Инфраструктура для работы с агентами ИИ

Как выглядит инфраструктура, готовая к работе с агентами ИИ.

Исторически инфраструктура создавалась в первую очередь для операций, управляемых людьми. В эпоху агентных вычислений этого уже недостаточно. В больших масштабах требуется нечто большее, чем просто поэтапные обновления. Инфраструктура должна развиваться в сторону более модульной, «сетчатой» архитектуры, где агенты, инструменты и корпоративные системы связаны через общий уровень оркестрации. Это обеспечивает координацию между различными областями, сохраняя при этом контроль и возможность повторного использования.

Что такое агенты искусственного интеллекта?

Агенты искусственного интеллекта — это автономные программные сущности, предназначенные для достижения конкретных целей, самостоятельного выполнения задач и принятия решений в режиме реального времени . Они могут работать самостоятельно или сотрудничать в рамках «агентной сети» — системы, в которой агенты беспрепятственно взаимодействуют с другими агентами, инструментами и транзакционными системами. Благодаря объединению нескольких технологий ИИ, эти агенты могут быть организованы модульным образом, что позволяет обрабатывать даже самые сложные рабочие процессы от начала до конца.

Три проблемные точки для инфраструктуры

По мере того, как компании стремятся масштабировать свои программы использования агентного ИИ, руководители инфраструктурных подразделений сталкиваются с тремя структурными проблемами:

• Инфраструктура должна работать значительно быстрее и в масштабе. Инновации в области агентного ИИ процветают, но часто существуют изолированно, создавая фрагментацию, которая замедляет возможность повторного использования агентов и масштабирования. В результате менее 10% агентных программ достигают значимого масштаба. В то же время требования растут, поскольку разработчики работают быстрее, и возрастает необходимость координации агентов, инструментов и данных в разных средах. Среды, разработанные для рабочих процессов на основе заявок, не могут поддерживать такую ​​пропускную способность.
• Нетрудовые издержки быстро растут по мере расширения объемов работы с ИИ. Быстрый рост спроса на вычислительные ресурсы и хранилище данных (как локально, так и в облаке), усиленный агентным ИИ, приведет к прогнозируемому дву-трехкратному увеличению затрат на ИТ-инфраструктуру к 2030 году. В то же время ожидается, что бюджеты на инфраструктуру останутся относительно стабильными.
• Риск сбоев влечет за собой более серьезные финансовые последствия, чем когда-либо прежде. Устойчивость стала неотделима от репутации бренда, безопасности и корпоративных рисков. Системы становятся все более сложными по мере адаптации к потребностям агентного ИИ, создавая больше точек отказа и значительно затрудняя поддержание наблюдаемости и контроля.

Требуемые мероприятия для контроля и повторного использования агентов.

• Повторяемые и исполняемые действия через защищенные API. Повторяемые действия должны быть доступны в виде кода со встроенными проверками политик.
• Надежные оперативные данные. Четкие источники достоверной информации об активах, зависимостях, правах собственности, журналах и метриках уменьшают неопределенность и обеспечивают безопасную автоматизацию. Несовершенные данные не должны препятствовать прогрессу. Многие ценные сценарии использования можно опробовать даже в средах с непостоянной достоверностью баз данных или фрагментированными хранилищами.
• Встроенные средства контроля и управление агентами. Модели разрешений должны определять, что агентам разрешено делать и при каких условиях, с четкой цифровой идентификацией, правом собственности и ответственностью каждого агента. Все действия должны регистрироваться, отслеживаться и подлежать аудиту, с обеспечением соблюдения политик в различных средах. Действия, оказывающие существенное влияние, требуют одобрения человека, поддерживаемого механизмами надзора для приостановки или отмены автоматизированного поведения.
• Управление жизненным циклом агентов, совместимость и контекст. Организациям необходим четкий перечень развернутых агентов, определенная область их применения, отслеживание производительности и управление жизненным циклом. По мере масштабирования агентов командам также необходимо явно управлять затратами и потреблением ресурсов, включая мониторинг использования функций вывода и шаблонов выполнения, чтобы избежать неожиданных скачков затрат. Агенты все чаще работают в разных системах и платформах, что требует совместимости плоскостей управления и шаблонов интеграции. Они также зависят от структурированного понимания ИТ-инфраструктуры, включая зависимости, права собственности и известные режимы отказов, для безопасной работы и принятия обоснованных решений.

Набор принципов проектирования, определяющих поведение инфраструктуры в масштабе:

• Компонуемость: Компоненты инфраструктуры, агенты и инструменты могут быть повторно использованы в различных рабочих процессах без доработки.
• Разделение процессов: уровни выполнения, оркестрации и данных разделены для повышения масштабируемости и гибкости.
• Гибкость поставщика: компоненты могут развиваться независимо, что снижает зависимость от конкретного поставщика и сохраняет возможность выбора.
• Автономия, управляемая руководством: Агенты действуют в рамках установленных правил, с четко определенными механизмами подотчетности и путями эскалации конфликта.

Цититируется из источника

https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/reimagining-tech-infrastructure-for-and-with-agentic-ai

Reimagining tech infrastructure for (and with) agentic AI. April 23, 2026. Article. By Arnaud Tournesac, Arun Gundurao, Ling Lau, and Pankaj Sachdeva.