У серпні 2026 року ZDNet AI сформулювала висновок, який мав би отверезити тих, хто продає agentic AI як «підключи API — і воно запрацює»: компанії, що намагаються масштабувати агентні системи поверх старих робочих процесів, впираються не в ліміти моделей, а в організаційну структуру, розраховану на людей-виконавців, а не на автономних цифрових колег.

Різницю легко проґавити на етапі пілоту. Один агент, що виконує вузьку задачу під наглядом розробника, вписується в будь-який процес — бо процесу, по суті, ще немає, є експеримент. Але коли агентів стає десять, тридцять чи сто, і кожен з них ухвалює рішення, ескалює винятки або передає роботу іншому агенту, звична модель «людина затверджує кожен крок» ламається. За даними ZDNet AI, саме тут бізнеси й застрягають: технологія готова масштабуватися, а компанія — ні.

За нашою оцінкою, головна помилка — сприймати agentic AI як чергову ІТ-закупівлю, а не як перерозподіл відповідальності всередині компанії: хто ухвалює рішення, коли рішення ухвалює не людина. Це також пояснює, чому частина agentic-пілотів приносить враження провалу: модель працює коректно, а організація навколо неї — ні.

Чому пілоти agentic AI буксують на масштабуванні?

Відповідь проста: пілот тестує модель, а масштабування тестує компанію. Поки агент працює в одному відділі на обмеженому наборі задач, куратор встигає перевірити кожен результат вручну. Коли той самий агент — чи флот агентів — обслуговує кілька відділів одночасно, ручна перевірка перетворюється на вузьке горло. За спостереженням ZDNet AI, саме в цей момент компанії або гальмують розгортання, або відмовляються від контролю взагалі, що ще гірше.

• Процеси схвалення, розраховані на дні чи години, не встигають за агентами, що ухвалюють рішення за секунди.
• Посадові інструкції описують, що робить людина, а не хто відповідає, коли рішення ухвалив агент.
• Метрики успіху досі виміряні в людино-годинах, а не в результатах, яких досягли агенти.
• Служби підтримки й security-команди не мають чітких SLA на аномальну поведінку агента, тому інциденти помічають із запізненням.

Що саме треба змінити в процесах і штаті?

За даними джерела, зміни стосуються двох шарів одночасно — процесів і людей, і жоден із них не працює окремо без іншого. На рівні процесів ідеться про заміну лінійного узгодження (подав → перевірив → затвердив) на модель із чіткими межами автономії: де агент діє самостійно, де ескалює і хто саме отримує ескалацію. На рівні штату — про ролі, яких рік тому не було в штатному розкладі: люди, що не виконують задачі самі, а налаштовують, моніторять і коригують поведінку флоту агентів.

Ми вже писали про те, чому агентна стратегія OpenAI може не спрацювати — і там ключова проблема теж була не в моделі, а в тому, що екосистема навколо агента не готова взяти на себе відповідальність, яку агент делегує назад людині.

Кому це найбільше вдарить по звичному укладу роботи?

Найбільше зміняться ролі middle-менеджменту та операційних команд, чия робота історично складалася з координації людей-виконавців. Коли виконавцем стає агент, координація зміщується у бік налаштування правил, моніторингу відхилень і розбору винятків — а це інша кваліфікація, якою не кожен операційний менеджер володіє без перенавчання. Практично це означає інші вимоги до вакансій: замість «менеджер із супроводу клієнтів» дедалі частіше йдеться про «оператора флоту агентів», що читає журнали рішень і калібрує пороги ескалації. Для AI-білдерів це практичний сигнал: продукт agentic AI, який продається одному відділу, а не всій організації, наштовхнеться на ту саму стелю масштабування, про яку пише ZDNet AI, незалежно від якості моделі під капотом.

Що з цього випливає для AI-білдерів?

Наша теза: agentic AI масштабується не тоді, коли модель стає розумнішою, а тоді, коли компанія готова передати агенту частину відповідальності, яку раніше тримала людина. Якщо ви будуєте продукт для впровадження агентів у бізнес-процеси, найцінніша фіча — не ще одна інтеграція чи інструмент, а прозорий механізм ескалації та аудиту дій агента, що дає операційним командам змогу довіряти масштабу, а не лише пілоту.

Що таке agentic AI?

Agentic AI — це системи, здатні самостійно планувати послідовність дій, викликати інструменти та ухвалювати проміжні рішення без покрокового підтвердження людиною, на відміну від класичних чат-асистентів, що відповідають лише на окремі запити.

Чи достатньо просто збільшити кількість агентів?

Ні: без перебудови процесів схвалення та ролей у штаті збільшення кількості агентів лише множить кількість неконтрольованих рішень, а не ефективність компанії — саме на це вказує аналіз ZDNet AI.