Почему ИИ буксует: данные и связи между агентами

Компании запускают ИИ-агентов и ждут результата, а агенты решают задачи на данных, которым сами маркетологи не верят. По отчёту Validity «State of CRM Data Report 2026», 91% маркетологов называют готовность данных важным условием внедрения ИИ, и только 21% считают свои CRM-данные хорошо подготовленными. Разрыв в порядке вокруг моделей: в данных, которыми агента кормят, и в связях, которые он строит с другими агентами.

ИИ действует на том, что вы ему отдали

Данные не готовы. Лишь 26% опрошенных сказали, что больше трёх четвертей их данных точные и полные. Почти половина призналась, что у организации проблемы с качеством. Последствия уже в деньгах: 62% уверены, что плохие данные обошлись компании в деньги из-за упущенных продлений, неточных прогнозов и потерянных сделок.

19% маркетологов часто действовали по рекомендации ИИ, а потом подозревали, что она ошибочна из-за данных. Ещё 43% попадали в такое иногда.

Раньше плохие данные означали ручную чистку и неточные отчёты. Теперь агент действует на ошибках сам: запускает кампанию, скорит лид, собирает оффер или двигает бюджет до того, как кто-то посмотрит. Среди руководителей по сомнительной рекомендации действовали 78%, среди вице-президентов 92%, а среди рядовых сотрудников только 41%.

Недоверие выплёскивается на совещания. 69% рассказали, что цифру по выручке или воронке оспаривали или отматывали назад, потому что под ней были кривые данные. У топ-менеджеров эта доля ближе к 75%. ИИ превратил небольшую ошибку в данных в решение, которое принимают за верное.

Что поднимает доверие: 39% выбрали постоянный автоматический мониторинг, который ловит и чинит проблемы в реальном времени. На втором месте единая платформа, на третьем сторонняя валидация и обогащение. И только 41% вообще имеют выделенного владельца данных.

Сложность прячется в связях между агентами

Компании запускают целые флоты агентов, где каждый дёргает API, зовёт других агентов и лезет в системы, которые никто не строил для машинного решателя. Добавили второго агента - получили одну связь. Добавили десятого - и линий стало заметно больше, потому что любой агент может вызвать любого. Сложность растёт от числа путей между ними, и оно меняется быстрее, чем число агентов.

Список контрольных проверок смотрит одну точку во времени, а сложность живёт вдоль всей цепочки.

Инстинкт подсказывает оформить контрольный список: одобрить агента, записать агента, пойти дальше. Но список проверяет одну точку во времени, а сложность живёт вдоль цепочки. Первыми расползаются права: кто-то делает агента и выдаёт ему широкий API-доступ, потому что на нормальные ограничения не хватило времени. Через полгода этот агент уже имеет путь к платёжной системе. Никто не помнит, кто это подписал, потому что никто и не подписывал.

Размывается и ответственность: пять агентов тащат один процесс, на четвёртом шаге всё ломается, и вы ищете того, кто отвечает за звено, которое никто не назначил владеть. Начинают с идентичности: у каждого агента должно быть своё имя в реестре, свои границы полномочий и свой живой владелец. Спросите службу безопасности, какие агенты могут добраться до каких систем, - и получите тишину. Карта, владельцы и границы превращают невидимую сеть в управляемую.

ИИ, который знает только ваши документы

Google тихо закрыла NotebookLM и переименовала продукт в Gemini Notebook. За месяц до смены имени инструмент получил защищённый облачный компьютер и научился выполнять код. Продукт перестал быть суммаризатором: теперь он анализирует ваши файлы, считает цифры, строит графики и делает таблицы. Моделью по умолчанию стала Gemini 3.5 с прозрачным рассуждением, по которому видно, как она пришла к выводу.

Весь рынок соревнуется, кто знает больше. Gemini Notebook ставит на обратное: он знает меньше, только ваши документы, и каждое утверждение тянет ссылку на источник. В год, когда все говорят о галлюцинациях, инструмент, который цитирует только ваши файлы, занял отдельную нишу. Командам во Владивостоке и на Дальнем Востоке, которые работают с закрытыми внутренними материалами, он полезен тем, что не выходит за пределы загруженного.

Что это значит для бизнеса

Все три истории про одно: ИИ-агенты окупаются, когда вокруг них порядок. Внедрение искусственного интеллекта в бизнес начинается с вопроса, какие данные вы отдаёте моделям и кто отвечает за каждую связь между агентами. Нейросети для бизнеса дают результат, когда есть владелец данных, настроен автоматический мониторинг и каждый агент имеет имя, границы и живого ответственного.

Второй момент: на чистых и структурированных данных компания попадает в ответы нейросетей. На рынке уже есть инструменты вроде HubSpot AEO и Ahrefs Brand Radar, которые измеряют видимость бренда в AI-поиске, а Google разворачивает AI Overviews в полный ответ. То, насколько хорошо бренд цитируют нейросети, напрямую зависит от того, насколько аккуратно устроены его материалы и данные. Автоматизация бизнес-процессов начинается с порядка, а затем уже с нейросети.

Бесплатный AI-аудит AG Branding покажет, где в ваших данных и процессах узкие места, какие агенты уже можно запускать и как настроить контроль, чтобы ИИ не уводил заявки не туда.