The post has been translated automatically. Original language: Russian
The topic of AI agents is now being heard from every corner. Vendors promise autonomous assistants that solve tasks themselves, make decisions themselves, and scale themselves. It sounds beautiful. But what about reality?
Deloitte released the 17th annual Tech Trends Report at the end of December, and one of the key chapters is called: “The Agentic Reality Check”. Authors Jim Rowan, Nitin Mittal, Parth Patwari and Ed Burns collected survey data, case studies of large companies and expert opinions. I'm analyzing the key
Numbers
According to Deloitte, the current implementation status of AI agents looks like this:
That is, only 11% of companies actually use AI agents in their work environment. At the same time, 42% are developing a roadmap, while 35% do not even have a formal strategy. The categories in the survey overlap - one company can pilot and strategize at the same time - but the overall picture speaks for itself.
Gartner forecasts provided by Deloitte:
- By 2028, 15% of daily work decisions will be made autonomously through AI agents (now less than 1%)
- 33% of corporate software will include agent-based AI by 2028 (currently less than 1%)
- More than 40% of agent-based projects will fail by 2027 due to incompatibility with legacy systems.
Three fundamental problems
The authors identify three reasons why companies are stalling.
1. Legacy (Legacy systems) are not ready. Traditional corporate systems were designed for people, not for agents. They don't have a real-time API, modular architecture, or secure identity management. Agents are forced to work through regular APIs and data pipelines - this creates bottlenecks.
2. The data is not structured for agents. The data architecture of most companies is built around ETL processes and repositories. According to the survey, 48% of companies call data search a problem for AI automation, 47% - data reuse. Agents need data with a business context, not raw tables.
3. There is no management of autonomous solutions. Traditional IT management models do not take into account systems that make decisions on their own. Hence “agent washing” - when conventional automation is labeled “agent” and poorly designed agents create “workslop” - they make processes less efficient.
Do not asphalt the cow trail
The main thesis of the report is that companies are trying to automate processes that were designed for people. This is a dead end.
Brent Collins, VP AI Strategy at Intel:
Now is the perfect time for value stream mapping - to understand how processes should work, not how they work today. Do not asphalt the cow trail. Use this AI evolution to rethink how agents can best collaborate.
Ethan Mollick, a Wharton professor and author of “Co-Intelligence," adds:
This is not really a technological problem. This is a process problem.
In my opinion, this is the key. I see a similar picture in the banking sector, everyone takes the existing manual process into 15 steps and tries to “automate” it with an agent step by step.
Instead of asking, are these 15 steps even necessary?
Who does it for real
The report also provides several cases of companies that are not just implementing agents, but rebuilding processes. If anyone is interested, be sure to read the link attached.
What follows from this
The Deloitte report paints a realistic picture. The agent's technology works - this is confirmed by the cases of Toyota, HPE, Dell. But large-scale implementation is stalling for several reasons: outdated infrastructure, unstructured data, and lack of management models.
In my opinion, the main trap of “agent washing” is when existing automation is labeled “agent” and innovation is reported. The real work begins with the question: which processes need to be redesigned from scratch rather than automated?
For example, Dell requires confirmation of the ROI before bringing the agent into the work environment. Moderna has combined HR and IT to plan work, rather than people or technology separately. Toyota threw out 100 mainframe screens and rebuilt the process.
But as we can see, most companies are not there yet. But the gap between HYPE and reality is a window of opportunity.
Source: Deloitte Tech Trends 2026, chapter “The Agentic Reality Check: Preparing for a Silicon-Based Workforce". Authors: Jim Rowan, Nitin Mittal, Parth Patwari, Ed Burns. Forecast data: Gartner.
Тема AI-агентов сейчас звучит из каждого угла. Вендоры обещают автономных помощников, которые сами решают задачи, сами принимают решения, сами масштабируются. Звучит красиво. А что в реальности?
