«Агентная экономика к нам приходит» — Андрей Белевцев на ГИГАКОНФ 2026

«Код.ру» побывал на конференции ГИГАКОНФ 2026 и пообщался со старшим вице-президентом Сбера, руководителем блока «Технологическое развитие» Андреем Белевцевым.

Поговорили о том, как «ГигаАгент» вырос из pet-проекта одного исследователя, как он научился управлять роем агентов и как в Сбере контролируют саморазвивающийся ИИ.

Также обсудили, как меняется роль IT-разработки, по каким метрикам оценивать агентов и снижать их стоимость, наступила ли в России агентная экономика и зачем инженерам встречаться вживую.

Видеоверсия интервью:

— Первый вопрос про «ГигаАгент». Он сейчас умеет выполнять несколько задач параллельно, держит контекст. Расскажите про технологические архитектурные решения, которые позволили это реализовать.

— Смотрите, вообще у проекта интересная судьба, он начинался как pet-проект одного из наших ребят-исследователей, который он поставил как эксперимент по саморазвивающемуся агенту. По сути, первую версию «ГигаАгента» написал «ГигаАгент». Он тогда ещё не был «ГигаАгентом», он об этом ещё не знал, но тем не менее.

Почему это стало возможным? Потому что буквально в конце прошлого года, наверное, пошло новое поколение моделей, которые действительно научились не просто код писать, а планировать свои действия на много шагов, решать задачи с длинным горизонтом, использовать хорошо инструменты. И поэтому стало возможным при правильной разработке harness, которым «ГигаАгент» является, поставить задачу, и в ряд этапов агент будет её делать, пока не сделает, если его возможности это позволяют. И сейчас «ГигаАгент» — это уже продукт, над которым работает уже не один человек, а над которым работают уже целые команды. Но наша задача — сделать самый мощный профессиональный, универсальный harness для человека.

Почему нам это важно в продуктовом смысле? Потому что мы хотим, чтобы человек, который хочет решать какую-то задачу, которую никогда ещё там никакой продуктолог для него не придумал, его личную задачу, чтобы он мог такую задачу поставить «ГигаАгенту», и он сделал то, что ему нужно. Если нужно, разработал какие-то инструменты, помог ему создать навыки или скиллы, или в пределе — там есть такой экспертный режим, мы его сохраняем — можно запустить и развитие, эволюцию самого агента для того, чтобы он стал лучше лично под вас.

Главное, наверное, изменение, над которым мы работали в последнее время — это работа с роем агентов, потому что бывают задачи сложные, и сложные задачи требуют параллельного исполнения, потому что человек, во-первых, хочет скорости, во-вторых, в некоторых случаях она просто эффективнее решается, если её решают несколько агентов роя одновременно. И вот такое роевое управление — это было, наверное, самое главное. Но вообще мы готовим следующий ближайший релиз, о нем будем рассказывать, когда покажем.

— Как раз про саморазвитие хочу спросить. «ГигаАгент» может менять собственный код, фиксирует изменения все. Вот как проводить контроль, чтобы не случилось, ну, наверное, страшного какого-то сценария? Мы все сейчас читаем эти новости про Hugging Face и так далее. Как контролировать саморазвивающийся искусственный интеллект?

— Давайте две истории расскажу. Во-первых, когда вы приходите в корпоративный ландшафт… В Сбере мы с самого начала работы с агентом, когда ещё, может, это слово не было таким модным, как только стали об этом думать, мы сразу поняли, что нужна контролируемая среда, в которой он исполняется. И они ещё не были такими мощными, как сегодня, но с самого начала мы сделали такое решение, мы называем его Agent Execution Framework (AEF). Это специальный набор инструментов, которые контролируют поведение агента, когда вы его используете в ландшафте.

Что он такое контролирует? Это означает, что там есть закрытые песочницы для выполнения кода, там есть сбор всех логов и трейсов, которые агент создает во время своей работы, потому что их можно и нужно использовать для его последующего развития, улучшения и самообучения. Там есть контроль использования им инструментов и контроль использования им ресурсов инференса, чтобы мы вообще понимали, сколько он и что на какие задачи тратит. То есть это такое профессиональное корпоративное решение. Мне кажется, что любая компания, которая внедряет агентов, она должна что-то подобное использовать.

