Agentic AI: новая эра ИИ и требования к инфраструктуре

Внедрение ИИ в прикладную область уже произошло. Мир охвачен лихорадкой распространения агентного ПО на базе ИИ. Импортозамещать его не требуется: ранее таких решений не существовало. Но стоит ли участвовать в этой гонке? Первые участники уже делают объявления о своих новых продуктах.

 

 

 

 

 

 

1. 1. Введение
2. 2. Agentic AI Era наступила
3. 3. ИТ-инфраструктура для поддержки информационных потоков Agentic AI-систем
4. 4. Пример инфраструктурной поддержки Agentic AI
5. 5. Подход Cloud.ru к решению задачи поддержки Agentic AI
6. 6. Развитие стека приложений Cloud.ru Evolution
7. 7. Secure Agentic AI: Cloud.ru Evolution и безопасность
8. 8. Технически готовы, ментально — нет
9. 9. «12 принципов McKinsey» для успешного внедрения проектов AI Agentic
10. 10. Выводы

Введение

О стремительном развитии агентных ИИ-систем (agentic AI) говорят всё больше. Именно эта тема стала лейтмотивом ежегодной конференции компании Cloud.ru GoCloud 2026, прошедшей в Москве в начале апреля. С анонса наступления эры агентного программного обеспечения на базе ИИ (agentic AI) начал своё выступление на пленарном заседании Михаил Лобоцкий, и. о. генерального директора Cloud.ru.

Действительно, что происходит? Со слов руководителя Cloud.ru, процесс перехода в «эру агентного ИИ», хотя и выглядит лишь как появление новых форм поддержки ИИ, означает значительно больше. Речь идёт о существенной смене парадигмы разработки и эксплуатации программного обеспечения.

Переход происходит стремительно. Список новых продуктов пополняется уже не месяцами и годами, а днями и неделями. Выходящие на рынок решения уже не относятся к числу экспериментальных для исследований. Это полноценные бизнес-решения, сервисы, платформы. Они стремительно меняют ландшафт программной ИТ-инфраструктуры компаний, в том числе и российских.

В этой статье мы дадим краткую оценку происходящему процессу и попробуем оценить, как реагирует на него российский рынок ИИ-вендоров (на примере компании Cloud.ru). Обратим также внимание на вопросы, относящиеся к обеспечению безопасности новых агентных ИИ-систем. А в конце назовём признаки успешного перехода бизнес-компаний на эксплуатацию ИИ-программ нового поколения, опубликованные агентством McKinsey для западного рынка. Оценить готовность российских компаний и полезность этого перехода для них можно будет самостоятельно.

 

Рисунок 1. Ежегодная конференция GoCloud 2026 в кинотеатре «КАРО 11 Октябрь» на Новом Арбате

 

Agentic AI Era наступила

Переход от традиционных конвейеров ИИ к агентным ИИ-системам знаменует собой важную эволюцию в разработке ИИ-продуктов. Прежние решения были нацелены на работу по схеме «запрос — ответ», где статичные LLM (large language model) предоставляли ответы на вводимые, часто вручную, запросы от клиентов (промпты).

Новые агентные ИИ-системы работают иначе. Они научились «рассуждать», «планировать», запускать вспомогательные инструменты, извлекать знания из предоставленных источников, оценивать результаты своей работы, взаимодействовать с другими ИИ-агентами.

Эти изменения отражаются в архитектурной перестройке программных ИИ-систем. Если прежние ИИ-модели работали со статичными LLM, заранее обученными (предобучение, pretraining) на готовых датасетах, и не предусматривали дообучения в процессе эксплуатации, то новые ИИ-решения расширены по своим возможностям. Они больше нацелены не на прежнее выполнение «исследовательских» запросов, а на инференс (inference).

Теперь ИИ-продукты научились не только тиражироваться, но и дообучаться. При инференсе используется накопленная на этапе предобучения структура данных (вероятности появления токенов). Новый режим функционирования ориентирован на работу в реальном времени, когда ИИ-агент или пользователь задают вопрос, а система подготавливает наиболее подходящую математическую структуру, формируя на её основе ответ на полученные промпты.

Переход к agentic AI заставляет команды разработчиков переосмыслить свои подходы к развитию ИТ-инфраструктуры, которая будет поддерживать работу подобных ИИ-систем. Будущие агентные ИИ-программы должны способствовать дальнейшему динамичному развитию создаваемых моделей, обеспечивая рост за счёт накопления знаний, постоянно обновляемых в процессе их практической эксплуатации и дообучения.

