Современный искусственный интеллект создан, чтобы реагировать на запросы. Но будущее принадлежит системам, которые действуют сами.
Авторы: Киара Ниргин и Нихара Ниргин
Росс Перо — бывший кандидат в президенты и основатель международной IT‑компании Electronic Data Systems — однажды сказал: «Говорить легко. Слова ничего не стоят. Ценны лишь поступки».
И он прав. Именно способность действовать делают интеллект по‑настоящему сильным. Интеллект без действия — всего лишь философия. Интеллект, воплощённый в действии, — это уже цивилизация.
В основном то, с чем мы знакомы благодаря крупнейшим компаниям в сфере искусственного интеллекта, ограничивается алгоритмом: заходишь в чат-бот, задаешь вопрос и получаешь ответ. За последние пару лет некоторым удалось продвинуться дальше — создать ИИ‑агентов, которые уже способны что‑то делать, но лишь то, что вы им прямо велите.
Однако следующий рубеж в развитии ИИ — это вовсе чат с улучшенным интерфейсом. И даже не более продвинутые агенты. На самом деле, следующий этап — это проактивный ИИ. Он может действовать сам, учиться в реальном времени и, что особенно важно, он приходит к вам раньше, чем вы приходите к нему. Это не просто расширение функционала. Это поворот цивилизационного масштаба.
Асимметрия, определяющая нашу эпоху
Так сегодня устроено взаимодействие человека с искусственным интеллектом. Вы просыпаетесь. Вспоминаете, что нужно что‑то сделать, например, спланировать поездку. Открываете ChatGPT или Claude. Печатаете запрос. Модель отвечает. Вы уточняете. Она снова отвечает. Вы повторяете этот цикл, пока не получите что‑то действительно полезное. Потом закрываете вкладку и продолжаете жить дальше — до следующего раза, когда вспомните, что можно попросить ИИ о помощи.
Это и есть реактивный интеллект (от англ. reactive — относящийся к реакции на внешнее воздействие).
Вся эта система держится на одной хрупкой переменной: на том, вспомните ли вы, что можно спросить. На том, заметите ли вы, что проблема вообще существует. На том, сумеете ли вы правильно её сформулировать. На том, знаете ли вы, что ИИ способен помочь. Узкое место этой архитектуры — вовсе не вычислительные мощности. И не возможности конкретной модели. И не длина контекстного окна, и не глубина рассуждений. Настоящее узкое место — это когнитивные способности человека.
Вот в чём заключается асимметрия. Современные системы ИИ способны обрабатывать миллионы токенов, выполнять сложные многошаговые цепочки рассуждений, синтезировать знания из разных областей и выдавать результаты, на которые у человеческих экспертов ушли бы недели — но лишь в том случае, если получат запрос от человека. Самый мощный инструмент, который когда‑либо создавало человечество, большую часть времени никак не влияет на жизнь большинства людей.
Существующая парадигма взаимодействия рассматривает ИИ как ресурс, к которому обращаются по необходимости, а не как систему, включённую в непрерывный поток человеческой деятельности. По сути, это модель вытягивания. Вы сами извлекаете из системы ценность. Система не приносит эту ценность сама. И именно в этой асимметрии скрыто ограничение нынешнего влияния ИИ на продуктивность, творчество и развитие общества.
Аналогия из 10 000 года до н. э.: от собирательства к земледелию
Чтобы осознать масштаб перехода от реактивного ИИ к проактивному, нам нужна система координат, достаточно широкая, чтобы вместить это изменение. Возможно, лучшая аналогия — одна из величайших перемен в истории человечества: аграрная революция.
До примерно 10 000 года до нашей эры люди были собирателями. Они кочевали. Они подстраивались под окружающую среду. Увидев пищу, они ели её. Увидев опасность, они бежали. Их отношения с природой были по своей сути реактивными. Они реагировали на то, что предъявлял им мир. Выживание зависело от внимательности к внешним сигналам и скорости реакции.
