За два дня конференции VB Transform 2026 прозвучало пять анонсов, которые вместе складываются в одну картину: AI-агенты перешли из лабораторий в промышленную эксплуатацию. MCP перешёл на stateless-архитектуру, и корпорации могут запускать агентов через обычный load balancer. GM утроила количество принятых pull request, перестроив инженерные процессы вокруг агентов. Target показала четырёхуровневую систему управления автономией. Waymo сформулировала правило, которое стоит услышать каждому, кто внедряет AI: проект не готов к запуску, пока не готовы его оценки. Разбираем, что эти уроки значат для компаний во Владивостоке и на Дальнем Востоке, которые присматриваются к внедрению искусственного интеллекта.
MCP стал stateless: инфраструктурный барьер снят
Протокол Model Context Protocol (MCP), который соединяет AI-агентов с внешними инструментами и данными, получил крупнейшее обновление с момента запуска. Главное изменение - полный переход на stateless-архитектуру.
Раньше MCP-клиент должен был держать постоянную сессию с конкретным сервером. Если под падал, работа агента терялась. В облачных средах с load balancer это было критическим ограничением. Теперь этой проблемы нет.
SDK протокола загружают 250 миллионов раз в неделю - вдвое больше, чем полгода назад. 12-месячная политика деприкейшн, согласованная с Google, Microsoft и Amazon, даёт enterprise-клиентам уверенность: инвестиции в MCP не обесценятся завтра.
Что это значит для бизнеса: если вы строите ai агентов для бизнеса, используйте MCP как транспортный слой. Он соединяет агентов с CRM, базами данных и API без vendor lock-in. Установить MCP-сервер теперь так же легко, как развернуть сайт за nginx.
Пять стартапов закрывают пять пробелов enterprise-инфраструктуры
Пять стартапов на VB Transform показали, как решают проблемы, без которых любой AI-агент в production остаётся рискованным.
BAND строит координационный слой для мультиагентных систем. Агенты могут вести автономные рабочие процессы по 8-20 часов, делегировать задачи друг другу и возвращать результат человеку. Conifers превратил киберзащиту в агентную систему - время локализации угрозы сократилось с 7 часов до 12 минут. Raindrop AI создала журнал аудита для агентов: каждое действие записывается, ошибки воспроизводятся и проверяются до попадания в production. Arcade обеспечивает авторизацию с минимальными привилегиями для каждого действия агента. Omilia обрабатывает 3 миллиарда звонков в год с автономией 80-90%.
BAND: оркестрация мультиагентных систем, рабочие процессы до 20 часов Conifers: локализация угроз с 7 часов до 12 минут Raindrop AI: аудит каждого действия агента Arcade: авторизация с минимальными привилегиями Omilia: 3+ млрд звонков в год, 80-90% автономии
Для компаний во Владивостоке, которые рассматривают автоматизацию бизнес-процессов с помощью ИИ, здесь есть простой вывод: прежде чем запускать агентов, постройте эти пять слоёв управления. Оркестрация, безопасность, наблюдаемость, авторизация, контроль качества. Без них агент - это чёрный ящик, который может делать что угодно.
GM: агенты работают, пока инженеры думают
GM перестроила инженерные процессы вокруг MCP-подключённых агентов. Количество принятых pull request выросло втрое при сокращении числа дефектов. Рашед Хак, вице-президент GM по автономным транспортным средствам, объяснил подход: компания не раздала AI-инструменты всем подряд, а разбила разработку на циклы, нашла самое узкое место в каждом и автоматизировала его.
Инженеры GM пишут код 15% времени. Остальные 85% уходят на анализ данных, диагностику, запуск экспериментов и проверку исправлений. Именно эти 85% GM отдала AI-агентам. Агенты анализируют телеметрию с беспилотников, проводят первичную сортировку, ищут похожие инциденты в истории и создают задачи для людей.
Принцип GM: не внедрять AI вообще, а разбить процесс на циклы, найти узкое место, автоматизировать его. Внедрение искусственного интеллекта работает не когда заменяет людей, а когда снимает с них 85% работы, которая не требует творческого мышления.
Target: автономию нужно заслужить
Старший вице-президент Target Шиобан Макфини сформулировала принцип, который расходится с хайпом вокруг агентов: не всему нужен агент, и даже когда нужен - автономию надо заслужить.
Target ввела четыре уровня автономии:
- Уровень 1 - только наблюдения без действий
- Уровень 2 - предлагают действия в ожидании одобрения
- Уровень 3 - действуют внутри заданных ограничений
- Уровень 4 - работают от начала до конца с человеком в контуре
Агенты начинают с первого уровня и зарабатывают повышение. Если работают не так, как ожидалось - теряют привилегии. Модели, которые отклоняются от курса, снимают с обслуживания. Цифровой двойник Target уже нашёл паттерн, который люди пропустили: один магазин запросил в 6-7 раз больше шорт, чем соседние. Причина - он находился в двух милях от пляжа, а остальные в 10-12. Аналитики сначала решили, что это ошибка. Система оказалась права.
«В этом и есть наш ров. Модели отличные и важные. Но их недостаточно, чтобы быть конкурентным преимуществом» - Шиобан Макфини, SVP Target
Waymo: оценивать до запуска и после
Манаси Джоши, директор инженерии Waymo, сделала заявление, которое стоит вынести на первое место в чеклисте любого AI-проекта: проект готов к launch не тогда, когда модель хорошо работает, а когда созрели тесты вокруг неё.
Waymo проехала 220 миллионов миль без водителя с в 17 раз меньшим числом серьёзных аварий, чем люди. Компания использует eval-центричную разработку: оценка - это ядро инженерии, а не финальная проверка перед запуском. Тестирование идёт во время обучения модели, после обучения, в симуляциях, в поле. И не заканчивается на запуске.
Для предприятий это означает: если вы не можете измерить AI-агента - вы не готовы его запускать. Как внедрить ИИ в бизнес без риска? Начать с системы измерений. Определить метрики успеха до того, как модель попадёт в production. И продолжать измерять после.
Что это значит для бизнеса
Пять историй с одной конференции показывают: AI-агенты для бизнеса перестали быть экспериментальной технологией. MCP даёт трубы - надёжный транспортный слой без липких сессий. Target даёт правила - четыре уровня автономии с заработанным доверием. Waymo даёт метрики - eval-центричный подход, который превращает чёрный ящик в измеримую систему. GM даёт доказательство - три кратный рост результата при перестройке процессов.
Для компаний во Владивостоке и на Дальнем Востоке схема проста. Начать с одного процесса. Определить метрики. Дать агенту первый уровень автономии. Измерить результат. Повторить. Внедрение технологий искусственного интеллекта на предприятиях - это не спринт за самой мощной моделью. Это марафон строительства инфраструктуры, управления и контроля.