 

Рисунок 2. Влияние внедрения ИИ на бизнес (McKinsey, 2026)

 

ИТ-инфраструктура для поддержки информационных потоков Agentic AI-систем

Поддержка информационных потоков в системах agentic AI приводит к появлению списка дополнительных инфраструктурных продуктов, которые добавляются в стек традиционной поддержки ML (machine learning):

• Средства обслуживания ML-инфраструктуры в реальном времени: API (application programming interface), базы данных, веб-скрейперы (технология получения веб-данных путём извлечения их со страниц веб-ресурсов), бизнес-системы.
• Инструменты динамического ризонинга (dynamic reasoning loop) для реализации задач «думать» пошагово (как человек), когда система проводит анализ задач и выстраивает цепочку вывода. Они применяются при решении задач ReAct, планирования, многоэтапной поддержки информационных потоков и пр.
• Поддержка генерации с дополненной выборкой (retrieval-augmented generation, RAG) для работы с корпоративными данными.
• Средства изолированного и безопасного вызова инструментов для работы с данными.
• Поддержка средств наблюдения: метрики, логи, трассировки для каждого шага работы ИИ-агента.
• Средства поддержки масштабирования рабочих нагрузок, которые умеют справляться с непредсказуемыми заранее «всплесками» вычислительной активности.
• Средства контроля бюджета: они учитывают масштаб ИИ-моделей и решаемые с их помощью задачи.

Как показала практика эксплуатации ИИ-моделей на предыдущем этапе их развития, большинство сбоев в ранних агентных ИИ-системах возникало не из-за качества самих ИИ-моделей, а в первую очередь из-за отсутствия их изоляции от работы других ИИ-систем, плохой наблюдаемости и риска неограниченного роста вычислительных затрат.

Это позволило сделать вывод, что традиционные средства инфраструктурной поддержки ML не обеспечивают соответствующей реакции на поведение новых ИИ-агентов. Необходимо выстраивать новый технологический стек, который объединит облачную инфраструктуру вендоров, средства оркестрации поддержки LLM, векторные хранилища, очереди, инструменты IaC (infrastructure as code), шлюзы для канальной информационной поддержки ИИ-моделей.

 

Рисунок 3. Проблемы и риски для организаций, возникающие в связи с внедрением ИИ (McKinsey, 2026)

 

Пример инфраструктурной поддержки Agentic AI

Перейдём к практике. Как выстроить инфраструктуру поддержки agentic AI на базе доступных программных средств? В сети можно найти, например, следующий пример с использованием Kubernetes, Terraform, LangChain, векторного поиска и FastAPI. Он отвечает перечисленным ранее требованиям с учётом реалий агентных ИИ-систем:

• API Gateway — FastAPI.
• Agent Orchestrator — LangChain (reasoning, tool routing, memory).
• Vector Store — Qdrant.
• Tooling Layer — HTTP tools, database tools.
• Model Gateway — external LLM APIs (OpenAI, Anthropic и др.).
• Infrastructure Layer — Terraform + Kubernetes.
• Observability Layer — logging, Prometheus/Grafana, traces.
• Secrets + Config — AWS Secrets Manager / HashiCorp Vault.

Схема взаимодействия этих программных средств показана ниже.

 

Рисунок 4. Пример решения архитектуры инфраструктурной поддержки для агентских ИИ-приложений

 

Подход Cloud.ru к решению задачи поддержки Agentic AI

9 апреля компания Cloud.ru провела свою ежегодную конференцию GoCloud 2026, главной темой которой стало объявление о переходе глобального рынка на новый этап своего развития — Agentic AI Era.

Подготовка Cloud.ru к новым реалиям началась заранее. Компания уже как минимум 2 года занимается целенаправленным строительством соответствующей инфраструктуры, как подтверждают её анонсы.

Компания Cloud.ru известна на российском рынке с 2019 года. Её знают прежде всего как провайдера облачных сервисов, но в последние годы она активно осваивала новое направление ИИ-технологий. Результатом проведённых ею исследований и разработок стал выпуск облачной платформы Cloud.ru Evolution с различными IaaS- и PaaS-сервисами, а также ИИ-инструментами собственной разработки, вычислительными мощностями с GPU и доступом к аренде выделенных физических серверов. Она рассматривается как адекватный ответ на новый виток активного развития ИИ и облачных услуг в мире.

