Agent Harness в бизнесе: как прошёл Иннополис митап «AI в бизнесе»

4 июня в Иннополисе, в коворкинге «Сфера» технопарка имени Лобачевского, прошёл камерный митап «AI в бизнесе» — фаундеры, технические директора, продуктовые лидеры и исследователи разбирали практику внедрения ИИ: от создания AI-сотрудников и прототипов на LLM до оценки ROI от агентов. Аудитория собралась технически подкованная — когда зал в ответ на вопрос «кто запускал агентные системы у себя или на работе» дружно поднимает руки, разговаривать можно сразу по существу.

Я выступал с докладом «Agent Harness в бизнесе: ROI, безопасность, паттерны использования» — о том, как новый класс автономных агентов с собственным workspace за последние полгода радикально поменял и архитектуры корпоративных внедрений, и саму экономику запуска продуктов.

Сразу честное признание: я заготовил слишком много слайдов — почти девяносто на 25-минутный слот — и, конечно, не успел рассказать всё, что хотел. Так что эта заметка — и пересказ того, что прозвучало со сцены, и обещание: всё остальное буду постепенно выкладывать здесь и в телеграм-канале.

Видеозапись выступления

Полная запись митапа доступна в двух местах. Мой доклад начинается примерно с 31-й минуты.

Каждые полгода — новый словарь

Начал я с наблюдения, которое разделяет, кажется, каждый практик: раньше я не так часто менял презентации. Теперь всё радикально меняется каждые полгода. Ещё зимой мы выставляли сметы и коммерческие предложения на tool-calling-агентов — а теперь появились автономные claw-like-агенты, и опять надо учить новый словарь и бежать в другую сторону.

Слово «harness» переводится как «сбруя» или «упряжка» — и это удивительно точная метафора: прирост производительности последнего года обеспечен не тем, что модели поумнели на порядок, а тем, что вокруг них построили правильную обвязку. Harness-инжиниринг сменяет промптинг — это, пожалуй, главный тезис всего митапа, который сквозной нитью прошёл через несколько докладов.

Шкала автономности процессов: общий язык для бизнеса

Основой моего доклада стала шкала автономности процессов — авторская методика, которой я пользуюсь в работе с банками, госструктурами и корпорациями. Идея позаимствована у шкалы автономности транспортных средств: когда её придумали, автономных автомобилей ещё не существовало как класса — но шкала задала направление движения. С бизнес-процессами работает точно так же: смотришь на процесс как через подзорную трубу и быстро определяешь, на каком уровне находится организация и каким должен быть следующий шаг.

Кратко по уровням, как я рассказывал со сцены:

• Уровень 0 — ручной труд. Excel, скрипты и даже простые узкоспециализированные нейросети типа линейной регрессии — это ещё не следующая ступень развития процесса.
• Уровень 1 — GPT-ассистенты. Многие организации здесь: документ копируется в чат-бот (часто в shadow-режиме, что отдельная боль банков), обрабатывается и возвращается назад. Ассистент неустойчивый, постоянно нуждается в человеке.
• Уровень 2 — RAG. Ассистент подключён к знаниям компании: не выдумывает ответ про годовой отчёт, а идёт в базу знаний, подтягивает релевантный контекст и отвечает с опорой на источники.
• Уровень 3 — tool-calling-агенты. Могут вызывать инструменты, но логика выполнения задач практически линейная: сначала вызвали всё нужное, потом консолидировали результат.
• Уровень 4 — автономные многошаговые агенты. Планируют, рефлексируют, останавливаются, когда считают задачу завершённой, перепланируют, если нет.
• Уровень 5 — Self-Driving Business. Недостижимый сегодня уровень, как когда-то автономные автомобили. Об этом — ниже.

Где сейчас рынок

Самое практичное — срез по секторам, который я наблюдаю в проектах. За спиной — более 8 лет внедрения ИИ в корпорациях и 2 года работы с госструктурами: недавно закончились проекты с Администрацией Президента и Министерством тарифного регулирования Воронежской области, сейчас идёт проект с Газпромнефтью, и с Ак Барсом я вернулся к сотрудничеству — мы сделали пилот с «Ак Барс Цифровые Технологии».

Банки и финтех — в основном второй-третий уровень, некоторые уже тестируют harness-агентов. Государство из-за законодательных ограничений разворачивает всё локально — поэтому L1–L2. Корпорации сопоставимы с банками: берегут тайну и не хотят отдавать секреты внешним моделям. А вот стартапы свободнее всех — и именно там сейчас самое интересное: появились соло-предприниматели, у которых один человек управляет всей разработкой, всем маркетингом и всем продакшеном. Ему даже сложно кого-то добавить в команду: лишний фрикшн, время на передачу проектов и handoff-артефакты. Легче настроить агента, чем обучать человека.

Эволюция: от T9 до harness

Большой кусок доклада — короткая история того, как мы сюда пришли. Каждый шаг этой эволюции мы проживали в реальных внедрениях.

Сначала — модели как «T9 на стероидах» и появление системного промпта. Потом промпт-инжиниринг — профессия, которая умерла, не успев зародиться. Хотя хоронить её рано: в госструктурах используются очень маленькие модели в закрытом контуре, и шаманство с промптами там до сих пор отлично поднимает качество. Затем RAG со всеми его усложнениями — онтологический RAG, RAG-агенты. Потом structured output, который изменил нашу жизнь сильнее всего: LLM стало можно встраивать в код. Именно на этом построена наша платформа Panteo: извлекаем сущности из одних документов и применяем их к другим — например, проверяем закупочную документацию организации на соответствие её же положению о закупках по 223-ФЗ. Ключевая фишка — модель всегда подсвечивает фрагмент документа, страницу и оригинал, на которые ссылается: человек может быстро отвалидировать суждение в формате executive summary.

