За один квартал доля американских руководителей, заявляющих, что у них есть возможности и система управления для контроля рисков ИИ в масштабе, выросла с 57% до 73% (KPMG, 2026). Примерно за тот же период доля организаций, встраивающих контроль непосредственно в своих агентов — наряду с процедурами мониторинга и оценки, — упала до 30% против 43% двумя кварталами ранее. KPMG называет причину одной фразой: многие «опираются на уже имеющиеся ограничители».
То же исследование. Те же компании. Уверенность росла, пока убирались механизмы контроля, находившиеся ближе всего к агенту.
Третья цифра — та, которая должна повлиять на решение в этом квартале. Доля организаций, активно разрабатывающих или внедряющих многоагентные системы, поднялась до 25% против 6% в каждом из двух предыдущих кварталов. Сложность нарастает именно в тот момент, когда встроенный контроль истончается, и от управления ИИ-агентами требуют работать на инфраструктуре, построенной для другой задачи.
Что KPMG действительно измерила
Опрос проводился с 24 июля по 25 августа 2026 года и охватил 314 американских руководителей высшего звена и руководителей бизнес-направлений в организациях с годовой выручкой от 1 млрд долларов; более трети — свыше 10 млрд (KPMG, 2026). Эта выборка имеет значение, и я к ней вернусь.
Две динамики идут в противоположных направлениях:
| Показатель | III кв. 2026 | Предыдущее значение |
|---|---|---|
| Уверенность в возможностях и управлении для контроля рисков ИИ в масштабе | 73% | 57% (предыдущий квартал) |
| Встраивание контроля в собственных агентов, с мониторингом и оценкой | 30% | 43% (двумя кварталами ранее) |
| Активная разработка или внедрение многоагентных систем | 25% | 6% (в каждом из двух предыдущих кварталов) |
| Создание, внедрение или разработка ИИ-агентов | 62% | 53% (предыдущий квартал) |
| Определённые сценарии высокого риска, где автономные решения агентов запрещены | 49% | 28% (III кв. 2025) |
| Внедрённые бюджеты использования или токенов | 43% | — |
Финансовая дисциплина действительно улучшается: 74% теперь включают проверку затрат в процессы одобрения ИИ — против 61% в предыдущем квартале, а 70% используют панели мониторинга ИИ. Это не история о небрежных организациях. Это история об управлении, которое взрослеет в одном измерении — расходы, прозрачность, процесс одобрения, — пока другое измерение тихо дерегулируется.
Почему уверенность в управлении ИИ-агентами опередила контроль
Формулировка «уже имеющиеся ограничители» несёт немалую нагрузку, поэтому стоит спросить, что это за ограничители.
KPMG сама перечисляет, что организации включают в свой слой контроля: контроль доступа к данным (59%), контроль безопасности и идентичности (53%), мониторинг выходных данных ИИ (47%), применение политик и ограничителей (42%) и управление доступом к моделям (40%) (KPMG, 2026).
Перечитайте этот список глазами операционного руководителя. Каждый пункт регулирует доступ: к каким системам модель может обратиться, какую идентичность несёт, какую модель можно вызвать и выглядят ли результаты приемлемо после факта. Ни один не отвечает на вопрос, который поднимает агент: вправе ли этот агент совершить именно это внешне видимое действие, от чьего имени, в рамках какого бюджета и кто может отозвать его на полпути?
Контроль периметра необходим — и он не перемещается вместе с агентом. Агент, который легитимно прошёл аутентификацию, обращается только к одобренным системам и вызывает одобренную модель, всё равно может отправить клиенту не то письмо, оформить возврат вне политики или связать компанию обязательством перед поставщиком. Ни один из этих случаев не является нарушением доступа. Каждый — вопрос полномочий на действие, а полномочия на действие и есть именно то, что строили эти 30% и что перестали строить компании в объёме 13 процентных пунктов.
Разрыв шире там, где внедрение идёт быстрее
Один агент, вызывающий чётко ограниченный инструмент, — управляемый случай при контроле периметра. Многоагентная система, где выход одного агента становится инструкцией для другого, — нет, потому что между ними нет никакого периметра. Эта конфигурация выросла с 6% до 25% за два квартала. Модель контроля истончалась именно тогда, когда архитектура, которой она управляет, стала труднее для осмысления.
Объяснение через издержки, которое никто не произносит
Есть неприглядная причина, по которой встроенный в агентов контроль сокращают, и это не самоуспокоенность.
Команда QuantumBlack из McKinsey оценила переменные издержки эксплуатации агента в продуктивной среде и обнаружила, что для задачи банковского клиентского обслуживания расходы на токены часто составляют лишь 20–25 процентов переменных издержек эксплуатации, тогда как человеческий надзор — 70–75 процентов (McKinsey QuantumBlack, 2026). При онбординге клиентов они ожидают, что 10–20 процентов агентных прогонов будут проверяться экспертами по рискам и предметными специалистами.
Надзор — не погрешность в бизнес-кейсе агента. Он и есть бизнес-кейс. А значит, каждый механизм контроля, ставящий человека на путь действия, — это видимая, регулярная, измеримая статья затрат на маржу. И в момент, когда панель показывает, что всё в порядке, именно эту строку легче всего защитить при сокращении.
Это и есть механизм, стоящий за двумя кривыми KPMG. Растущая уверенность не вызвала падение контроля. Растущая уверенность устранила аргумент в пользу сохранения дорогого механизма, который ещё не дал громкого сбоя.
Контраргумент: контроль, встроенный по замыслу
Если истончение встроенного в агентов контроля было бы просто рациональной эффективностью, компании, которые так поступают, должны были бы показывать лучшие результаты. Доступные данные говорят об обратном.
