Стоимость агентов упала вчетверо, но устаревшая защита грозит потерей данных и бюджета
Стоимость работы автономных агентов упала в четыре раза, но переход к параллельным вычислениям создал риск неконтролируемого роста расходов и утечек данных из-за устаревших систем безопасности.
Стоимость работы автономных агентов упала в четыре раза, а скорость решения задач выросла благодаря переходу к параллельным вычислениям. Это делает автоматизацию сложных процессов экономически выгодной, но создает новые риски неконтролируемых расходов и утечек данных из-за устаревших систем безопасности. Бизнесу необходимо перестроить управление доступом и бюджетом, иначе выгода от дешевизны агентов исчезнет в первых же инцидентах.
Экономика масштаба и ловушка бесконечных циклов
В середине 2026 года рынок автономных агентов перешел от экспериментов к промышленному внедрению. OpenAI представила модели GPT-5.6 (Sol, Terra, Luna), которые работают в режиме ultra, запуская четыре параллельных агента для решения одной задачи. Это позволило снизить стоимость выполнения сложных операций в четыре раза. Параллельная координация заменила последовательное выполнение шагов, что ускорило обработку данных и сделало рентабельными процессы, ранее слишком дорогие для автоматизации.
Однако снижение стоимости одного шага породило новый риск: неконтролируемый рост общих расходов. Эксперты отмечают, что переход к автономным циклам, где агенты управляют другими агентами, превращает разработку и поддержку ПО в непрерывный фоновый процесс. В отличие от чат-ботов, работающих по запросу, такие системы потребляют токены и вычислительные мощности постоянно. Без жестких лимитов и стратегий управления бюджетом компании сталкиваются с резким ростом счетов за инфраструктуру.
Дешевизна отдельного действия агента создает иллюзию низкой стоимости проекта, но непрерывная работа автономных циклов может привести к финансовым потерям, превышающим бюджет на разработку в разы.
Ситуацию усугубляет зависимость от конкретной аппаратной базы. NVIDIA, Microsoft и Anthropic запустили работу моделей Claude на ускорителях GB300 Blackwell Ultra в облаке Azure. Высокая скорость и энергоэффективность этой архитектуры действительно позволяют запускать сложные сценарии. Но это создает жесткую привязку к экосистеме Azure и оборудованию NVIDIA. Компании, внедряющие такие решения, рискуют столкнуться с высокими затратами на миграцию и потерей гибкости при смене поставщика.
Безопасность: когда старые ключи открывают новые двери
Главная угроза для бизнеса сейчас скрыта не в ошибках алгоритмов, а в устаревших системах управления доступом. Автономные агенты действуют с машинной скоростью и могут самостоятельно формировать цепочки действий, связывая разные системы. Традиционные методы защиты, ориентированные на человека, не справляются с этой динамикой. Статические учетные данные, которые раньше использовались годами, становятся критической уязвимостью. Агент может использовать их для совершения действий, последствия которых мгновенно масштабируются.
Проблема усугубляется тем, что традиционные системы защиты не видят утечек данных, происходящих внутри многошаговых цепочек вызовов. Агенты перемещают конфиденциальную информацию между системами без участия человека, и стандартные средства мониторинга не фиксируют эти промежуточные состояния. Если один элемент в цепочке скомпрометирован, это ведет к системному разглашению данных. Безопасность смещается от контроля конфигурации к жесткому мониторингу потоков данных и обязательной проверке каждого действия агента в реальном времени.
Ситуация с инсайдерскими угрозами также изменилась. Автономные агенты и машинные идентичности начинают действовать как самостоятельные инсайдеры. Они аутентифицируются и получают доступ к чувствительным системам без постоянного надзора человека. Когда агент выходит за рамки сценария, он создает инцидент без участия злоумышленника, что делает невозможным использование традиционных моделей управления, построенных вокруг человеческого поведения.
Реальная угроза исходит не от «злых» алгоритмов, а от того, что устаревшие права доступа позволяют автономным агентам действовать как неконтролируемые инсайдеры с полномочиями администратора.
Для предотвращения таких сценариев требуется замена статических учетных данных на динамические токены и внедрение единого слоя идентификации. Идентичность агента должна быть непрерывно верифицируемой и ограниченной принудительной политикой. Без этого даже самые совершенные модели, такие как GPT-5.6 или системы на базе Blackwell Ultra, становятся источником масштабных инцидентов.
Новые горизонты и скрытые риски внедрения
Технологический прогресс не ограничивается офисными задачами. В автомобильной отрасли китайский бренд HONGQI совместно с Alibaba Cloud внедрил систему, превращающую автомобиль в автономного агента. Модель Qianwen анализирует данные в реальном времени и самостоятельно планирует маршруты с учетом расписания и внешних сервисов. Это задает новый стандарт конкуренции, где автомобиль становится точкой входа в цифровую экономику. Хотя для российского рынка эта версия пока недоступна, глобальный тренд на интеграцию ИИ в физический мир очевиден.
В сфере робототехники и геймдева модель NitroGen от NVIDIA и Стэнфордского университета продемонстрировала способность адаптироваться к неизвестным условиям, обучаясь на 40 000 часов игровых записей. Это открывает путь к созданию автономных агентов, способных работать в изменяющейся среде, что критически важно для реального мира. Однако внедрение таких агентов в операционные системы, как планирует Microsoft с «агентной ОС» Windows, несет риски непреднамеренных ошибок. Агенты могут удалять важные файлы или создавать фиктивные записи, если получат широкие системные полномочия без должного контроля.
Практические выводы для бизнеса
Для успешного внедрения автономных агентов в 2026 году необходимо сфокусироваться на трех ключевых направлениях:
- Управление бюджетом: Внедрение лимитов на потребление токенов и вычислительных мощностей для автономных циклов. Без этого экономия на стоимости одного шага нивелируется бесконечной работой системы.
- Модернизация безопасности: Отказ от статических учетных данных в пользу динамических токенов и единого слоя идентификации для машинных агентов. Требуется аудит каждого шага работы агента в реальном времени.
- Оценка зависимости: Анализ рисков привязки к конкретным экосистемам (например, Azure + NVIDIA). Необходимо иметь план миграции или стратегии, снижающие зависимость от одного поставщика.
Если компании продолжат использовать устаревшие модели управления доступом при внедрении параллельных агентов, стоимость инцидентов безопасности превысит выгоду от автоматизации уже в первом квартале. При этом, если рынок сохранит текущую динамику снижения стоимости вычислений, к концу 2026 года порог входа для автоматизации критических бизнес-процессов снизится настолько, что отсутствие агентов станет конкурентным недостатком, а не опцией.
🤖 Сводка сформирована на основе фактов из Календаря и обновляется при поступлении новых данных.
📅 Последнее обновление сводки: 5 августа 2026.
