Представьте: вы потратили час, научили AI-агента правильно обрабатывать сложные запросы. Подобрали промпты, объяснили контекст, поправили пару раз. Агент начал выдавать идеальные ответы. Но когда ваш коллега открывает того же агента - всё начинается с нуля. Исправления, которые вы внесли, исчезли. Звучит знакомо? Это главная проблема enterprise-AI прямо сейчас. Ии агенты новости пишут об этом всё чаще, но решение пока не у всех.
Цифры, которые заставляют задуматься
Asana провела исследование: 75% офисных сотрудников используют AI на работе. Но только 5% компаний видят реальный рост продуктивности. Разрыв между использованием и результатом - это и есть отсутствие общей памяти.
«Поставщики моделей становятся всё лучше в рассуждениях и циклах повторных попыток. Но они не умеют приносить enterprise-контекст так, чтобы люди могли коллективно им пользоваться» - Арнаб Боуз, CPO Asana
Боуз объясняет: Asana строит агентскую платформу вокруг контекста и общей памяти. Если один участник команды исправляет агента, это улучшение применяется для всех. Граф контекста автоматически передаётся агенту, и никому не нужно становиться экспертом по промпт-инжинирингу.
Личная память против командной
Модели, которые питают агентов - stateless по своей конструкции. Память - это отдельный слой за пределами контекстного окна. Вопросы «что хранить, кто контролирует и как синхронизировать» остаются в значительной степени нерешёнными.
Для одного пользователя это терпимо. Но в enterprise-воркфлоу агенты должны работать со всей командой. Когда каждый сотрудник обучает свою версию агента, задачи дублируются, версии реальности расходятся, агенты противоречат друг другу.
Шрихарша Чинталапани, сооснователь Collate, говорит прямо: «Агенты чувствительны к качеству промптов. Кто-то с глубоким пониманием задачи получает точные результаты, кто-то без опыта - нет. Агент запоминает коррекции для одного пользователя, но это знание не передаётся».
Главные проблемы мульти-агентных систем
75% сотрудников используют AI, но лишь 5% компаний видят рост продуктивности
Проблема: исправления одного пользователя не передаются команде
Причина: модели stateless, память - отдельный слой без синхронизации
Решение: shared memory layer - общая память для всех агентов команды
Личные агенты против командных
AI-агенты уже proliferate (расползаются) по предприятиям. Но большинство работает как персональные помощники: учат предпочтения одного пользователя, загружают файлы одной учётной записи, запоминают только индивидуальные паттерны.
Microsoft Copilot, например, идёт по пути индивидуального обучения: он изучает роль пользователя, его тональные предпочтения и рабочие паттерны. Это личные воспоминания - они не синхронизируются с командой.
Подход Asana другой. Их Agentic Work Management гарантирует: если кто-то исправил агента, улучшение применяется для всех. Не нужно каждому члену команды становиться экспертом по промпт-инжинирингу.
«Организации должны перестать рассматривать общую память как проблему промпт-инжиниринга. Им нужно строить системы, которые передают контекст между каждым разговором» - Шрихарша Чинталапани, CTO Collate
Почему это важно для procurement
Для команд, которые выбирают агентские платформы, вопрос общей памяти становится критерием закупки, а не технической деталью. Агент, который учится только для одного человека, потребует постоянного индивидуального обслуживания. Агент, подключённый к командному слою памяти, строит институциональное знание автоматически.
Для бизнеса это означает простую вещь: внедрение AI-агентов должно начинаться не с выбора модели, а с архитектуры данных. Если ваши агенты не могут делиться контекстом, каждый новый сотрудник будет переоткрывать велосипед. А в масштабе компании это миллионы долларов потерянного времени.
Что это значит для обычного бизнеса
Эта история - не про технологию. Она про то, как компании теряют деньги на AI, не замечая этого. Вы купили ChatGPT для команды? Отлично. Но Петя научился писать промпты для анализа договоров, а Маша - нет. Петя ушёл в отпуск - аналитика встала. Маша начинает с нуля.
Внедрение искусственного интеллекта на уровне компании - это не про «дайте нам доступ к GPT-5». Это про то, как знание, накопленное одним сотрудником, становится доступным всем. Автоматизация бизнес-процессов с помощью ИИ без общей памяти - это просто дорогой способ плодить хаос.
Начните с бесплатного AI-аудита бизнеса: поймите, какие процессы в вашей компании уже сейчас могли бы работать эффективнее, если бы знание не терялось между сотрудниками. Потому что AI без общей памяти - это инструмент, который каждый день изобретают заново.