Deloitte в конце декабря выпустила 17-й ежегодный отчет Tech Trends - и одна из ключевых глав называется прямо: “The Agentic Reality Check”. Авторы Jim Rowan, Nitin Mittal, Parth Patwari и Ed Burns собрали данные опроса, кейсы крупных компаний и мнения экспертов. Разбираю ключевое
Цифры
По данным Deloitte, текущее состояние внедрения AI-агентов выглядит так:
То есть только 11% компаний реально используют AI-агентов в рабочей среде. При этом 42% разрабатывают дорожную карту, а у 35% даже формальной стратегии нет. Категории в опросе пересекаются - одна компания может и пилотировать, и разрабатывать стратегию одновременно - но общая картина говорит сама за себя.
Прогнозы Gartner, которые приводит Deloitte:
- К 2028 году 15% ежедневных рабочих решений будут приниматься автономно через AI-агентов (сейчас менее 1%)
- 33% корпоративного ПО будет включать агентный AI к 2028 (сейчас менее 1%)
- Более 40% агентных проектов провалятся к 2027 из-за несовместимости с устаревшими системами
Три фундаментальные проблемы
Авторы выделяют три причины, почему компании буксуют.
1. Легаси(Устаревшие системы) не готовы. Традиционные корпоративные системы проектировались для людей, не для агентов. У них нет real-time API, модульной архитектуры, безопасного управления идентификацией. Агенты вынуждены работать через обычные API и пайплайны данных - это создает узкие места.
2. Данные не структурированы для агентов. Архитектура данных большинства компаний построена вокруг ETL-процессов и хранилищ. По данным опроса, 48% компаний называют поиск по данным проблемой для AI-автоматизации, 47% - повторное использование данных. Агентам нужны данные с бизнес-контекстом, а не сырые таблицы.
3. Нет управления автономными решениями. Традиционные модели IT-управления не учитывают системы, которые принимают решения самостоятельно. Отсюда “agent washing” - когда обычную автоматизацию переклеивают ярлыком “агент”, а плохо спроектированные агенты создают “workslop” - делают процессы менее эффективными.
Не асфальтируйте коровью тропу
Главный тезис отчета-компании пытаются автоматизировать процессы, которые проектировались для людей. Это тупик.
Brent Collins, VP AI Strategy в Intel:
Сейчас идеальное время для value stream mapping - чтобы понять, как процессы должны работать, а не как они работают сегодня. Не асфальтируйте коровью тропу. Используйте эту эволюцию AI, чтобы переосмыслить, как агенты могут лучше всего сотрудничать.
Ethan Mollick, профессор Wharton и автор “Co-Intelligence”, добавляет:
Это на самом деле не технологическая проблема. Это проблема процессов.
На мой взгляд, это ключевое. Я вижу похожую картину в банковском секторе все берут существующий ручной процесс на 15 шагов и пытаются “автоматизировать” его агентом шаг за шагом.
Вместо того чтобы спросить - а нужны ли эти 15 шагов вообще?
Кто делает по-настоящему
Отчет также приводит несколько кейсов компаний, которые не просто внедряют агентов, а перестраивают процессы. Кому интересно станет обязательно почитайте ссылку приложу.
Что из этого следует
Отчет Deloitte рисует реалистичную картину. Технология агентов работает - это подтверждают кейсы Toyota, HPE, Dell. Но масштабное внедрение буксует по нескольким причинам: устаревшая инфраструктура, неструктурированные данные, отсутствие моделей управления.
На мой взгляд, главная ловушка - “agent washing” это когда существующую автоматизацию переклеивают ярлыком “агент” и рапортуют об инновациях. Настоящая работа начинается с вопроса: какие процессы нужно перепроектировать с нуля, а не автоматизировать?
Например Dell требует подтверждение ROI перед выводом агента в рабочую среду. Moderna объединила HR и IT чтобы планировать работу, а не людей или технологии по отдельности. Toyota выбросила 100 экранов мейнфрейма и построила процесс заново.
Но как видим Большинство компаний пока не там. Но разрыв между хайпом и реальностью - это и есть окно возможностей.
Источник: Deloitte Tech Trends 2026, глава “The Agentic Reality Check: Preparing for a Silicon-Based Workforce”. Авторы: Jim Rowan, Nitin Mittal, Parth Patwari, Ed Burns. Прогнозные данные: Gartner.
Share
