Джаред Спатаро, Microsoft: AI може да генерира реални бизнес резултати, не само „по-добри отговори“

През последния месец станахме свидетели как инструментите за програмиране с изкуствен интелект започват да поемат комплексни задачи за разработка от начало до край. GitHub Copilot вече може да проектира функции, да предлага поправки, да изпълнява тестове и да създава итерации на кода в рамките на работния процес на разработчика. Claude Code на Anthropic демонстрира подобно многостъпково изпълнение – планиране на промени, писане и преработване на код и валидиране на резултатите – докато хората просто надзирават или дори спят. А OpenAI описа своя нов GPT-5.3-Codex като инструмент, който е „изиграл ключова роля в собственото си създаване“.

Междувременно повечето предприятия все още използват AI моделите просто като инструменти за отговаряне на въпроси. Тази пропаст – между това, на което моделите са способни сега, и начина, по който те реално се използват на работното място – нараства бързо.

Следващата фаза на изкуствения интелект е преход от самостоятелни модели към агентни системи на работа. През 2026 г. АИ все по-често ще планира, действа, проверява, преработва и доставя резултати. Досега най-голямото предизвикателство пред внедряването на AI в работата беше просто да накараме хората да го използват. Занапред това се превръща в оперативен въпрос: как да се структурира, координира и управлява работата, когато задачите и целите процеси от край до край се изпълняват автономно от агенти. Качеството на модела все още ще има значение, но най-важното ще бъде да се гарантира, че тези модели съществуват в рамките на система, която е проектирана да предоставя висококачествени резултати последователно, сигурно и в голям мащаб.

Microsoft вече интегрира тези възможности в Microsoft Copilot – разширявайки го от помощник за задачи към координирано изпълнение в рамките на инструментите, които хората използват всеки ден.

Планиращите и изпълняващите агенти вършат работата
Агентната система за работа е съвкупност от агенти, подкрепени от инструменти, настроени да си сътрудничат и да изпълняват задачи. На основно ниво тези системи имат две роли: планиращи (planners) и изпълняващи (workers). Външен цикъл от планиращи агенти приема дадена цел, разбива я на стъпки и възлага тези стъпки на изпълняващи агенти или детерминистични инструменти – като база данни или калкулатор – за завършване на задачата. Вътрешен цикъл от изпълняващи агенти реализира тези стъпки – писане на код, анализиране на данни, предприемане на действия – използвайки инструменти там, където прецизността и повторяемостта са от значение. След това планиращите агенти проверяват напредъка и решават какво ще се случи по-нататък.

Тази структура е сравнително проста, но е от решаващо значение, защото позволява на AI системите да останат ориентирани във времето, за да планират, изпълняват, проверяват работата си и да се възстановяват, когато нещо се обърка. Днес можете да видите елементи от това в GitHub Copilot. Разработчикът може да опише дадена промяна, Copilot да генерира внедряването, да стартира тестове, да реагира на грешки и да итерира – всичко това в рамките на средата за разработка. Тези инструменти все още се управляват от хора, но показват как многостъпковото изпълнение се вгражда директно в работните процеси. Claude Code демонстрира подобно многостъпково изпълнение извън интегрираната среда за разработка (IDE), което ясно показва накъде вървят нещата.

Истинските агентни системи за работа ще позволят на цели функции да преминат от помощ при отделни задачи към цялостно изпълнение от край до край – от маркетинг и финанси до операции и поддръжка на клиенти.

От асистенти към агентни системи на работа
Планиращите и изпълняващите агенти се координират, за да преминат от цел към резултат – изпълнявайки задачи от край до край, без да е необходимо хора да оркестрират всяка стъпка.

От експертиза към изпълнение
Истинският пробив при една агентна система на работа е способността да се премине от цел към резултат, без хора да координират всяка стъпка. Това е нещото, което издига изкуствения интелект от нивото на асистент до оперативен слой.

Тази промяна изяснява проблема, с който се сблъскват повечето организации. Напредъкът на изкуствения интелект не е в застой, защото моделите не могат да направят повече. Той буксува, защото работата все още е проектирана около идеята, че хората вземат всички решения. В резултат на това лидерите виждат много активност – чернови, пилотни проекти, експерименти – но много малко кумулативен напредък.

Докато работните процеси не се променят, напредъкът ще остане само постепенен, независимо колко способна става технологията.

На практика една система на работа се държи по-малко като единичен инструмент и повече като добре управляван екип: Една цел влиза в системата. Координиращ слой я превежда в стъпки, насочва всяка стъпка към съответния агент, оценява резултатите спрямо определени критерии и определя какво трябва да се случи след това. Ако нещо се обърка, системата опитва отново, ескалира проблема или изисква човешка намеса. Когато нещо проработи, системата запаметява наученото – успешни подходи, полезни сигнали, разрешени гранични случаи – и използва този контекст, за да информира следващото изпълнение.

Това е посоката, в която Copilot се развива: от помощ при изолирани задачи към координирано изпълнение в рамките на работните процеси.

Какво означава всичко това за лидерите
Преминаваме от модели, които „знаят“, към системи, които „изпълняват“ – един фундаментално различен вид промяна. Това е цялостно пренастройване на начина, по който се върши работата.

Повечето лидери не разполагат с ясна карта на своите работни процеси от самото начало. Това е нормално. Работата се е натрупвала с години през различни екипи, инструменти и предавания на щафетата, за които никой не носи пълна отговорност. Практическата отправна точка не е да препроектирате всичко, а да започнете с един повтарящ се резултат и да проследите как той реално се постига. Независимо дали става въпрос за стартиране на кампания, затваряне на клиентско запитване или пускане на нова функция, задайте си следните въпроси:

•    Къде се забавя работата?
•    Къде се намесват хора само за да придвижат нещата напред?
•    Къде напредъкът спира, защото координацията на работния процес съществува само в главите на хората?

Агентните системи на работа са важни, защото правят тези слаби места видими за препроектиране. Те дават на лидерите начин да преминат от изолирани експерименти с изкуствен интелект към оперативни механизми, които могат да движат работата напред. Именно така тази промяна става приложима на практика: един работен процес наведнъж.

За повече информация относно изкуствения интелект и бъдещето на труда, абонирайте се за този бюлетин.

*Джаред Спатаро е главен маркетинг директор на Microsoft за изкуственият интелект на работното място. Тази статия е част от бюлетина на Джаред в LinkedIn, AI@Work. Абонирайте се сега.