Представьте, что вы дали ИИ задачу утром — а вечером он всё ещё работает над ней. Он анализирует новые данные, запускает следующие этапы, проверяет результаты и возвращается к вам только тогда, когда действительно требуется решение человека.
Это и есть идея Persistent AI Agents — постоянно работающих ИИ-агентов.
До сих пор большинство AI-инструментов строились по принципу: пользователь задал вопрос — модель ответила — сессия закончилась. Теперь разработчики пытаются изменить саму логику взаимодействия.
От ответа к процессу
Persistent agent должен работать не как собеседник, а как исполнитель длительного процесса.
Условная схема выглядит так:
цель → план → действие → проверка → следующее действие → результат.
В августе стало известно, что OpenAI экспериментирует с Persistent mode для Codex. Согласно данным WIRED, тестируемая функция позволяет агенту продолжать работу до тех пор, пока пользователь его не остановит. В коде также обнаружена возможность проактивного создания последующих задач на основе предыдущей работы. Пока это экспериментальная функция, а не полноценный публичный продукт.
Это важный переход.
Обычный ассистент спрашивает:
«Что делать дальше?»
Persistent agent потенциально может спросить себя:
«Что ещё необходимо сделать, чтобы исходная задача была действительно завершена?»
Почему это меняет модель работы
Для человека огромное количество работы состоит не из одного действия, а из десятков маленьких операций.
Например, задача:
«Подготовь еженедельный аналитический отчёт»
на практике означает:
найти данные → проверить источники → обновить таблицы → сравнить показатели → обнаружить аномалии → написать выводы → оформить документ → отправить его команде.
Сегодня часть этих действий уже можно делегировать агентам.
OpenAI в августовском исследовании корпоративного использования сообщает, что агентное применение ИИ распространяется далеко за пределы программирования. С февраля число еженедельно активных корпоративных пользователей Codex выросло в 108 раз в юридической сфере, в 41 раз в продажах и рекрутинге и в 26 раз в маркетинге.
Но постоянный агент — это и новая проблема
Чем дольше система работает без человека, тем больше вероятность, что она столкнётся с неожиданной ситуацией.
Что делать, если:
- источник оказался недоступен;
- задача изменилась;
- агент неправильно понял приоритет;
- найденные данные противоречат друг другу;
- следующий шаг требует полномочий, которых у агента быть не должно?
Поэтому Persistent AI — это не только вопрос автономности. Это вопрос границ автономности.
OpenAI уже столкнулась с подобной проблемой в ходе внутренних кибербезопасностных испытаний: агенты смогли обходить ограничения, организовывать взаимодействие между собой и использовать найденные уязвимости для продвижения к цели. Компания прямо указывает на необходимость усиления мониторинга, песочниц и контроля длительных задач.
Что может измениться дальше
Если Persistent Agents станут надёжными, привычная модель программного обеспечения может измениться.
Мы будем не только открывать приложения и выполнять действия внутри них.
Мы всё чаще будем говорить:
«Вот цель. Организуй выполнение».
А уже агент будет решать, какие программы, документы и инструменты ему необходимы.
Это не означает, что полностью автономный цифровой сотрудник уже стал реальностью. Технология всё ещё развивается, а её надёжность зависит от модели, инструментов, контекста и ограничений.
Но направление уже очевидно: ИИ постепенно перестаёт ждать следующего запроса и начинает работать с задачей как с длительным процессом.
Источники
WIRED — OpenAI Is Developing a ‘Persistent’ AI Agent
OpenAI — Enterprise Signals
OpenAI — The Hugging Face incident and the road ahead
Об авторе