А потом что‑то изменилось. Люди начали сажать семена. Они приручили животных. Они перестали ждать милости от природы и начали преобразовывать её под свои нужды. Это был проактивный человеческий интеллект, направленный на выживание. Следствием стало формирование самой цивилизации: постоянные поселения, избыточное производство, разделение труда, письменность, математика, управление, искусство. Всё, что определяет достижения человечества за последние двенадцать тысячелетий, восходит к этому единственному переходу — от реактивного к проактивному способу существования.
В сфере ИИ мы всё ещё живём в эпоху собирательства. Мы блуждаем по цифровым интерфейсам в поисках ценности. Мы реагируем на проблемы лишь тогда, когда они возникают. Мы обращаемся к «оракулу» только тогда, когда вспомним. И ценность, которую мы извлекаем, ограничена нашей внимательностью, нашей памятью и нашим умением формулировать запросы.
Проактивный ИИ — это аграрная революция машинного разума. Это переход от реакции на окружающую среду к её активному преобразованию. На этот раз преобразование будет осуществляться системами ИИ, которые понимают контекст — особенно в физическом мире — предугадывают потребности и действуют, не дожидаясь команды.
Почему современные ИИ‑агенты терпят неудачу
За последние полтора года презентации венчурных фондов, продуктовые релизы и экспертные колонки заполнила идея ИИ‑агентов. Обещание звучало так: автономные системы ИИ, способные выполнять многошаговые задачи, пользоваться инструментами, ориентироваться в софте и доводить рабочие процессы до конца.
Реальность оказалась куда сложнее.
Современные AI‑агенты — почти во всех воплощениях — это реактивные системы в обертке автоматизации. Они не вступают в проактивное взаимодействие с нашим миром. Они запускают заранее прописанные сценарии лишь тогда, когда их активируют. Им нужны прямые и подробные указания. В большинстве реализаций у них нет устойчивой памяти между сессиями. Они не наблюдают за вашим окружением непрерывно. Они не формируют долговременные модели ваших предпочтений. Они не инициируют действия сами.
Посмотрим на архитектуру большинства агентных систем сегодня:
- Человек формулирует цель или задачу.
- Агент разбивает задачу на подзадачи.
- Агент использует инструменты, чтобы выполнить эти подзадачи.
- Агент сообщает результаты.
- Человек проверяет и, возможно, запускает новый цикл.
Это всё ещё та самая модель вытягивания. Человек инициирует — агент отвечает. Агент не просыпается сам, не замечает, что ваш календарь на следующей неделе перегружен, и не переносит проактивно не самые важные встречи. Он не видит, что вы уже три дня изучаете одну тему, и не составляет самостоятельно аналитическую справку. Он не улавливает, что рыночные условия изменились и вашу инвестиционную стратегию пора пересмотреть.
Причина — чисто техническая. Современные агенты работают в эпизодических рамках. Каждая сессия — отдельный, замкнутый эпизод. Контекст ограничен. Информация не сохраняется. Нет непрерывного восприятия вашего окружения. Агент не включён в подлинном смысле — он активируется только по команде.
MCP (Model Context Protocol, протокол контекста модели) — открытый стандарт Anthropic для подключения моделей ИИ к внешним инструментам и источникам данных — действительно является шагом вперёд в инфраструктуре. Он позволяет моделям получать данные в реальном времени и действовать через стандартизированные интерфейсы. Но MCP — это всего лишь средство связи, а не самостоятельная интеллектуальная система. Он обеспечивает связность. Но он не создаёт проактивность. Модель, подключённая к вашему календарю через MCP, может запросить расписание, если вы попросите. Но одно лишь это подключение не заставляет её следить за вашим расписанием и вмешиваться при возникновении проблем.
От нынешних агентов невозможно эволюционно прийти к подлинно проактивным ИИ. Разрыв между ними принципиальный, категориальный.
