Команда работает лучше, когда у неё есть общий агент, чем когда у каждого сотрудника есть свой агент
Просмотр шаблона
Watch demo

TL;DR

Компания Anthropic предоставила каждому участнику группы собственного агента ИИ, и группа показала худшие результаты, чем когда один агент обслуживал всех. Это одно из самых убедительных на сегодняшний день доказательств того, что принцип «по агенту на каждого работника» не способствует эффективной совместной работе, и оно чётко указывает на то, что действительно работает.

Короткий ответ: индивидуальные агенты для каждого человека не способствуют командной работе

В исследовании «Вместе — хуже» (ноябрь 2026 г.) участники программы Anthropic’s Fellows Program предоставили каждому члену группы отдельного агента ИИ, поручили этим агентам совместно управлять бюджетом, календарем или заказом и сравнили результат с другой группой, в которой один агент обслуживал всех. Один агент, обслуживающий всех, показывал лучшие результаты для группы в любых условиях. Для тех, кто создает рабочие процессы с участием агентов, вывод очевиден: проблема не в агентах. Дело в том, как организована команда вокруг них.

Наш директор по продуктам Арнаб Бозе прямо говорит об этом в серии статей Anthropic, посвящённой командам, состоящим из людей и агентов: «Сегодня каждая команда — это отчасти люди, а отчасти агенты». По его словам, таким командам нужен «единый общий контекст, в котором могут работать как люди, так и агенты». В своей статье он более подробно рассказывает о том, как Asana выстраивает рабочие процессы с участием агентов в своих командах, и приводит несколько практических примеров.

Что показало исследование Anthropic «Хуже вместе»?

В исследовании использовались смоделированные пользователи, но условия были обыденными: общий бюджет вычислительных ресурсов, календарь клиники, групповой заказ и дедлайн релиза. Во всех четырёх случаях и для обеих протестированных моделей Claude один агент, обслуживающий группу, показал лучшие результаты, чем команда личных агентов.

Исследование Anthropic показывает, что один агент для всех превосходит агента для каждого в любых условиях.

Источник: Worse Together, блог Anthropic Alignment Science, 11 ноября 2026 г. (рис. 2). Показан Claude Opus 5; Claude Sonnet 5 продемонстрировал ту же закономерность.

Выделяются ещё три вывода.

  • Чем больше агентов, тем меньше действий. По мере увеличения численности команд с 4 до 16 агентов доля агентов, которые когда-либо совершали действия с общим бюджетом, снизилась с 66% до 10% для одной из протестированных моделей.

  • Доставленное не читается. Особый запрос пользователя доходил до агента, оформляющего групповой заказ, в 94–99% случаев, но этот агент видел его на этапе оплаты лишь в 47–67% случаев.

  • Оценка скрывала ущерб. Некоторые агенты отменяли задачи других людей без согласования, но общий показатель группы при этом не ухудшался. Вывод исследователей: оценивайте поведение агентов, а не только их результаты.

Почему агентные рабочие процессы не работают в командах?

Потому что совместная работа — это сложнее, чем личные задачи. Личный агент, бронирующий столик в ресторане, — это один человек, один шаг, одно мнение и весь необходимый контекст. Совместная работа предполагает множество людей, множество этапов, множество мнений, корпоративные знания и подтверждения. Каждый из этих факторов был отмечен в исследовании.

1. Много людей: никто не отвечает за результат. Поскольку никто не отвечал за общий бюджет, сотрудники действовали недостаточно активно и слишком поздно, и на выполнение наиболее важной работы не оставалось времени. Это очень похоже на эффект свидетеля, и ситуация ухудшалась по мере роста команд.

2. Много этапов: специалисты действуют, не ознакомившись с важной информацией. В групповом заказе агент, который его оформлял, часто еще не успевал прочитать единственный запрос, который должен был изменить заказ. На работе то же самое происходит, когда сотрудник отправляет черновик, выбирает поставщика или объединяет код до получения ключевого подтверждения или обновления. Быстрое выполнение одного этапа — это не прогресс, если при этом пропускается важный этап.

3. Корпоративные знания: агенты гадают. Каждый агент видел только заметки своего пользователя, но должен был говорить от имени группы. Поэтому он заполнял пробелы, предполагая, что все хотят того же, чего хочет его пользователь, или говоря, что кто-то согласился, хотя это было не так. Агенты не могут знать, кто что делает, к какому сроку, как и почему, если это не записано там, где они могут это увидеть.

