: цены на AI-инструменты продолжат падать. Оркестрация бюджетных моделей даёт результат на уровне элитных - и стоит дешевле. Второй: зависимость от одного вендора (OpenAI, Anthropic, Google) это стратегический риск. Для компаний на Дальнем Востоке, которые только начинают внедрение искусственного интеллекта, выбор архитектуры «под одного вендора» может оказаться дорогим.

Shopify: LLM-прокси как защита от вендор-лока

Пример того, как это работает на практике, показала Shopify. Компания построила LLM-прокси - единую точку доступа ко всем моделям с автоматическим failover. Когда Claude Fable 5 отключили, инженеры Shopify не заметили сбоя: прокси сам перевёл их на Claude Opus или GPT-5.5.

Фархан Тавар, глава инженерного отдела Shopify, рассказал в подкасте VentureBeat, что ключевые элементы их AI-стека - LLM-прокси, дистилляция (ученические модели, которые в 30 раз быстрее и дешевле), circuit breakers (автоматические предупреждения о перерасходе токенов) и дашборд использования.

Shopify закупает токены оптом, все пользователи подключаются через собственный прокси. Это даёт прозрачность: кто, на что и сколько тратит. Когда один провайдер падает, пользователи перенаправляются к другому. Для любого бизнеса, который использует AI-агентов в операционных процессах, это ключевой урок. Нужна инфраструктура, которой все равно, какая модель выживет на рынке.

Бизнес-разрыв: AI критичен, но обучение хромает

Пока технологические компании строят агентов и прокси, опрос 2100 профессионалов от SmarterX (84% из B2B-сектора) показывает парадокс. 74% респондентов называют AI критически важным для успеха их организации. Среди CEO и основателей - 89%. Но больше половины до сих пор не имеют доступа к формальному обучению ИИ.

Тейлор Рэди из SmarterX замечает: 71% ожидают сокращений по экономике в целом, но только 20% думают, что это коснётся их лично. Пол Ретцер, основатель Marketing AI Institute, добавляет: если вы приносите в 5-10 раз больше ценности благодаря ИИ - вы в порядке. Если нет - разрыв между теми, кто использует ИИ, и теми, кто ждёт, растёт.

Для бизнеса во Владивостоке ситуация та же. AI-инструменты доступны, цены снижаются, технологии созрели. Но без системного обучения и правильной архитектуры внедрения разрыв между возможностями и результатом будет только увеличиваться.

Что это значит для бизнеса

Четыре новости этой недели рисуют цельную картину. AI-агенты перестали быть игрушками. Они работают в Slack, управляют CRM, оркестрируют пулы моделей и защищают бизнес от вендор-лока. Технологии готовы к масштабированию.

Главный вывод для компаний, которые рассматривают AI для бизнеса: сейчас не стоит выбирать «одну идеальную модель». Лучше строить архитектуру, которая не зависит от конкретного вендора, позволяет переключаться между моделями и даёт прозрачность затрат. Claude Tag, HubSpot Agent CLI, Sakana Fugu и Shopify LLM-прокси - это элементы новой инфраструктуры.

Компании, которые внедряют AI-агентов сейчас, формируют процессы, которые конкуренты будут догонять через год. Автоматизация с помощью ИИ из категории «попробовать» переходит в «необходимо». Решение в архитектуре, обучении и готовности перестраивать процессы.