Насколько мы далеки от того, чтобы преодолеть этот разрыв? Отдельные элементы архитектуры уже существуют — устойчивая память в некоторых копилотах, фреймворки для работы с инструментами вроде MCP, — но всё это остаётся разрозненным. Ни одна развернутая система пока не объединяет в себе непрерывное восприятие, моделирование долгосрочных целей, ограниченную автономию и обучение в реальном мире. Сдерживающие факторы — это архитектура систем, стоимость и управление, а вовсе не незрелость моделей.
Архитектура проактивного интеллекта
Что же на самом деле требуется для появления проактивного ИИ? Существуют технические и концептуальные требования, которые нельзя обойти.
1. Непрерывное восприятие окружающей среды
Проактивный ИИ должен постоянно осознавать значимые изменения в окружении пользователя. Это означает непрерывный или почти непрерывный доступ к потокам информации: электронной почте, календарю, документам, активности в браузере, паттернам общения, финансовым счетам, данным о здоровье, новостным лентам, рыночной динамике — ко всем областям, которые ИИ позволено наблюдать. Это не разовый запрос. Это фоновое восприятие.
Модель должна иметь постоянно обновляющееся представление о том, что происходит во всех контекстах, в которых она действует. Это представление должно быть достаточно эффективным, чтобы не требовать непрерывного полного прогона модели, но при этом достаточно насыщенным, чтобы улавливать значимые изменения, требующие внимания или действий.
2. Моделирование целей и обучение предпочтениям
Проактивный ИИ должен иметь устойчивую модель того, к чему стремится пользователь — не только в текущей сессии, но и на протяжении времени. Каковы его долгосрочные цели? Какие задачи повторяются регулярно? Какие закономерности определяют его стиль принятия решений? Что для него действительно важно?
Для этого нужны архитектуры долговременной памяти, которые накапливают и структурируют информацию о предпочтениях, поведении и целях пользователя. Необходимо также умение выводить неявные, не сформулированные цели. И способность обновлять эти модели по мере того, как меняются обстоятельства и приоритеты пользователя.
Память современных систем ограничена. Они не создают модель пользователя. Они реагируют лишь на то, что пользователь сообщает им здесь и сейчас. Переход к проактивному ИИ требует, чтобы система знала вас достаточно хорошо, чтобы предугадывать ваши потребности ещё до того, как вы их сформулируете.
3. Разрешение на автономные действия
Это самый чувствительный и наименее разработанный компонент. Чтобы ИИ мог действовать проактивно, он должен обладать полномочиями совершать действия без необходимости получать разрешения на каждый шаг. Это порождает серьёзные вопросы доверия, проверки и возможности отмены.
Какие действия ИИ может выполнять без запроса? При каких условиях он обязан запрашивать подтверждение? Как он должен поступать с ошибками? Как пользователь может проверять, что именно сделал ИИ? Как разработчики предотвращают неконтролируемое поведение или действия, выходящие за рамки намерений?
Современная парадигма агентов обходит эти вопросы, требуя человеческого подтверждения для каждого значимого действия. Проактивный ИИ не может работать таким образом — его ценность как раз в том, что он действует от вашего имени без вашего внимания. Это требует новых рамок ограничения автономии: чётко определённых областей, где ИИ имеет полномочия; ясных условий, при которых он обязан передать решение человеку; и надёжного журналирования и обратимости для всего, что находится между этими полюсами.
4. Обучение в реальном времени на основе результатов действий
Подлинно проактивный интеллект должен учиться на последствиях собственных действий. Если он отправляет письмо от вашего имени — отвечает ли адресат положительно? Если он переносит встречу — не создаёт ли это новых конфликтов в расписании? Если он указывает на возможность — действительно ли эта возможность ценна?