На базе накопленной экспертизы Cloud.ru в создании ИИ-инфраструктуры и работе с различными типами GPU компания сформировала новое бизнес-направление NeoCloud. Оно ориентировано на практическое внедрение ИИ в бизнес-процессы и позволяет масштабировать вычислительные ресурсы — от отдельных GPU до кластеров распределённых вычислений — и адаптировать инфраструктуру под разные этапы жизненного цикла моделей.

Пользователям Cloud.ru доступен полный набор сервисов GPU as a Service — от выделенных серверов и виртуализированных ресурсов под управлением Kubernetes до высокопроизводительных кластеров для обучения моделей.

 

Рисунок 5. Доступная аппаратная поддержка (CPU/GPU) для пользователей облака Cloud.ru

 

Развитие стека приложений Cloud.ru Evolution

В ноябре 2025 года Cloud.ru запустила в коммерческую эксплуатацию цифровую среду Cloud.ru Evolution AI Factory. Она предназначена для поддержки внедрения решений на основе генеративных нейротехнологий.

Сервисы AI Factory предоставляются по тарифам с гарантированным уровнем сервиса (service level agreement, SLA). Для сервисов предоставляется круглосуточная техническая поддержка, что играет важную роль, особенно когда требуется масштабировать нагрузку.

Цифровая среда разработки AI Factory выстроена из нескольких взаимосвязанных сервисов, которые охватывают полный цикл работы с ИИ. Например, с помощью сервиса Evolution AI Agents можно создавать ИИ-агентов и объединять их в единую систему. Сервис Evolution Foundation Models предоставляет доступ к открытым большим языковым моделям (более 20). Среди российских там представлены модели GigaChat.

Созданная среда позволяет развивать облачные AI-проекты любого масштаба. Это предложение, по данным Cloud.ru, уже получило признание со стороны рынка: объём потребления токенов за прошедшее с запуска платформы время уже превысил 450 млрд.

Более конкретно о развитии этого направления рассказала на GoCloud 2026 Анастасия Тафеенко, директор блока разработки платформы Cloud.ru Evolution. Она отметила, что главная цель сейчас — это обеспечить полный охват AI- и ML-инструментами всех стадий от разработки до дополнительного обучения. Cloud.ru готова предоставить заказчикам облачную среду для внедрения собственных LLM-моделей и создания мультиагентных систем, работающих с генеративным ИИ.

 

Рисунок 6. Анастасия Тафеенко представила новые инструменты платформы Cloud.ru Evolution

 

Среди новинок, анонсированных на GoCloud 2026, были выделены следующие:

• Приложение (мобильное и десктопное) Agent Space для работы с ИИ-агентами. Через него можно отдавать команды ИИ-агентам и запрашивать статус выполнения заданий. Agent Space работает на базе протокола A2A (agent-to-agent). Список поддерживаемых сценариев постепенно пополняется. Сейчас в нём представлены такие ИИ-агенты, как «Рекрутер», «Python-разработчик», «Работа с контрагентами», в общей сложности для автоматизации уже охвачено более 20 бизнес-сценариев (аналитика, дизайн, HR).
• Сервис-конструктор ИИ-процессов AI Workflows. Он позволяет автоматизировать рутинные операции с помощью визуальных средств, формируя рабочие бизнес-процессы. С его помощью можно объединять в одну задачу работу различных инструментов Cloud.ru и десятков других корпоративных систем (1С, Confluence, Jira, PostgreSQL, почтовые клиенты, мессенджеры, API-сервисы).
• Облачный сервис EvoClaw для автоматизации бизнес-задач. С его помощью можно запустить агента буквально за пару кликов и работать по A2A-протоколу. Это упрощает автоматизацию различных прикладных задач, появляется возможность взаимодействовать с другими агентными системами через различные каналы обмена данными. Сервис EvoClaw не только обеспечивает обмен информацией, но и осуществляет контроль над безопасностью данных. Все политики приведены к стандарту zero trust, привилегии понижены до необходимого минимума, агенты изолированы в пределах своего рабочего пространства.

Среди новинок Cloud.ru Evolution были также представлены инструменты, относящиеся к поддержке безопасности. Они выделены отдельно.

