Как Dell переводит агентный ИИ из пилотов в промышленную эксплуатацию

Главный тезис Dell на конференции The Six Five Summit: AI Unleashed 2026 звучал так: агентный ИИ — это не просто новое название для чат-ботов, а новая производственная модель для бизнеса. Система должна получать заданную цель, пользоваться инструментами и доводить рабочий процесс до результата с минимальным участием человека. При этом приведённые Dell показатели производительности, экономии и влияния на бизнес остаются заявлениями самой компании и не являются независимым отраслевым бенчмарком. 15

От чат-бота к самостоятельному выполнению работы

Первая волна корпоративного генеративного ИИ в основном помогала сотрудникам искать информацию, делать выжимки и общаться с внутренними базами знаний. Следующий этап, по версии Dell, связан уже с цифровизацией самой работы: определённые задачи передаются программным системам, которые могут рассуждать в рамках процесса и выполнять действия в корпоративных инструментах. 14

Так Dell объясняет и разницу между агентами и так называемым «агентным отмыванием» (agent washing) — ситуацией, когда обычного бота, помощника или скрипт автоматизации выдают за автономного агента. Чат-бот может сформулировать ответ. Агент в определении Dell должен стремиться к поставленной цели, обращаться к инструментам и системам и выполнять последовательность шагов в рамках бизнес-процесса. 25

Dell заявила, что начала создавать таких агентов примерно за два года до саммита, а первые решения вывела в промышленную эксплуатацию в течение предыдущего года. Внутри компании Dell выступала в роли «нулевого заказчика» (Customer Zero), то есть тестировала технологию на собственных процессах. 2

Почему из 900 идей остались только 13

По словам Dell, компания начинала примерно с 900 потенциальных проектов в области ИИ, но сократила список примерно до 13 целевых инициатив. Отбор строился вокруг бизнес-приоритетов и анализа процессов — вместо бесконечного множества разрозненных экспериментов. 12

Среди приведённых производственных сценариев были:

• очистка данных CRM — агент берёт на себя повторяющуюся работу по повышению качества данных;
• разработка программного обеспечения, включая задачи, связанные с написанием кода;
• поддержка ценообразования и связанных с ним операций;
• бронирование поездок и суммирование документов как примеры более простых автономных задач. 25

Вывод Dell не в том, что агент нужен для каждого процесса. Скорее, компания предлагает начинать с конкретной работы и измеримого результата, а затем создавать минимальную систему, которая этот результат обеспечивает. Такой подход помогает отличить реальное внедрение от широкой программы пилотных проектов.

Какой эффект обещает Dell

Dell утверждает, что ранние внедрения на уровне отдельных задач способны дать прирост производительности примерно на 20–40%. Если же система берёт на себя целые категории работы, выигрыш, по оценке компании, может быть значительно выше — вплоть до нескольких порядков. 25

К этим цифрам стоит относиться как к заявленным Dell результатам и ожиданиям, а не как к независимо подтверждённому показателю для всех компаний. Dell также сообщила, что её внутренняя работа с ИИ помогла отделить рост выручки от динамики затрат. Однако предоставленные данные не показывают, какую именно роль в этом сыграли отдельные агенты и позволяют ли они говорить о причинно-следственной связи. 2

Для потенциальных заказчиков это важная оговорка. Обоснованный бизнес-кейс должен учитывать конкретную автоматизируемую задачу, время сотрудников, которое высвобождается или перераспределяется, стоимость инференса и оркестрации, а также контрольные механизмы на случай, если агент действует без постоянного надзора.

Почему агентным нагрузкам нужна другая инфраструктура

Аргумент Dell заключается в том, что промышленный агентный ИИ — это не просто более крупная версия чат-бота. Ограничением может стать не вычислительная мощность, а объём памяти и пропускная способность памяти. Длительные рабочие процессы сохраняют состояние в KV-кэшах, и в некоторых случаях память заканчивается раньше, чем полностью используется доступная мощность GPU. 24

Характер доступа к данным у агентов также отличается от обучения моделей. Вместо обработки больших и относительно статичных массивов производственные агенты могут постоянно, но неравномерно и точечно обращаться к множеству корпоративных систем. При масштабировании поэтому критичными становятся не только пропускная способность модели, но и доставка данных и задержки на «хвосте» распределения — то есть редкие, но особенно медленные запросы. 24

