Корпоративный слой контекста пока не делает AI-агентов надёжнее на бумаге: компании, которые уже используют или строят такой слой, сообщают о повторных ошибках более чем вдвое чаще остальных. Но хоронить архитектуру рано. Вероятнее, она превращает безымянное «модель опять соврала» в диагностируемую проблему с конкретной таблицей, определением или источником данных.
Для бизнеса это всё равно неприятная новость. Context layer продают как фундамент, который должен согласовать смысл данных для всех агентов. На практике фундамент сначала показывает трещины, а иногда и добавляет собственные.
Что обнаружил VentureBeat
В июльском опросе VB Pulse участвовала 101 компания со штатом более 100 человек. За последние шесть месяцев 68% респондентов связывали уверенный, но неверный ответ AI-агента с отсутствующим или противоречивым бизнес-контекстом. В июне таких было 57%. Доля компаний, столкнувшихся с повторными сбоями, выросла с 31% до 37%.
Одновременно управляемый слой контекста появился в продакшене у 32% компаний против 25% месяцем ранее. Ещё 31% его пилотируют или строят, 20% оценивают возможность внедрения.
Самый резкий разрыв виден среди 91 компании, которые смогли ответить, происходили ли у них такие ошибки. У организаций с работающим или строящимся context layer повторные сбои встречались в 50% случаев. У компаний без него показатель составил 21%.
Это корреляция, а не приговор архитектуре. Сам VentureBeat объясняет разрыв наблюдаемостью: чтобы связать плохой ответ с устаревшей таблицей или сломанным определением, нужна общая управляемая точка отсчёта. Без неё ту же ошибку проще списать на модель или вообще не расследовать.
На это указывает и размер компаний. Организации с более чем 1000 сотрудников сообщают о повторных сбоях в 55% случаев, компании со штатом от 101 до 1000 человек в 30%. При этом у крупных компаний слой уже работает реже: 24% против 37%. Чем больше данных, пользователей и проверок, тем труднее поддерживать иллюзию, что агент «в целом отвечает нормально».
Управление покупают раньше, чем точность
Проблема не только в моделях. Основным источником контекста для агентов у 31% компаний остаётся поиск по документам. Ещё 13% загружают документы прямо в длинное контекстное окно, а 5% полагаются на общие знания модели без структурированного контекста.
Даже retrieval не гарантирует правильного смысла. Сриджит Раджамохан из Redis приводил VentureBeat пример двух фраз: «Рим ближе Парижа» и «Париж ближе Рима». Слова почти те же, вывод противоположный. Поиск по семантическому сходству способен вернуть обе фразы, но не обязан разобраться, какая из них применима.
При выборе retrieval-систем компании чаще всего смотрят на контроль доступа и удобство загрузки данных: по 24%. Точность поиска важнее всего лишь для 15%. После запуска приоритеты внезапно разворачиваются: главным показателем успеха 38% называют правильность ответа, а безопасность и контроль доступа выбирают 19%.
Получается знакомый корпоративный ритуал. Покупают то, что удобно согласовать с безопасностью и подключить к данным, а оценивают по тому, отвечает ли агент правильно. Между этими двумя решениями и возникает долг по контексту.
Что делать до расширения контура
Из результатов не следует, что общий context layer нужно выбросить. Следует другое: его нельзя считать лечением по умолчанию. Это отдельный компонент, который способен одновременно улучшить диагностику и стать новой точкой отказа. Если общая модель данных содержит устаревшую таблицу или конфликтующие определения, ошибка распространяется уже не на одного агента, а на всех потребителей слоя.
Поэтому команде внедрения стоит сравнить один и тот же набор задач с общим слоем и без него. Важно считать не только долю неверных ответов, но и классы ошибок: отсутствующий контекст, устаревшие данные, конфликт определений, неверно найденный документ. Источники лучше подключать поэтапно, контекст версионировать, а для критических процессов заранее предусмотреть обход или отключение слоя.
Главный маркер на ближайшие месяцы прост: начнёт ли разрыв между компаниями со слоем и без него сокращаться при одновременном росте числа диагностированных причин. Если да, context layer действительно превращается из детектора проблем в средство их устранения. Если повторные ошибки останутся около нынешних 50%, рынок пока строит не фундамент для агентов, а более дорогой способ узнать, где именно они ошиблись.