 

Рисунок 7. Пример инфраструктурной поддержки агентных ИИ-приложений

 

Secure Agentic AI: Cloud.ru Evolution и безопасность

Прежде всего надо отметить, что в начале 2026 года Cloud.ru получила сертификат ФСТЭК России, пройдя проверку на соответствие её бизнес-процессов требованиям ГОСТ Р 56939-2024 по безопасной разработке программного обеспечения («Защита информации. Разработка безопасного программного обеспечения. Общие требования»). Эти процессы охватывают такие этапы разработки, как управление уязвимостями, контроль цепочки поставок, анализ исходного кода, тестирование безопасности и управление изменениями на всех этапах жизненного цикла продуктов.

Полученный сертификат ФСТЭК России подтверждает наличие всех процессов РБПО, предусмотренных действующим стандартом, и их фактическое выполнение.

Также следует напомнить, что ранее на облачную платформу Cloud.ru Evolution Stack был получен сертификат ФСТЭК №4979, который подтверждает её соответствие требованиям к средствам технической защиты информации (СЗИ) по 4 уровню доверия, а также требованиям по безопасности информации к средствам виртуализации и контейнеризации по 4 классу защиты. Он открыл возможность для применения Cloud.ru Evolution Stack в проектах с повышенными требованиями к ИБ, включая эксплуатацию ГИС, цифровых платформ госкорпораций и государственной технологической платформы «ГосТех».

Среди новинок в Cloud.ru Evolution, относящихся к средствам безопасности при работе с ИИ, которые были выделены на GoCloud 2026, отметим инструмент Guardrails Filter для защиты от утечек. Он ограничивает передачу чувствительной информации (ПДн, реквизиты, API-ключи, секреты и пр.) при запросах к отдельным популярным open source LLM-моделям. Это сделано впервые среди российских облачных провайдеров. Инструмент позволяет защитить корпоративные и пользовательские данные за счёт сканирования передаваемого трафика и поиска потенциально чувствительных элементов. Защита осуществляется через маскиратор, который скрывает реальные значения в синтетических данных и сохраняет семантическую целостность передаваемой информации.

Сергей Волков, директор центра киберзащиты Cloud.ru, раскрыл также на GoCloud 2026 новые сервисы безопасности, которые уже готовы или будут выпущены в 2026 году:

• CSPM (cloud security posture management) — автоматический аудит конфигураций (IAM, сети, хранилища).
• DSPM (data security posture management) — классификация и контроль безопасности данных в облаке.
• Container Security — защита приложений, контейнеров и данных в кластерах Kubernetes.
• IAM as a Service — управляемый сервис для реализации функций идентификации и аутентификации в приложениях клиента.

 

Рисунок 8. Анонс фильтров Guardrails Filter для защиты от утечек на GoCloud 2026

 

Могут ли российские заказчики быть заинтересованы в применении инструментов разработки или средств поддержки от западных вендоров при разработке собственных AI-агентов? Требования по кибербезопасности обязывают их пользоваться решениями, территориально размещёнными на серверах в российской юрисдикции.

Как отметил в кулуарах GoCloud 2026 Андрей Прошлецов, директор по стратегии и аналитике, компания старается поддерживать российских разработчиков в развитии их продуктов до уровня мировых аналогов. Но если западные вендоры изъявят желание размещать свои инструменты на маркетплейсе Cloud.ru и это будет вписываться в архитектуру создаваемой платформы Cloud.ru, то возможность подобного сотрудничества не исключена.

Технически готовы, ментально — нет

Начало процессу широкого внедрения AI-агентов в России положено. Согласно результатам совместного исследования Cloud.ru и ВШБ ВШЭ, в авангарде процесса идут крупные компании. Они уже перешли от стадии единичных пилотов и запустили процесс промышленного внедрения ИИ-агентов. Крупные компании тратят на развитие проектов с агентными AI-системами в среднем 10–50 млн рублей.

Окупаемость простых сценариев автоматизации и готовых ИИ-решений составляет, по данным названного исследования, не более 12 месяцев. Проектам среднего масштаба, где требуется осуществлять донастройку и интеграцию, требуется срок окупаемости до 2 лет. Крупные инфраструктурные проекты требуют до 5–7 лет для своей окупаемости, поскольку предусматривают создание собственных ИИ-платформ и моделей.

 

Рисунок 9. Мнение участников конференции GoCloud 2026 о том, что мешает внедрять ИИ в их компаниях

 

Однако по мнению Дмитрия Юдина, руководителя ИИ-направления Cloud.ru, который тоже выступал на GoCloud 2026, AI-решения могут эффективно работать только в среде, которая к этому готова — с доступом к актуальным данным, прозрачными процессами и готовностью команды делегировать хотя бы часть решений.