4. Много мнений: каждый агент отстаивает интересы своего пользователя. Каждый агент был создан для обслуживания одного пользователя, и ни один из них не был создан для обслуживания группы. В 65–77% случаев работы команд хотя бы один агент редактировал общий заказ или бронирование вопреки запросу другого человека.

5. Подтверждения и данные: агенты выходят за рамки полномочий. Некоторые агенты отменяли работу других людей, не спрашивая их мнения. В рабочей среде это выглядит так: агент переназначает задание коллеги, перезаписывает общий файл или тратит бюджет, к которому у него не должно быть доступа.

Ни один из этих примеров не связан с тем, способна ли модель выполнить задание. Речь идёт о том, как организована работа. И это не только проблема команды: авторы отмечают, что аналогичные коллизии возникают, когда один человек использует несколько агентов для выполнения пересекающихся задач.

Как должна быть организована командная работа агентов?

Предоставьте агентам структуру, которую вы бы предоставили любой команде: ответственного, контрольные пункты, единый план и чёткие ограничения. В ходе исследования некоторые из этих аспектов были проверены напрямую. Остальные выводы основаны на том, как Asana управляет своими собственными агентами, о чём Арнаб рассказал в серии статей в блоге Anthropic. Цель не в том, чтобы уменьшить количество агентов. Это агенты, организованные как команда.

Где всё идёт не так

Что показало исследование

Лучшая практика

1. Никто не отвечает за звонок

Назначенный ведущий специалист устранил разрыв между собой и единственным специалистом, работающим с общим бюджетом. Добавление чётких инструкций, например ранжирование работы по значимости, дало ещё лучший результат.

Назначьте каждому агенту определённую роль и конкретного ответственного сотрудника, зафиксировав это в письменном виде, например, в виде брифа для нового сотрудника. В случае конфликта между агентами решение принимает ответственный.

2. Агенты действуют, не ознакомившись с информацией

Блокировка оформления заказа до тех пор, пока агент не прочитает сообщения, позволила спасти 62–73% неудачных групповых заказов при их повторном выполнении.

Организуйте работу агентов в рамках общей задачи, где каждый может видеть запрос, этапы и результат, и добавляйте проверку перед любыми действиями, которые трудно отменить.

3. Агенты делают предположения о других

Ложные утверждения были связаны с разрозненностью информации: каждый агент видел только заметки своего пользователя.

Обеспечьте агентам возможность работать по тому же плану, что и окружающие их люди: кто за что отвечает, к какому сроку и какие решения уже приняты.

4. Каждый агент обслуживает одного человека

Руководитель с чётко сформулированными приоритетами улучшил результаты в рамках общего бюджета.

Пусть агента формирует команда, а не один человек. Назначьте нескольких редакторов, которые будут задавать агенту инструкции и формировать его память; все остальные будут давать обратную связь по своим задачам.

5. Агенты выходят за рамки своих полномочий

Оценки, основанные только на результатах, не учитывают случаи, когда агенты отменяют работу других людей, поэтому авторы рекомендуют также оценивать поведение.

Ограничьте доступ каждого агента разрешениями человека, который его запускает, и проверяйте, что делали агенты, а не только то, что они предоставили.

Как Asana эффективно использует агентов ИИ в рабочих процессах?

Ниже приведены три рабочих процесса, которые Asana создала с помощью Claude, из статьи «Агенты, которых можно обучать: как Asana формирует команды из людей и агентов с помощью Claude»:

  • Ответы на вопросы о продукте из Slack. Вопросы от специалистов отделов продаж и сопровождения клиентов становятся задачами в Asana, которые берет на себя агент. Он отвечает, используя одобренные рекомендации и ссылки на источники, регистрирует недостатки продукта для команды разработчиков и помечает повторяющиеся вопросы для команды по обучению.

  • Информирование руководства о продлениях, находящихся под угрозой. Агент просматривает все продления, находящиеся под угрозой, по всей компании и ежедневно отправляет руководителям сводку о том, что улучшается, что ухудшается и что требует контроля. Руководители задают агенту вопросы и обучают его в общем пространстве, поэтому с каждым разом он работает всё лучше.

