Что российские BI-вендоры называют AI-агентом? Мы проверили 11 решений и собрали целый зоопарк
<img src="https://habrastorage.org/getpro/habr/upload_files/13d/6cd/909/13d6cd9095ad4b26364a616fa4709fdc.jpg" /><p><em>Чем отличается настоящий аналитический агент от генератора SQL, почему семантический слой важнее размера языковой модели и почему локальная LLM ещё не означает технологическую независимость?</em></p><p>В 2026 году AI-ассистент или AI-агент появился едва ли не у каждого российского BI-вендора. Проблема в том, что одинаковая наклейка «AI» скрывает совершенно разные механизмы: где-то это чат к данным, где-то генератор SQL, где-то помощник разработчика дашбордов, а где-то — мультиагентная система с оркестратором, отдельными ролями и проверкой результата.</p><p>Сравнивать такие продукты по принципу «у кого есть агент» бессмысленно. Поэтому мы решили посмотреть, что именно умеет каждый из них, как устроена архитектура, насколько можно доверять ответам и где заканчивается реальный функционал и начинается маркетинг.</p><p><strong>Как мы исследовали AI-агентов</strong></p><p>Исследование проходило с февраля по июнь 2026 года. В нашу выборку вошло 11 российских решений с подтверждёнными коммерческими внедрениями AI-агентов для бизнес-аналитики. Вендоры заполняли анкету по 55 критериям, показывали работу агента в демо или давали доступ к демо-стенду. Затем шла менее парадная часть: документация, тестовые вопросы и активное сжигание токенов российских и зарубежных языковых моделей.</p><p>Что проверяли? В первую очередь точность и достоверность ответов — результат сверяли с источниками. Затем сценарную пригодность, архитектуру, работу с семантическим слоем, юридические риски и попытались оценить бизнес-ценность. С последним оказалось сложнее: красивый AI-диалог ещё не означает измеримый эффект для бизнеса.<strong> </strong></p> <a href="https://habr.com/ru/articles/1079844/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1079844#habracut">Читать далее</a>