Institute for Business Value компании IBM опросил 2 000 технологических руководителей уровня C и сравнил организации, встраивающие контроль непосредственно в системы ИИ, с теми, кто опирается на ручное управление. Группа «контроля по замыслу» сообщила о 25% меньшем числе инцидентов, в 16 раз большем числе развёрнутых ИИ-агентов, на 18% более высокой операционной марже и в 4 раза меньшем расходе бюджета на ИИ (IBM Institute for Business Value, 2026).
Встроенный контроль не стал тормозом внедрения. Он стал тем, что сделало внедрение достаточно устойчивым для масштабирования: разница в 16 раз по числу реально работающих агентов.
То же исследование помещает цифру уверенности в неудобный свет: 77% этих технологических руководителей заявили, что внедрение ИИ уже опережает их возможности управления, две трети сообщили, что отвечают за системы ИИ, которые не контролируют полностью, а средняя организация в выборке зафиксировала 54 инцидента с агентами за год, причём 17% из них потребовали более четырёх часов на локализацию. Респонденты KPMG — преимущественно руководители высшего звена и руководители бизнеса. Респонденты IBM — это ИТ- и технические директора, которых вызовут по тревоге. 73% и 77% не обязательно противоречат друг другу: возможно, они просто измеряют уверенность на разном расстоянии от инцидента.
Честное возражение
Три ограничения, сказанные прямо.
Это выборка компаний с выручкой от 1 млрд долларов, и это работает против очевидного прочтения. Более трети этих компаний имеют выручку свыше 10 млрд долларов. Компания на 200 сотрудников не располагает управлением идентичностями, инструментами доступа и процедурами проверки безопасности, на которые отступают эти руководители. Поэтому вывод переносится не как «крупные компании расслабились, а у нас всё в порядке». Он переносится в более жёсткой версии: те самые уже имеющиеся ограничители, на которые здесь полагаются, в среднем сегменте в основном отсутствуют — а значит, встроенный в агента контроль становится менее опциональным, а не более.
Уверенность заявлена самими респондентами; цифра по контролю — тоже. Никто эти организации не проверял. Переход с 57% на 73% за квартал — крупное движение для убеждения, а убеждения переоцениваются быстрее, чем возможности. Читайте 73% как замер настроения, а не как оценку зрелости.
Больше надзора не значит монотонно лучше, и эта статья не должна делать вид, что это так. Ганс и Холден моделируют надзор над агентами, способными скрывать свои действия, и показывают, что более строгий аудит сдерживает нарушения, но одновременно увеличивает сокрытие у тех агентов, которые продолжают нарушать: поэтому доля выявления — вероятность обнаружить нарушающего агента — может падать по мере усиления аудита (Gans & Holden, NBER, 2026). Их условия сдерживания конкретны: доказательство нарушения должно переживать сокрытие, агент не должен узнавать результат жеребьёвки аудита до того, как действует, а санкции должны масштабироваться, а не упираться в потерю вознаграждения за задачу. Вывод не «добавьте проверок». Вывод в том, что проектирование контроля важнее его объёма, и что журналы аудита, которые не может изменить сам проверяемый, работают лучше, чем повышение частоты проверок.
Что выстроить до запуска следующего агента
Четыре шага. Ни один не требует платформенной программы, и собственные данные KPMG показывают, что каждый уже является обычной практикой, а не передовым требованием.
- Сначала напишите список «никогда автономно». 49% этих организаций определили сценарии высокого риска, где агентам не разрешено решать автономно, против 28% годом ранее. Это документ, а не закупка. Назовите классы действий, которые всегда требуют человеческого решения, прежде чем что-либо будет развёрнуто против них.
- Установите потолок для каждого агента. 43% уже применяют бюджеты использования или токенов. Задайте лимит на транзакцию и на месяц, чтобы сбой имел ограниченную, а не открытую стоимость, и чтобы разговор с финансами шёл о потолке, а не о неожиданности.
- Привяжите к каждому агенту конкретного человека, а не программу. «Комитет по ИИ отвечает за надзор» — это не ответственный. Ответственный — конкретный человек, который одобряет неавтоматизированные классы действий и может отозвать автономию без заявки.
- Сделайте журнал аудита недоступным для записи агентом. Это операционное прочтение результата о сокрытии: фиксируйте действие, того, кто его одобрил, и отзыв в момент, когда они происходят, в месте, которое агент не может изменить. Частоту проверок можно настроить позже; целостность доказательств дооснастить нельзя.
Эти четыре шага заодно образуют конструкцию, наиболее защитимую с точки зрения требований EU AI Act к человеческому надзору, — полезный побочный эффект, а не причина так поступать. Если нужен рабочий ориентир того, как устроены одобрение по каждому действию и заслуженная автономия — запросы на одобрение, несущие имя, автономия, выдаваемая по виду действия, а не на агента, запрос без ответа, который истекает вместо молчаливого прохождения, и обязательный человек-супервизор над каждым агентом, — Scovai публично документирует свою модель управления Digital Employees.
Более глубокий вывод касается того, что цифра уверенности может и чего не может сказать вам об управлении ИИ-агентами. 73% не ошибочны: эти компании построили реальное управление — вокруг расходов, доступа и прозрачности. Механизмы, от которых они отказались, — это те, что стоят между агентом и действием в мире, и ничто в панели мониторинга не сообщит об их отсутствии, пока что-то уже не произойдёт.
Прежде чем ваш следующий агент выйдет в работу, найдите список действий, которые он может совершать, ни у кого не спрашивая. Если этого списка нет на бумаге, он не пуст — он просто не записан.
