# Большинство ИИ-агентов так и не доходят до прода Демо ослепляет. А потом агент так и не выходит в релиз. Опрос за опросом в 2025–26 находят один и тот же обрыв: пилот есть почти у всех, в проде — почти ни у кого. И дело не в модели, а в неблагодарной инженерии, которую демо позволило пропустить. Вот что делает иначе то меньшинство, которое реально доводит до прода. - **Author:** Фёдор Чищин - **Published:** 2026-06-03 - **Tags:** agents, eval, methodology - **Source:** https://fedorthinks.com/ru/blog/agents-never-reach-production --- Ты видел это демо. Агент берёт расплывчатый запрос, разлетается по инструментам, пишет код, бронирует поездку, закрывает тикет — безупречно, на сцене, под аплодисменты. Выглядит так, будто будущее наступило раньше срока. А потом, спустя месяцы, ты тихо замечаешь: он так и не вышел. Пилот всё ещё пилот. Им по сути никто не пользуется. Это самая частая история в ИИ прямо сейчас, и стоит быть честным, потому что именно в зазоре между «невероятным демо» и «вещью, на которую полагаются живые люди» умирает почти любой агент. ## Обрыв в цифрах Это не ощущение — это измерено, неоднократно, и цифры жёсткие. Инициатива MIT NANDA выпустила [_The GenAI Divide_](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/) в 2025-м и обнаружила, что **95% корпоративных пилотов генеративного ИИ не дают измеримой отдачи** — лишь около 5% доходят до реального эффекта. Опрос 650 корпоративных лидеров в марте 2026-го нашёл ту же форму: [**пилоты с агентами были у 78%, но в прод вышли только 14%**](https://www.digitalapplied.com/blog/ai-agent-scaling-gap-march-2026-pilot-to-production). Другой срез тех же данных: **67% увидели выигрыш в пилоте, 10% его масштабировали** — то есть примерно **90% застревают** в зазоре между работающим proof of concept и системой, на которую кто-то полагается. Какая бы ни была точная цифра, сигнал одинаков: заставить агента сработать _один раз, в демо_, теперь легко. Заставить его работать _каждый раз, в проде_ — вот где всё разваливается. ## Дело никогда не было в модели Вот что люди понимают наоборот. Модель в твоём провалившемся пилоте — та же, что в чьём-то успешном. Фронтир общий; это вызов API. Если бы узким местом была сырая мощность модели, ты видел бы пару победителей с секретными моделями и всех остальных в проигрыше. Это не та картина. Картина в том, что _одни и те же модели_ срабатывают у немногих и застревают у большинства. MIT прямо сказал, где на самом деле проблема: провалы возводятся к **«разрыву в обучении»** — компании не могут встроить модель в реальные рабочие процессы, структуры и данные — **а не к качеству модели.** Один анализ 2026 года нашёл, что [пять разрывов объясняют **89% провалов масштабирования**](https://www.digitalapplied.com/blog/ai-agent-scaling-gap-march-2026-pilot-to-production): интеграция с существующими системами, нестабильное качество вывода на объёме, отсутствие инструментов мониторинга, неясная ответственность и скудные доменные данные. Посмотри на этот список. Ни один пункт — не «модель недостаточно умна». Каждый из них — инженерия и эксплуатация, та самая работа, которую демо позволяет пропустить. ## Демо — это вылизанный лучший случай Демо врёт по структуре, а не по злому умыслу. В демо ты контролируешь всё: сам выбираешь вход, сам выбираешь счастливый путь, сам выбираешь момент. Ты показываешь, что агент _может_ преуспеть — однажды, в условиях, которые выбрал ты. Прод — противоположность вылизанному. Он шлёт входы, которых ты и вообразить не мог, на объёме, в три ночи, в неправильном формате, от пользователей, активно пытающихся его сломать. А компонент в середине — это [недетерминированный угадыватель](/blog/grounding-is-a-constraint). Агент, который прав в 90% случаев, — триумфальное демо и кошмар в проде: при тысяче запросов в день это сотня уверенных провалов, каждый день, накапливающихся сквозь многошаговые цепочки, пока агент полностью не сойдёт с задачи. Демо мерило «может ли это сработать?». Прод мерит «продолжает ли это работать на входах, которые выбрал не я?» — совсем другой, куда более тяжёлый вопрос. ## Что на самом деле делает то меньшинство, что доходит до прода Команды, которые проходят зазор, — не те, у кого промпт похитрее или секретная модель. Это те, кто сделал скучную инженерию, которую демо соблазняло всех пропустить. Конкретно: - **Они измеряют, а не ощущают.** Демо судят по тому, как оно _чувствуется_; прод судят по числам. Команды, которые доходят, держат отложенный [eval-набор](/blog/evals-or-it-didnt-ship) и знают свой реальный процент успеха раньше пользователей. Нельзя улучшить — да и доверять — тому, что не измеряешь. - **Они заземляют модель.** Чтобы тысячный ответ не был уверенно неверным, факты приходят из детерминированного источника, а модель только их формулирует — [ограничение, а не промпт](/blog/grounding-is-a-constraint). Это сильнейший рычаг на «стабильное качество вывода на объёме» — один из пяти убийц. - **Они его инструментируют.** «Нет инструментов мониторинга» не зря в списке причин провала. Выжившие видят, что агент сделал, где поплыл и сколько это стоило — в проде, а не в ноутбуке. - **Они сужают зону и дают владельца.** Не god-агент, который в демо делает всё, а маленький агент с чёткой задачей, живущий внутри реальных систем, за который кто-то отвечает. «Неясная ответственность» убивает пилотов не реже, чем плохой техстек. Ничего из этого — не ИИ-волшебство. Это [та же инженерная дисциплина](/blog/cheap-code-is-expensive), что отделяет софт, который живёт, от софта, который красиво демонстрируется и рассыпается. Агент просто делает зазор виднее, потому что угадыватель наказывает за отсутствие дисциплины быстрее, чем обычный код. ## Демо и продукт — это разные навыки Вот неудобная суть. Хорошее демо оптимизируют под «смотрите, что оно умеет» — максимум возможностей, один вылизанный заход. Продакшн-систему оптимизируют под «оно надёжно делает скучную вещь, вечно, на входах, которые никто не отбирал». Это не один и тот же навык, и они часто в конфликте. Демо по сути — артефакт продаж. Продукт — артефакт инженерии. Те 95%, что застряли, построили первое и решили, что второе подтянется само. Не подтягивается. Так что если ты смотришь на агента, который поражает в демо и не переживёт контакта с живыми пользователями, недостающая часть почти наверняка — не модель получше и не промпт поумнее. Это неблагодарная часть: evals, заземление, мониторинг, сужение зоны, ответственность — инженерия, которая превращает «сработало однажды» в «работает каждый раз». Меньшинство, которое доходит до прода, не умнее в ИИ. Оно просто не пропустило скучные 80%. В этом весь секрет. Демо — лёгкая часть. Демо может каждый. Продукт — это инженерия после него, и вот она-то никогда не была опциональной.