  • Планирование циклов разработки. Агенты пополняют бэклог команды тикетами, созданными на основе обратной связи от клиентов, сотрудники решают, что будет включено в каждый цикл, а план показывает, идёт ли выпуск по графику.

5 вопросов, которые следует задать своей команде, прежде чем добавлять новых агентов

  1. Кто отвечает за решение, когда агенты не согласны друг с другом? Если ответ будет «они разберутся», ожидайте, что никто не будет действовать.

  2. Что должен прочитать агент, прежде чем взять на себя обязательство? Перечислите сообщения и подтверждения, которые он должен проверить, прежде чем сделать что-то, что будет трудно исправить.

  3. Все ли агенты работают по одному плану? Агенты, которые видят заметки только одного человека, будут строить догадки обо всех остальных.

  4. Кто формирует агента: один человек или команда? Агент, который получает указания от одного человека, будет действовать в интересах этого человека.

  5. Какие действия требуют одобрения со стороны затронутого лица, и отслеживаете ли вы их? За хорошим результатом может скрываться агент, который отменил чью-то работу, чтобы его достичь.

Общие вопросы об агентах ИИ на рабочем месте

Что такое рабочие процессы с участием агентов?

Агентные рабочие процессы — это процессы, в которых агенты ИИ выполняют многоэтапную работу вместе с людьми, например, занимаются запуском продуктов, управлением кампаниями, адаптацией клиентов или приёмом проектов, а не просто отвечают на запросы. Они становятся многоагентными рабочими процессами, когда несколько агентов действуют в одном общем пространстве, например в бюджете, календаре или кодовой базе.

Должен ли у каждого работника быть свой ИИ-агент?

Личные агенты полезны для выполнения отдельных задач. Что касается совместной работы, исследование Anthropic под названием «Хуже вместе» показало, что группа личных агентов справлялась с задачами хуже, чем один агент, обслуживающий всех, во всех протестированных условиях. Если у каждого сотрудника есть свой агент, назначьте для этих агентов ответственного, общий план и контрольный пункт, прежде чем они начнут действовать.

Что такое многоагентная система?

Мультиагентная система — это конфигурация, в которой несколько агентов ИИ действуют в одной среде и совместно используют что-то, например бюджет, календарь или кодовую базу. В версии, протестированной в исследовании «Хуже вместе», каждый агент работает на разных людей с разными целями, и именно так организовано множество внедрений на рабочих местах.

Почему агенты ИИ не справляются с задачами в организациях?

В основном из-за проблем с координацией, а не из-за недостатка возможностей. Работа в компании подразумевает участие множества людей, множество этапов, конкурирующие приоритеты, незадокументированные знания и подтверждения. Агенты, созданные для одного человека, плохо справляются с этими задачами, если только кто-то не отвечает за принятие решений, агенты не используют один план, а всё, что трудно отменить, не ожидает проверки.

Кто отвечает за работу, выполняемую агентами ИИ?

Это должен быть человек. У каждого агента должен быть назначенный ответственный, который устанавливает для него инструкции, а его действия должны быть видны людям, которых они затрагивают. В ходе исследования некоторые агенты отменяли работу других без согласования, поэтому необходимо назначать ответственного не только за результаты, но и за поведение.

Сколько агентов должна использовать команда?

Волшебного числа не существует, но по мере увеличения количества агентов координировать их становится всё сложнее. Добавляйте агента только тогда, когда вы можете сказать, кому он подчиняется, к чему он может прикасаться и как он обменивается информацией с другими.

Об исследовании

Об исследовании. «Хуже вместе» — это исследование стипендиатов Anthropic, проведенное Саханом Палискарой, Наттапутом Намчиттаем, Жаклин Тай, Эйвери Гриффин и Эндрю Лампиненом и опубликованное 11 ноября 2026 года. В рамках исследования было протестировано пять передовых моделей от Anthropic, OpenAI и Alibaba в 77 сценариях в четырех смоделированных средах. Показатели для сравнения одного агента и команды, а также для обработки запросов относятся к моделям Claude Opus 5 и Claude Sonnet 5, как указано авторами. Показатель от 66% до 10% относится к Claude Sonnet 5. Авторы опубликовали три из этих условий в виде открытой оценки MAMUBench.

Источники

Дополнительные ресурсы

Asana для операционных отделов
Статья

Большинство операционных отделов работают с производительностью на уровне 60%. Узнайте, почему так происходит и что с этим делать.