Исследование проводилось с мая 2026 года: специалистка по внедрению ИИ в крупные продукты разработала собственный харнесс — программную обвязку, которая управляет моделями, вызовами инструментов и выполнением задач. Агенту по имени Ника поручали дела, которые обычно решает человек в реальном, а не цифровом мире: договориться по телефону с живым собеседником, купить билет на самолёт, заказать еду, забронировать столик или гостиницу. Автор подчёркивает, что мотивацией стала в том числе личная нелюбовь к телефонным разговорам, а целью — проверить, где именно заканчивается самостоятельность агента и начинаются ограничения инфраструктуры и человеческого труда. Предыдущий опыт с самоорганизацией ИИ-агентов вдохновил её на создание собственного харнесса и тестирование в реальных условиях. В эксперименте участвовала облачная версия Ники; локальный режим приложения для macOS, где доступны диалог, работа с текстом и память на компьютере, автор обещает разобрать отдельно.

К Нике подключили 294 инструмента, включая API российских сервисов: карты, поиск, путешествия, маркетплейсы, доставку еды и MCP-сервер ВкусВилла. Часть интеграций пришлось подключать через реверс-инжиниринг, поскольку готовых программных интерфейсов не существовало. Для решения задач агенту были доступны более десяти языковых моделей через собственный GPU-кластер и двух внешних провайдеров, причём Ника сама выбирала модель с учётом сложности задачи, стоимости, скорости, доступности и текущей нагрузки. Помимо этого, агент получил банковскую карту, несколько SIM-карт с ИИ-звонилкой, браузерного агента, собственную почту и аккаунты в Telegram и WhatsApp, а при отсутствии API мог открыть сайт, позвонить или написать человеку, всегда представляясь ассистентом. Задачи формулировались обычными сообщениями в чат через веб-интерфейс. Такая архитектура позволяет агенту гибко переключаться между инструментами и моделями, что является ключевым отличием от простых чат-ботов.

Техническая часть эксперимента показала, насколько по-разному устроены сценарии. В одном российском магазине Ника раз в два дня сама оформляла и оплачивала доставку кофе, и к концу тестов дома накопился запас примерно на год — это иллюстрирует простейший фоновый режим, когда агент возвращается к задаче без нового сообщения пользователя. Однако автор отмечает, что для регулярных задач необходимо задавать условия остановки: указания частоты недостаточно, нужны бюджет и момент прекращения заказов, иначе исправно работающий агент продолжает покупать. В случае с авиабилетом агент прошёл весь путь на сайте авиакомпании: поиск рейсов, выбор варианта, заполнение данных пассажира и оплату картой. Отдельно проверялась работа с сайтами до оплаты: в Yandex Cloud Ника собирала конфигурацию сервера с расчётом стоимости, а на сайте «М.Видео» подбирала комплектующие для ПК, хотя до покупки в этих случаях дело не дошло. Эти тесты показали, что агент способен выполнять подготовительную работу, но для завершения задачи требуется дополнительная верификация или участие человека.

Наиболее показательным стал голосовой блок: более ста тестовых звонков в рестораны на разные имена и время. В ресторан «Сахалин» Ника позвонила двадцать раз, после чего её номер заблокировали, а некоторые другие заведения также добавили его в чёрный список. Автор публично извинилась перед сотрудниками ресторанов за лишние обращения и отметила асимметрию: у агента нет проблемы сделать ещё один звонок, тогда как рабочее время администратора ограничено. Этот эпизод фактически обозначил инфраструктурный разрыв — если персональных агентов станет много, заведениям понадобятся API для бронирования или собственные агенты, способные принять запрос, подтвердить столик и отменить бронь. Пока же такие звонки воспринимаются как спам и приводят к блокировкам, что ставит под вопрос масштабирование голосовых сценариев без предварительных договорённостей с бизнесом.

Отдельного внимания заслуживает кейс с гостиницей во Владимире, где не было онлайн-бронирования и оставался только телефон. Ника позвонила и забронировала номер, а расшифровка разговора показала, что примерно через двадцать секунд администратор поняла, что общается с агентом, и позвала коллегу со словами «Галя, представляешь, мне бот звонит». Этот момент важен для российского рынка: голосовые ассистенты уже технически способны вести транзакционные переговоры, но социальное принятие такой практики остаётся низким, а распознавание бота человеком происходит быстро. Для бизнеса это одновременно сигнал о спросе на автоматизацию рутинных коммуникаций и предупреждение о репутационных рисках при массовых звонках. Кроме того, эксперимент показал, что агент может успешно выполнять задачи, требующие взаимодействия с людьми, но человеческий фактор и отсутствие стандартизированных интерфейсов остаются главными барьерами.

В контексте рынка эксперимент показывает, что конкуренция смещается от качества отдельной модели к качеству обвязки: харнессу, набору инструментов и политике выбора модели. Агент, которому доступны десятки API и несколько LLM, ведёт себя иначе, чем чат-бот с одним инструментом, и именно инфраструктурные ограничения — отсутствие бронирования онлайн, блокировки номеров, необходимость реверс-инжиниринга — определяют, где задача останавливается. Схожие выводы прослеживаются и в других направлениях: разработчики роботов и платформ отчитываются о прогрессе автономности, но упираются в те же вопросы интеграции с существующими сервисами и готовности людей взаимодействовать с машинами. Альтернативой полностью автономному агенту остаётся гибридная схема, где человек подтверждает платежи и звонки, однако именно отказ от такого подтверждения и был целью теста. Для российского рынка ИИ это означает, что успех агентных решений будет зависеть не только от моделей, но и от развития инфраструктуры и доверия со стороны бизнеса и пользователей.

Открытыми остаются несколько вопросов. Во-первых, неясно, как масштабировать фоновые задачи без условий остановки: пример с кофе показал, что указания частоты недостаточно, нужны бюджет и момент прекращения заказов, иначе исправно работающий агент продолжает покупать. Во-вторых, требуется решить проблему верификации: как сервисам отличать легитимного персонального агента от спама, если номера попадают в чёрные списки после серии звонков. В-третьих, экономика выбора модели агентом и стоимость инференса на собственном кластере пока не раскрыты в цифрах, а именно они определят, станет ли подобная схема массовой. Дальнейшие шаги, судя по анонсу, связаны с разбором локального режима приложения для macOS, где доступны диалог, работа с текстом и память на компьютере, — это может сместить фокус с облачной автономности на приватность и контроль пользователя. Кроме того, остаётся неясным, как агент будет вести себя при большом количестве одновременных задач и какие механизмы безопасности потребуются для предотвращения нежелательных действий.