Как альтернативу этому, если у вас нет большой команды разработки и вы не хотите об этом думать, мы весь наш опыт и знания собрали в продукт, который у нас называется GigaCowork. Это уже готовая платформа, в которой путь начинается не с разработки агента, а которая как раз содержит внутри себя и фреймворк универсального агента, и набор необходимых скиллов и плагинов для того, чтобы под разные роли можно было бы сразу с чего-то начать. Вы потом можете это изменить под себя, доработать те или иные скиллы, но нет проблемы белого листа. И вся задача контроля и управления лежит внутри платформы и реализована для вас сразу из коробки.

— А как вообще в принципе меняется сейчас роль IT-разработки в такой системе, в которой, по сути, каждый человек, владеющий продуктом, может сам придумать задачу?

— Слушайте, здесь различие важное, наверное, о котором надо поговорить. Это то, что надо делать в дизайн-тайм, и то, о чем надо думать в ран-тайм. В дизайн-тайм это работа команды, которая должна сделать продукт. Мы много сил вкладываем в то, чтобы это стало целостной методологией. В Сбере разработана методология AI-PDLC (Product Development Lifecycle), которая комплексно смотрит на то, как вообще должен делаться продукт и что кто в команде должен делать для того, чтобы с использованием агентов, тем не менее, наладить производственный процесс.

Такая важная история. Мы развиваем одновременно и инструменты, и лучшие практики по организации процесса. Но потом есть ещё и второй этап — это уже ран-тайм. Понятно, что достаточно редко продукт создается впервые. Бо́льшую часть своей жизни он проводит в непрерывных изменениях и в сопровождении. И поэтому есть вторая часть этого цикла — это уже сервисный цикл PSLC, то есть, как команда, сделав какой-то продукт, сопровождает его ран-тайм и как выпускает его новые и новые версии. Таким образом, стараемся комплексно на это смотреть и делимся этим с сообществом.

— Давайте про метрики поговорим. Как правильно измерять эффективность работы агента для крупного бизнеса, для среднего бизнеса, для малого бизнеса?

— Отличный вопрос. Обычно это классический треугольник: качество, сроки, стоимость. Качество — это те метрики, которые ставит бизнес. Когда вы делаете агента, вы должны понять, как вообще поймете, что он работает хорошо. Как ни странно, не все с этого начинают. Вообще говоря, это самый главный вопрос, потому что, если вы на него правильно ответили, заготовили оценку через оценочные корзины или оценку другой моделью, например, то вы можете добиваться результата, в том числе используя эволюционные инструменты. Качество — это бизнес-метрики.

Вторая история, с которой все сталкиваются, — это требования к скорости. Есть задачи, которые к скорости нетребовательны, их можно даже ночью запустить. Аналитические, например, задачи. Есть задачи, которые к скорости очень требовательны. Например, если вы с помощью агента автоматизируете диалог, который происходит голосом в контакт-центре, то есть в реальном времени. Это принципиально два разных класса задач, для которых вы меряете и время до получения первого токена, то есть когда фактически модель может начать говорить, и итоговое время ответа, и вообще скорость генерации. Там есть набор технических метрик, которые как раз показывают, как система с этим справляется.

Ну и финальная — это, конечно, цена. То есть что мы говорим всем своим командам — это то, что сначала вы сделайте задачу, неважно за какую стоимость одной итерации, но просто покажите, что она решаема, и научитесь её решать хорошо. А потом обязательно наступает этап удешевления, когда вы должны заботиться о том, чтобы каждое срабатывание, каждая задача имела более низкую стоимость. Для этого есть буквально несколько рычагов, каждый из них важен.

Первый самый простой рычаг — это правильно описать навык. Правильно описанный навык существенно влияет на то, как задача будет исполняться. Второе, рядом со скиллом, — качество контекста, который вы в принципе в модель подаете. То есть с какими данными она работает, насколько они хорошо подготовлены, структурированы, описаны, настолько это влияет на качество.

Следующий этап — это уже работа самого harness. Он может либо целиком быть изменен, либо написан специальный инструмент или плагин, который позволяет эту задачу решать быстрее. Это следующая по стоимости задача.

