AI-агенты вступают в эру перестройки: предприятия столкнулись с проблемой надёжности🤨 — 31 мая 2026 г. в 07:49:21.378
AI-агенты вступают в эру перестройки: предприятия столкнулись с проблемой надёжности🤨 Когда корпоративные AI-агенты переходят в реальную эксплуатацию, компании всё чаще сталкиваются с проблемой надёжности. Оказывается, что производительности языковых моделей недостаточно. Долго работающие AI-процессы должны выдерживать сбои, сохранять состояние, восстанавливаться после ошибок, управлять затратами на вызовы моделей и координировать работу с API, инструментами и корпоративными системами. После первой волны, где главным было быстрое развёртывание, организациям теперь приходится возвращаться к первым версиям и перепроектировать архитектуру агентов — с упором на оркестровку, наблюдаемость, управление и восстановление. > «К нам приходит много клиентов, которые строят вторую версию того же агента, — говорит Прети Сомал, старший вице-президент по инжинирингу Temporal Technologies. — Им нужно было двигаться очень быстро, но они не позаботились об инфраструктуре. Всё рушится и горит, и они возвращаются к созданию надёжного фундамента». 🧠 Проблемы инженерии стали острее Сомал отмечает, что эти паттерны не новы, #AI просто их многократно усиливает. Агентные системы добавляют сложности, так как часто включают долгие многошаговые процессы через множество сервисов, моделей, API и инструментов. Один процесс может вызывать несколько больших языковых моделей, обращаться к системам поиска, запускать внешние приложения и управлять состоянием часами или днями. Инженерные вопросы всплывают только после развёртывания. «Люди пишут агентов, но не задумываются, что произойдёт, если агент упадёт, — говорит она. — Придётся ли мне запускать весь процесс заново?» 💰 Долгоживущие агенты требуют новой архитектуры Корпоративные процессы всё чаще включают агентов, работающих долгое время — иногда много часов, взаимодействуя с инструментами и системами. Проблемы надёжности усугубляются, когда процессы длятся долго, и это затрагивает две разные вещи: состояние (state) и память/контекст (memory). - Состояние — где находится агент в процессе, какие действия уже выполнены, с какого места возобновлять после сбоя. - Память/контекст — информация, которую агент переносит между взаимодействиями или задачами. Это различие становится критическим, когда компании переходят от простых чат-ботов к долгим бизнес-процессам. Пример из здравоохранения: процесс обработки визита врача включает аудио, суммирование, вызовы моделей и генерацию отчёта — всё это нужно оркестрировать. 🔁 Детерминированный позвоночник Полезная концепция для проектирования — «детерминированный позвоночник». Он обозначает путь, по которому должен идти процесс. Позвоночник вызывает «мозг» (языковую модель), но если мозг не отвечает, вызывает снова. Если следующий шаг должен провалиться, процесс возобновляется с места сбоя. В этой схеме языковая модель — вероятностная система, а оркестратор обеспечивает надёжность выполнения. Это важно, потому что корпоративные системы (закупки, сводки по здоровью, эскалации в поддержке) не могут просто молча падать из-за тайм-аута модели или сбоя внешней зависимости. 📊 Надёжность, видимость и экономика токенов Долгоживущие агенты совершают множество вызовов моделей, что создаёт непрозрачные расходы. Оркестрация даёт видимость пошагово: видно, где именно тратятся токены. Кроме того, восстановление после сбоя без перезапуска всего процесса экономит деньги: процесс возобновляется с точки сбоя, а не с шага один. 🏗️ Предприятия строят «вымощенные пути» Вместо того чтобы брать готовые агентные платформы целиком, компании хотят стандартизированные внутренние фреймворки с ограничениями и гибкостью. Нужны контроль управления, политики выбора моделей, системы идентификации, управление затратами и наблюдаемость. Temporal уже присутствует во многих корпорациях как часть программ модернизации, и распространение этой инфраструктуры на AI и агентные платформы выглядит естественным. Источник: VentureBeat