Сколько компаний реально внедрили AI-агентов в 2026 году: разбивка по отделам

Короткий ответ: по данным опроса более 500 руководителей крупных компаний, который в 2026 году провела Zapier, 72% организаций уже используют или тестируют AI-агентов, а 86% находятся на стадии внедрения, пилота или планирования. Быстрее всего агенты прижились в поддержке (49% команд) и операционных функциях (47%), медленнее всего — в финансах (24%). При этом 84% компаний планируют увеличить инвестиции в AI-агентов в ближайшие 12 месяцев.

Это одно из первых масштабных исследований, которое показывает не общие рассуждения об «агентном ИИ», а конкретную картину: кто уже внедрил агентов, в каких функциях, зачем и с какими оговорками. По практике Unlim Group, эти цифры хорошо совпадают с тем, что мы видим у российских клиентов: интерес к AI-агентам высокий во всех отделах, но реальное производственное внедрение пока концентрируется в 2-3 функциях с наибольшим объёмом рутинных операций, а не размазано равномерно по всей компании.

Кто внедряет AI-агентов быстрее всех: разбивка по отделам

Опрос Zapier зафиксировал долю компаний, у которых AI-агенты уже работают (не пилотируются, а развёрнуты в проде) в конкретной функции:

Отдел	Доля компаний с развёрнутыми агентами
Клиентская поддержка	49%
Операции / управление данными	47%
Инженерия / разработка	35%
Маркетинг	31%
Продажи	26%
Финансы	24%

Логика прослеживается чётко: агенты быстрее приходят туда, где задачи однотипны, объём запросов велик, а цена ошибки на старте невысока — типовой тикет в поддержке или структурированный отчёт по данным легче доверить агенту, чем согласование бюджета или сложную сделку с ключевым клиентом. Финансы и продажи требуют более высокой точности и большей ответственности за каждое отдельное решение, поэтому там пока преобладают пилоты и агенты «второго уровня» — те, что готовят черновик для человека, а не действуют самостоятельно.

Зачем компании ставят агентов: топ-4 задачи

Среди конкретных сценариев использования респонденты чаще всего называли:

1. Управление и структурирование данных — 47% компаний. Речь идёт о задачах вроде очистки дублей в CRM, нормализации адресов и товарных карточек, сведения данных из разных источников в единый формат.
2. Анализ и суммаризация документов — 41%. Агенты читают договоры, отчёты и переписку, выделяя ключевые условия, риски и сроки, что раньше отнимало часы у юристов и аналитиков.
3. Первичная обработка и маршрутизация обращений в поддержке — 41%. Агент классифицирует тикет, подбирает ответ из базы знаний или направляет его нужному специалисту с уже собранным контекстом.
4. Автоматическая генерация отчётов — 36%. Вместо ручной сборки таблиц и дашбордов агент формирует регулярную отчётность по заданному шаблону и рассылает её ответственным.

Это подтверждает наблюдение, о котором мы писали в материале про метрики AI-агента в поддержке: наибольшую отдачу агенты дают не там, где нужно «творчество», а там, где нужна скорость и последовательность на большом потоке однотипных операций.

Инвестиции растут быстрее, чем зрелость процессов

84% опрошенных руководителей планируют увеличить бюджет на AI-агентов в течение 12 месяцев, а 40% компаний уже управляют несколькими агентами одновременно в проде — то есть речь идёт не об одном пилотном боте, а о портфеле агентов на разные задачи. При этом только 5% респондентов не видят в AI-агентах никакой ценности для своего бизнеса — сопротивление на уровне руководства практически исчезло.

По практике Unlim Group, разрыв между «готовностью инвестировать» и «зрелостью процессов управления агентами» — главный источник разочарования у компаний, которые запускают сразу несколько агентов без единого регламента мониторинга и эскалации. Портфель из 3-5 агентов в разных отделах усложняет картину сразу по трём направлениям: кто отвечает за качество ответа каждого агента, как унифицировать логирование действий и как быстро остановить конкретного агента при сбое, не выключая остальные.

Контроль остаётся ручным чаще, чем кажется

Несмотря на рост автономности, контроль человека почти нигде не исчез полностью:

• 38% компаний используют модель human-in-the-loop — агент предлагает решение, человек утверждает.
• Только 20% работают с минимальным контролем со стороны человека.
• 18% называют безопасность и приватность данных главным барьером для более широкого внедрения.

Иными словами, даже компании с развёрнутыми в проде агентами в большинстве случаев не убирают человека из цикла полностью — это скорее ускорение принятия решений, чем их делегирование без проверки. Такой подход снижает риск, но требует, чтобы у сотрудника, утверждающего решение агента, было достаточно времени и контекста — иначе утверждение превращается в формальность, а реальный контроль теряется.

Что это значит для рынка РФ и СНГ

Сопоставимого по масштабу открытого опроса среди российских компаний пока нет, поэтому прямое сравнение процентов было бы некорректным. Но качественная картина, которую мы видим у клиентов Unlim Group, совпадает с глобальной: интерес выше всего в поддержке и операционных задачах с большим потоком обращений, а финансовый и юридический блоки внедряют агентов осторожнее — из-за требований 152-ФЗ к обработке персональных данных и более высокой цены ошибки в отчётности. Дополнительный фактор для рынка РФ и СНГ — доступность отечественных языковых моделей и облачной инфраструктуры с локализацией данных, что напрямую влияет на выбор поставщика и скорость согласования проекта с ИБ-службой. Unlim Group рекомендует начинать не с самой «модной» функции, а с той, где уже есть измеримый поток однотипных задач и понятные метрики качества.

С чего начать внедрение

1. Выберите одну функцию с наибольшим объёмом повторяющихся операций — по данным опроса, это чаще всего поддержка или работа с данными. Не пытайтесь охватить сразу несколько отделов в первом проекте.
2. Зафиксируйте baseline-метрики до запуска: время обработки, долю ошибок, стоимость операции на единицу. Без этой точки отсчёта невозможно доказать эффект агента руководству.
3. Запустите агента в режиме human-in-the-loop — это модель, которую использует большинство зрелых компаний, а не признак незрелости. Полная автономность имеет смысл только после нескольких месяцев стабильной работы.
4. Через 4-6 недель сравните метрики и примите решение о расширении на другие отделы или доработке текущего сценария.
5. Только после стабилизации одного агента добавляйте следующего — портфель из нескольких агентов требует отдельного регламента мониторинга, логирования и эскалации сбоев.

Читайте также

Практическое применение AI-агентов в продажах, маркетинге, HR, финансах и поддержке и AI-агенты в отделе продаж: что автоматизируют уже сейчас и сколько это стоит в России.