Ну и финальная: перебрав эти инструменты, можно улучшать саму модель или делать разные виды дообучения малых моделей под конкретную задачу. У нас, наверное, самый яркий пример, который мы сейчас делаем для отдельных задач — мы вместе с Институтом развития интернета (ИРИ) научились делать с нуля малые модели в классе Foundation Models. Малые — это размер 1–2 миллиарда. Есть модели, например, которые мы таким образом сделали для чисто вопросо-ответных систем. Знаете, как чат-бот раньше работал. Они не пишут код, с ними нельзя поговорить про историю войны 1812 года, но они очень хорошо, имея базу понятных ответов, по которой обычно работают люди, например, операторы, очень хорошо отвечают на вопросы. Такая маленькая модель в 1–2 миллиарда работает не хуже, чем модели в 10–20 раз бо́льшие по размеру, а значит и более дорогие. Это ещё один подход, который требует наиболее высокого мастерства.

— Это поддержка такая, да?

— Нет, смотрите, ещё раз, три главных рычага. Контекст отношу в сторону, это просто база. Дальше у вас есть навык, у вас есть качество harness и у вас есть качество модели. Может быть задача поддержки, как вы сказали, а может быть и достаточно сложная задача — например, поиска или обработки какой-то информации, для которых тоже можно создавать специализированные, ну, малые… Всё время хочется сказать в кавычках, потому что это всё большое по старым размерам, но малые по сравнению с большими фронтирными моделями.

— Мы часто говорим все про агентную экономику. По вашей оценке можно сказать, что она уже наступила? Понятно, что ландшафт у компании разный, и в разных странах по-разному, но в России сейчас агентная экономика — это уже реальность или это пока будущее?

— Она к нам приходит. «Наступила», наверное, надо говорить, когда агентная экономика займёт какую-то большую долю в экономическом развитии страны. Она ещё такой доли не заняла. Но просто изменения очень быстрые. В формировании агентной экономики есть простая и человеческая поведенческая, и экономическая логика. У меня есть мотивация, в том числе и экономическая мотивация, поставить моему агенту задачу поиска для меня какого-то товара, потому что я верю в то, что он, во-первых, найдёт то, что мне нужно, возможно, найдёт на лучших условиях, дешевле, быстрее и так далее.

То есть у меня есть мотивация это делать. Как только такая экономическая мотивация у участника рынка возникает, значит, продавец товара через некоторое время понимает, что к нему приходит много агентов, неплохо бы поставить агента-продавца, который будет с ними тоже разговоры вести и торговаться. С этого момента начинается агентная экономика.

Я считаю, что мы здесь движемся немножко медленнее, чем в мире эти изменения происходят. Например, в Китае у Alibaba уже есть сотни миллионов таких агентных транзакций на платформе. Самое интересное, что они обратили внимание, что в эти транзакции у них попало несколько миллионов китайцев, которые никогда не делали онлайн-покупок. То есть этот путь с использованием агента оказался хорошей дорожкой для пожилых людей, например, которым сложновато было жить в этом мире электронной торговли, но оказалось доступно просто объяснить, что они хотят, и сделать покупку.

Поэтому я уверен, что мы там будем. Мы ещё не там, у нас нет никакой… Даже нечего считать. То есть пока ещё нет никакой доли, и она так мала, что её не посчитать. Но я думаю, что в ближайшие год-два-три это станет очень значимым сегментом.

— Последний вопрос человеческий, так сказать. Вы здесь на «ГИГАКОНФ» собрали, наверное, несколько сотен инженеров самых разных компаний. Почему в век наступления агентной экономики важно смотреть друг в друга в глаза и общаться вживую?

— Слушайте, это хороший вопрос, потому что, знаете, мы делаем комбинированно. На самом деле несколько тысяч человек смотрят онлайн прямо сейчас, потому что не у всех даже есть элементарная возможность, а это интересно. Но нам кажется, что площадка обязательно должна быть. И площадка — это не только сцена, где люди выступают. Это, конечно, место, где они разговаривают и общаются. Плюс мы хотим приглашать людей к нам домой, потому что это наш офис, мы здесь работаем.

Здесь наши ребята, наши команды. Здесь можно пообщаться с реальными людьми, которые из команд, которые делают эти продукты, которые живут этими изменениями. Мы этими знаниями хотим делиться. Мы хотим, чтобы вся наша индустрия росла. Нас, с какой-то стороны, достаточно много. А если с другой стороны посмотреть, то, в общем, может быть, и мало. И чтобы те люди, которые сейчас озабочены этими изменениями, они нашли единомышленников. А единомышленнику лучше в глаза смотреть, чем в экран.

Реклама. ПАО Сбербанк. erid: 2VtzqvP3a2y