Gartner прогнозирует: к 2026 году 20% компаний сократят до половины менеджеров среднего звена. McKinsey ожидает, что в зрелых внедрениях на одного человека будет приходиться 50–100 агентов.
AI работает. Но при этом 95% компаний не получают ROI от AI-внедрений. Почему?
Проблема не в технологии, а в организации. AI прикручивают к сломанным процессам вместо того, чтобы переосмыслить, как вообще выполняется работа.
Компании, которые делают это правильно, уходят от функциональных иерархий к сетям, ориентированным на результат.
Возьмем традиционный customer success: VP наверху, директор Sales Ops управляет L1/L2/L3 поддержкой, директор Customer Success — CSM и онбордингом. Масса людей заняты координацией других людей.
Agentic-компании действуют иначе. В центре — customer resolution.
Триаж-агенты анализируют запросы, knowledge-агенты синтезируют документацию, routing-агенты решают эскалации, follow-up-агенты отслеживают удовлетворенность. Люди подключаются только к реально сложным случаям.
Координация смещается от управленческой иерархии к сети агентов.
McKinsey выделяет три новых управленческих архетипа:
M-shaped Supervisor — широкий дженералист, оркестрирующий агентов сразу в нескольких доменах. Системный мыслитель с высокой AI-грамотностью. Управляет результатами, а не людьми.
T-shaped Expert — глубокий специалист, разбирающий эскалированные исключения, которые агенты не могут решить. Обладает нюансированным суждением и умеет коучить.
AI-Augmented Frontline — сотрудник, использующий агентов для рутины и фокусирующийся на высокоценной человеческой работе. Знает промт-инжиниринг и обладает эмпатией.
Обратите внимание, кого здесь нет. Классического среднего менеджера, чья роль — собирать информацию снизу, синтезировать и передавать наверх. Эта функция информационного брокера становится лишней, когда агенты сами собирают данные, синтезируют и действуют со скоростью машины.
Классический span of control — 12–15 прямых подчиненных. Это число Данбара, биологический предел человеческой координации.
При этом мне известен стартап, где 5 человек надзирают за 60 постоянно работающими агентами. McKinsey прогнозирует 50–100 агентов на человека в зрелых моделях.
Парадокс в том, что рост автономии увеличивает сложность, а не снижает ее.
Агенты принимают решения за миллисекунды. Люди — за минуты или часы. На машинных скоростях координационные проблемы множатся. Традиционные оргструктуры никогда не проектировались под такое расхождение временных масштабов.
Формирующееся решение — иерархические агентские конструкции: супер-агенты оркестрируют кластеры специализированных агентов, а люди обеспечивают надзор на более высоких уровнях. Это новая организационная форма — нечто среднее между софтверной архитектурой и оргдизайном.
У нас пока нет хорошего языка, чтобы это описывать. Обычно это признак чего-то действительно важного.
Это перекликается с тем, что описывает Karri Saarinen: относиться к агентам как к распределенным удаленным работникам, а не как к магическим черным ящикам. Четкое владение, async-координация, оценка по результату.
Этот сдвиг открывает огромную возможность для фаундеров. Рынок оркестрации агентов вырастет до ~$10B к 2026 году. Но больший play — организационная инфраструктура: governance-платформы, протоколы agent-to-agent, HR-слой для нечеловеческих работников, управление идентичностью, атрибуция затрат, мониторинг перформанса. Deloitte называет это FinOps для агентов.
Те, кто воспринимает это как обычное внедрение софта, проиграют. Это ближе к оргдизайну и теории менеджмента, чем к чистой инженерии.
Победят те, кто сумеет представить, как выглядит работа в мире, где исполнение становится дешевым, а координация — главным ограничением.