Дальше — вызов инструментов плюс рассуждающие модели: теперь даже на вопрос «сколько шагов от Земли до Луны» модель честно вызовет поиск, узнает расстояние, среднюю длину шага и посчитает калькулятором. На этой связке был построен наш пилот с «Ак Барс Цифровые Технологии» — агент, который подключается к разным источникам данных внутри организации и делает обобщения. Это то, что называется Gen BI: на смену BI приходит аналитика на естественном языке, и в нескольких продвинутых банках она уже зашита на уровень архитектуры.

Важный нюанс, который я подчеркнул: «покажи выручку по кварталам» — внешне простой запрос, но под ним лежат серьёзные инфраструктурные слои — озёра данных, OLAP-кубы, предварительная подготовка. Поэтому семь уровней Gen BI — это шкала зрелости не агента, а виртуальной инфраструктуры организации.

Ну и MCP — суперпростая вещь, сделанная «из ничего»: хендшейк, получить описание инструментов, вызвать инструмент. Зато на нём строится вся корпоративная автоматизация: MCP Hub с правами доступа даёт каждому сотруднику универсального агента с индивидуальным набором инструментов и ограничений. Ещё в декабре это была самая прогрессивная схема, которую использовали крупнейшие банки — я видел такую карту на стратсессии одного большого международного банка.

Что такое Agent Harness

А потом всё поменялось — и появились harness-агенты. Это многошаговый агент, у которого есть собственная рабочая среда: он создаёт себе файлы, пишет скрипты, накапливает знания. Мой любимый бытовой пример — ассистент по питанию, которым я всем надоел ещё до начала доклада: он ведёт лог того, что я съел, выписывает рецепты, сам написал на Python скрипт для графика веса — и все эти скрипты хранятся у него в workspace.

Парадокс: чем мощнее система, тем меньше ей нужно инструментов. Если раньше MCP-подход ругали за то, что описания инструментов съедают контекст, то большинству актуальных harness-агентов хватает условно четырёх: выполнить команду в терминале, найти, создать файл, изменить файл. Всё остальное — обвес.

Хороший паттерн — использовать git: он уже поддерживает мультиагентную разработку, встроенный таск-трекер для агентов — и дальше упряжка сама двигает таски по канбану, тестирует и синхронизирует проекты. По сути, скрам возвращается — только команда теперь состоит из агентов.

Безопасность: всё придумано до нас, но теперь агенты сидят в контейнерах

Внедрять harness для себя — просто. Внедрять внутри организации — масса вопросов. Облачные harness-агенты с точки зрения информационной безопасности — вещь дырявая, поэтому паттернов немного: LLM-роутер на входе, жёсткая контейнеризация агента, ограниченный набор инструментов — чтобы если он что-то и поломал, то только самого себя. Плюс централизованное хранилище контейнеров, централизованный MCP Hub, полностью разделённые среды разработки. Всё это давным-давно придумано — просто теперь вместо людей в кубикулах у нас агенты в контейнерах.

Но самое интересное — новая парадигма для организаций без жёстких требований к безопасности. Сложный слой корпоративного внедрения — Agentic API, RAG-слои, интеграционная шина — просто исчезает. Каждый сотрудник открывает облачного harness-агента, по своему логину и токену даёт ему доступы в корпоративные среды — каждый со своим уровнем прав. Всю инфраструктуру для работы — таск-трекеры, диспетчеризацию задач, взаимодействие между командами — агенты создают сами на лету. Получилась очень устойчивая архитектура, которая заменяет полноценное внедрение.

И ещё один фронтир, про который успел сказать буквально пару слов в конце: автоматизация обратной связи для агентов, чтобы они не деградировали со временем. Кто-то называет это meta loop, кто-то dual loop, а кто-то уже строит тройной цикл: цикл разработки, цикл улучшения метрик этой разработки и цикл улучшения самого улучшателя.

Self-Driving Business: вендинговый автомат с экзистенциальным кризисом

Последний уровень шкалы — автономный бизнес. Знаменитый эксперимент Anthropic с вендинговым автоматом дал индустрии и фреймворк для бенчмаркинга, и коллекцию анекдотов: у агента случился экзистенциальный кризис, он захотел уволиться, коллеги заказали у него обсидиановый куб, который не влез в холодильник, и прожали цены так, что ROI ушёл в ноль.

Но смеяться рано. Сейчас множество проектов — в основном американских — строят автономные бизнесы для маркетплейсов, где всё просчитываемо: сезонность, спрос, предложение, цены. Все предвидят, что к концу 2026 года появится первый успешный с точки зрения бизнеса автономный бизнес. А может, он уже есть — просто хозяин никому не рассказывает про машинку по зарабатыванию денег в чулане.

Что не успел — будет дальше

В слот не поместились целые разделы: разработка как упряжка агентов в деталях, маркетинг как фабрика контента, паттерн «поговори с моим агентом» в командных коммуникациях, цифры ROI по кейсам Aimee в контакт-центре Ак Барс Банка и TenderScan для Газпромнефти, AX — agent experience как новая дисциплина проектирования. Всё это постепенно появится в блоге отдельными материалами — следите за обновлениями и за моим телеграм-каналом @yaroslav_shuvaev.

Спасибо организаторам митапа за приглашение и отдельное — за живые вопросы из зала: про корпорации и закрытые контуры, про системы памяти для агентов соло-фаундеров. Такие вопросы — лучший индикатор того, что тема перестала быть футурологией и стала операционной повесткой.