Для этого нужны циклы обратной связи, которых у нынешних систем нет. ИИ должен наблюдать результаты, связывать их со своими действиями и корректировать поведение. Это обучение с подкреплением в реальных условиях, где ставки — реальные. Без такого замкнутого цикла проактивный ИИ превращается в проактивный шум — систему, которая действует часто, но неразумно.
Трансформация функции ценности
При переходе от реактивной модели к проактивной экономика создания ценности с помощью ИИ претерпевает фундаментальную трансформацию.
В рамках реактивной парадигмы:
Ценность = f (качество запроса × возможности модели × частота обращений)
Вы получаете ценность только тогда, когда задаёте хорошие вопросы, когда модель достаточно сильна, чтобы на них ответить, и когда вы достаточно часто вспоминаете обратиться к ней. Объём извлекаемой ценности напрямую определяется человеческими когнитивными способностями.
В рамках проактивной парадигмы:
Ценность = f (понимание ИИ ваших целей × точность мониторинга среды × способность к действию × скорость обучения)
Человек перестаёт быть узким местом. Ценность накапливается за счёт непрерывного мониторинга и уровня обученности — независимо от того, вовлечён ли человек в данный момент. Со временем понимание ИИ углубляется. Его действия становятся всё более точными и выверенными. Система становится лучше в том, чтобы служить вам, даже пока вы спите.
Это не линейное улучшение. Это фазовый переход в функции продуктивности интеллекта.
Рассмотрим пример.
Сценарий A (реактивный): специалист по знаниям использует ChatGPT 4 часа в неделю. В эти 4 часа он получает значительную пользу: пишет письма, анализирует документы, генерирует идеи. Остальные 164 часа в неделю ИИ бездействует. Итоговая ценность ограничена этими четырьмя часами активного взаимодействия.
Сценарий B (проактивный): тот же сотрудник имеет проактивного ИИ‑ассистента, который непрерывно отслеживает его почту, календарь, рабочие инструменты и отраслевые новости. Он сам составляет рутинные сообщения. Он отмечает назревающие проблемы до того, как они перерастают в кризисы. Он поднимает релевантную информацию в контексте предстоящих встреч. Он выявляет паттерны работы, указывающие на неэффективность. Ценность создаётся все 168 часов — единственные ограничения: доступ ИИ к данным и его полномочия на действия.
Разрыв между этими сценариями — это вопрос не процентов, а порядков величины.
Эпоха агентов была переходным этапом
История, вероятно, запомнит «эпоху ИИ‑агентов» — примерно с 2023 по 2025 годы — как переходный период. Структуры агентов, протоколы использования инструментов, уровни оркестрации — вся эта инфраструктура является необходимым каркасом. Но концепция, которая ее оживляет, является неполной.
Агентная парадигма расширяет возможности реактивного ИИ. Она позволяет ИИ делать больше — конечно, когда его об этом просят. Но она не отменяет необходимости запроса.
Проактивная парадигма переворачивает это отношение. ИИ перестаёт быть инструментом, который человек использует. Это интеллект, действующий рядом с человеком: самостоятельно воспринимающий, самостоятельно рассуждающий и самостоятельно действующий в пределах разрешённых полномочий.
Это разница между электроинструментом и коллегой. Электроинструмент, когда вы берёте его в руки, расширяет ваши возможности. Коллега замечает проблемы, предлагает решения и проявляет инициативу. Оба ценны. Но это вещи принципиально разного порядка.
Эпоха агентов научила нас, что ИИ может пользоваться инструментами, выполнять многошаговые планы и взаимодействовать с внешними системами. Эра проактивности научит нас, что ИИ может быть участником нашей жизни, а не просто исполнителем наших запросов.
Ускорение XXI века
Если проактивный ИИ хотя бы частично реализуется в ближайшее десятилетие, что это будет означать для темпов человеческого прогресса?
Современный ИИ ускоряет прогресс только тогда, когда человек направляет его. Проактивный ИИ ускоряет прогресс непрерывно, накапливая вмешательства и улучшения во всех областях, где он действует. Эффект накопления становится трудно моделировать.