«Основной барьер для массового внедрения ИИ не столько технологический, сколько организационный. Плюс, иногда компании начинают внедрять ИИ без чёткого ответа на вопрос «какую конкретную бизнес-проблему мы решаем». Любое решение должно быть полезным и востребованным пользователями. Чтобы AI стал частью ДНК компании и приносил максимальную ценность, потребуется непрерывная и системная работа на всех фронтах: технологическом, управленческом и культурном».

 

Рисунок 10. Выступление Дмитрия Юдина на GoCloud 2026

 

Безопасность при использовании ИИ в облаке также требует отдельного внимания. Первые шаги в этом направлении, как рассказал Сергей Волков, директор центра киберзащиты Cloud.ru, связаны с запуском решения Guardrails Filter для безопасной работы с LLM (large language model) из сервиса Foundation Models. Этот инструмент помогает защититься от утечек при запросах к популярным open source моделям у российских облачных провайдеров. Он будет доступен бизнесу для внедрения также в режиме on-premises, чтобы обработка данных происходила на его стороне.

Не стоит на месте и законодательство. Пока нет полной ясности, какие требования будет предъявлять регулятор, чтобы гарантировать безопасность применения ИИ, но обсуждение различных вариантов регулирования уже идёт полным ходом.

«12 принципов McKinsey» для успешного внедрения проектов AI Agentic

Хотя формально внедрение ИИ рассматривается как замена существующих бизнес-процессов на новую технологическую основу, фактически компании, которые реально внедряют у себя инновации с помощью ИИ, создают нечто иное, отличное от своих конкурентов. С помощью ИИ они разрабатывают и создают новые возможности, которые преобразуют продукты, услуги, основные бизнес-процессы и организационные системы. Главное отличие агентных ИИ-систем — это изменение процесса решения реальных бизнес-задач и рост скорости получения результата при сложных запросах и задачах.

Исходя из этих предпосылок, эксперты McKinsey разработали «Манифест ИИ-трансформации». Он содержит 12 принципов, опираясь на которые, как считают в McKinsey, можно оценить успешность будущего внедрения ИИ в компаниях:

1. Внедрение новой технологии само по себе не даёт преимуществ. Для их достижения необходима развитая, подготовленная база. Необходимо также думать о модернизации всего бизнеса, а не о быстром внедрении нового ИИ-продукта.
2. Начинать внедрение ИИ надо с процессов, имеющих наибольшее значение для бизнеса.
3. Если ИИ не даёт ощутимого экономического эффекта, значит, для его внедрения были выбраны неправильные ориентиры.
4. Приоритетной задачей является освоение навыков использования ИИ и технологий людьми, которые относятся к руководящему составу.
5. Трансформация с переходом на применение технологий и ИИ требует в первую очередь роста профессионального уровня сотрудников.
6. Определяющее значение для победы в конкурентной гонке при ИИ-модернизации играет правильная организация процесса модернизации.
7. Стратегическое преимущество даёт своевременное создание технологических платформ для работы с ИИ.
8. Для успешного внедрения ИИ необходимы доступные данные высокого качества.
9. Ценность от внедрения ИИ появляется только тогда, когда технологии доходят до реального внедрения и масштабирования.
10. Без доверия к ИИ успех его внедрения невозможен. Необходимо обеспечить эффективную кибербезопасность, предлагать надёжные продукты и услуги на основе ИИ, обеспечить прозрачность в отношении использования ИИ и данных.
11. Следующим этапом в процессе внедрения ИИ становится внедрение агентных решений.
12. Обучение ИИ и технологиям должно быть постоянным. От этого зависит успех их внедрения в бизнес.

 

Рисунок 11. Динамика влияния внедрения ИИ на различные направления бизнеса (McKinsey, 2026)

 

Выводы

Является ли переход к агентным AI-продуктам модой или за ним стоят тектонические процессы в развитии компаний, повышении их эффективности? Ответ на этот вопрос сейчас никто не даёт, потому что «не надо смешить Бога». Но если ошибиться с правильным ответом, то следующий важный этап в развитии придётся догонять, а не быть впереди вместе с лидерами.

Конференция Cloud.ru GoCloud 2026 показала, что внимание к этому вопросу высокое, создаются инструменты для реализации новых технологий, в том числе имеющие отношение к безопасности. Но реальный рост возможен, если другие игроки рынка, в том числе ИБ-вендоры, увидят для себя нишу в этом процессе. Произойдёт ли это или нет, покажет время.