Возрастает и роль центральных процессоров. CPU координируют оркестрацию, ветвление логики, поиск данных, вызовы инструментов и обмен между компонентами, тогда как GPU выполняют подходящие для них модельные операции. Dell заявила, что привычное соотношение примерно 8:1–16:1 CPU к GPU в традиционных AI-системах для агентных нагрузок может приблизиться к 1:1 или 2:1. 2

Предлагаемый Dell ответ — универсальная платформенная инфраструктура вместо набора отдельных узкоспециализированных стеков. Компания также выступает за гибридные архитектуры: конкретную нагрузку следует размещать в локальной инфраструктуре, частном облаке, через публичные API или на устройстве в зависимости от требований к соответствию нормам, производительности, контролю над данными и стоимости. 45

У агента нет универсальной «цены за запрос»

Автономные рабочие процессы требуют соотносить экономику модели с ценностью задачи. Dell привела контрастные примеры: агент для поддержки решений руководителя может оправдать расходы около 100 000 долларов в месяц, тогда как агент для очистки CRM должен укладываться менее чем в 0,50 доллара на запись. 2

Это не универсальные ценовые ориентиры для рынка. Смысл примеров в другом: компаниям не следует применять самую мощную и дорогую модель к каждой задаче. В единой системе могут сочетаться небольшие модели для массовой рутинной работы, более крупные — для сложного рассуждения, а также разные варианты размещения в зависимости от задержки, требований к суверенитету данных и регулирования. 25

Безопасность начинается с отдельной личности агента

Dell сообщила, что каждому автономному агенту, получающему доступ к данным компании, назначается собственная цифровая идентичность Dell. Она позволяет детально управлять разрешениями и отзывать доступ; отключение такой идентичности может служить аварийным выключателем для агента. 25

Особое значение это имеет для безинтерфейсных агентов (headless agents) — систем, которые работают без пользовательского интерфейса и постоянного контроля человека. Если агент напрямую действует в корпоративных инструментах, организация должна понимать, какой именно агент выполнил действие, к каким данным он имел доступ и как остановить его, не полагаясь на учётные данные сотрудника.

Поэтому отдельная идентичность агента, принцип минимальных привилегий, журналирование и возможность отзыва разрешений становятся базовыми уровнями контроля, а не дополнительными функциями безопасности. Dell также упомянула протоколы взаимодействия и управления агентами A2A и MCP, а также подготовку к постквантовой криптографии как элементы формирующейся системы управления. 2

Предоставленные источники не позволяют надёжно определить, какую долю будущих внедрений составят безинтерфейсные агенты. Любая точная процентная оценка вышла бы за пределы имеющихся данных.

Рабочие места будут меняться по задачам

Dell заявила, что проанализировала 6 800 должностей, чтобы определить, какие части работы могут выполнять агенты, а какие по-прежнему требуют человеческого суждения. 2

Вывод компании: агенты чаще будут трансформировать работу, забирая отдельные задачи, а не полностью устраняя должности. В этой модели системы берут на себя операции, административную «гигиену» и координацию, а сотрудники получают больше времени на экспертные решения и работу, требующую человеческого участия. 25

Это тезис о перестройке рабочих процессов, а не гарантия того, что ни одна должность не исчезнет. Даже если сама должность сохраняется, могут измениться её обязанности, численность команды, набор навыков и уровень ответственности. Для бизнеса главный вызов заключается в организационном проектировании: нужно определить, какую работу можно делегировать, за какие решения человек обязан отвечать и как измерять эффективность после изменения процесса.

Четыре вопроса для компаний, покупающих агентный ИИ

Из выступления Dell следует практическая проверка из четырёх пунктов:

1. Действительно ли система автономна? Новое название для чат-бота ещё не делает его агентом.
2. Выполняет ли она конкретный и ценный процесс? Переход от 900 идей к 13 инициативам показывает важность приоритизации.
3. Выдержит ли инфраструктура состояние процесса, задержки, оркестрацию и экономику конкретной нагрузки? Агентный инференс может создавать иные проблемы с памятью и доставкой данных, чем обучение моделей или обычные чат-боты.
4. Можно ли управлять агентом? Идентичность, авторизация, журналирование, отзыв доступа и ответственность человека должны быть спроектированы до масштабирования автономных операций.

Более широкая позиция Dell такова: агентный ИИ становится значимым, когда подключается к реальной работе и оценивается по реальным результатам. Но важна и оговорка: примеры и показатели отражают позицию и заявленный опыт Dell, а не гарантируют аналогичный эффект для каждой организации.