Возьмём научные исследования. Сегодня ИИ помогает исследователям только тогда, когда они к нему обращаются — обычно для обзора литературы, генерации гипотез или анализа данных. Проактивный ИИ будет непрерывно отслеживать границы научного знания, выявлять пробелы и возможности, предлагать эксперименты, координировать работу с подключённым лабораторным оборудованием, анализировать результаты по мере их поступления и поднимать инсайты, не дожидаясь внимания исследователя. Научный цикл ускоряется с человеческой скорости до машинной.
Возьмём сферу управления. Сегодня аналитики выявляют проблемы, собирают данные, моделируют сценарии и формируют рекомендации — ИИ может помочь в отдельных шагах, но только по запросу. Проактивный ИИ будет непрерывно отслеживать социально‑экономические показатели, выявлять проблемы ещё до того, как они попадут в заголовки, моделировать варианты вмешательства и предоставлять чиновникам готовый к принятию решений анализ. Время реакции сокращается с месяцев до часов.
Возьмём личностное развитие. Сегодня вы развиваетесь через осознанную практику, плановые размышления и редкие консультации с коучами или терапевтами. Проактивный ИИ будет наблюдать за вашим поведением через цифровые устройства и носимую электронику, выявлять паттерны, ограничивающие вашу эффективность, предлагать микро‑интервенции в течение дня и мягко, непрерывно помогать вам становиться тем человеком, которым вы хотите быть.
Во всех областях трансформация одинакова: устранение человеческого внимания как фактора, ограничивающего скорость. Но это не исключает человека из контура. Это меняет сам характер контура. Человек переходит от роли оператора к роли управляющего: он задаёт цели, определяет границы, оценивает результаты и принимает решения, требующие человеческой оценки. Эффективность исполнения становится практически неограниченной.
Общества, которые успешно пройдут переход к проактивному ИИ, будут работать в цивилизационном темпе, на фоне которого сегодняшняя продуктивность покажется скоростью конной повозки в эпоху автомобиля.
Проактивный ИИ не лишён рисков. Системы, действующие непрерывно, расширяют поверхность приватности и увеличивают вероятность уязвимостей безопасности. Например, недавние сообщения об автономном агенте OpenClaw показали, что открытые шлюзы агентов могут позволить злоумышленникам читать личные файлы, сообщения и другие чувствительные данные — наглядно демонстрируя, как при отсутствии должного контроля мощные агенты могут превратиться в кошмар для кибербезопасности.
Смягчение этих рисков требует ограничения автономии, обратимости действий, чёткого человеческого надзора, прозрачности журналов аудита и надёжной архитектуры безопасности. Вероятно, в ближайшие годы мы увидим ограниченные внедрения частичной проактивности в корпоративных средах, тогда как более широкая, междоменная фоновая проактивность появится позже.
Возвращаясь к Перо
Вернёмся к цитате Росса Перо: «Говорить легко. Слова ничего не стоят. Ценны лишь поступки».
ChatGPT может составить подробный план любого начинания, которое вы способны сформулировать. Он может проанализировать риски. Он может предложить запасные варианты. Он может даже разыграть сценарий исполнения. Но когда вы закрываете вкладку, ничего не происходит. План остаётся планом. Слова остаются словами.
Обещание ИИ — не бесконечный разговор. Его обещание — бесконечный рычаг. Рычаг требует действия. А действие требует не только способности, но и инициативы — готовности начать без подсказки, вступить во взаимодействие с миром, а не ждать, пока мир обратится к тебе.
Эпоха агентов стала началом того, что ИИ начал совершать ценные дела. Следующее десятилетие развития ИИ будут измерять не бенчмарками и не длиной контекстного окна, а действиями, которые он совершил, проблемами, которые он решил, и ценностью, которую создали системы, не ждавшие, пока их попросят.
Оригинал: Big Think
