AI
AI есть у всех, а результата нет ни у кого. Что такое AI-харнесс и зачем он компании
Каждый сам себе AI-отдел
Андрей из маркетинга освоил AI лучше всех в компании. За полгода он собрал себе идеальный рабочий инструмент: настроил AI-помощника, написал десятки готовых инструкций под свои задачи, объяснил ему тон бренда, структуру продуктов, любимые форматы. Работает быстро, доволен.
Юля из операций держит папку с промптами - готовыми инструкциями для AI - прямо в личном облаке. Там накопилось всё: как писать брифы подрядчикам, как разбирать таблицы с данными, как готовить отчёты для директора. Папка хорошая. Только Юля о ней никому не рассказывала - не из жадности, просто никто не спрашивал.
Игорь из IT настроил себе AI-агента - программу, которая сама выполняет задачи по шагам без постоянного участия человека. Агент крутится на его ноутбуке. Ключ доступа к AI-сервису - пароль, по которому программа получает право работать - лежит там же, в текстовом файле на рабочем столе.
Все трое довольны. Каждый ускорился лично. А компания как целое работает ровно так же, как год назад.
Картина собирательная - но узнает себя почти любая компания. Три человека, три острова. Знания Андрея умрут вместе с его аккаунтом, если он уйдёт. Юлины промпты не найдёт новый сотрудник. Ключ Игоря однажды утечёт или потеряется - и никто не узнает, когда именно. Компания купила подписки, люди научились пользоваться, а общего слоя нет. Так выглядит фрагментация.
Что такое харнесс и почему мы говорим это слово по-русски
То, о чём пойдёт речь дальше, называют AI harness - по-русски мы говорим «харнесс». Буквальный перевод - упряжь, и образ здесь точный: упряжь превращает силу лошади в полезную работу, без неё лошадь сильная, а телега стоит. AI-модели сегодня мощные. Но мощь сама по себе ничего не везёт - нужна система, которая направляет эту силу, удерживает её в рамках и передаёт результат туда, где он нужен компании. Дальше в тексте - харнесс.
Термин пришёл из разработки программного обеспечения. Там test harness - оснастка, которая запускает программу в контролируемых условиях, проверяет результат и фиксирует, что пошло не так. В применении к AI-агентам смысл тот же: всё, что находится вокруг модели, - контекст, инструменты, память, права и правила поведения - собранное в один управляемый слой.
Харнесс - это общий слой компании поверх любых AI-инструментов. Он отвечает на пять вопросов сразу: что AI знает о компании, к чему он подключён, что ему разрешено делать, по каким правилам он работает и как компания видит, что происходит. Дальше разберём восемь слоёв, из которых харнесс собирается, - каждый закрывает свою часть этих вопросов.
Почему «каждому по подписке» упирается в потолок
По данным опроса McKinsey за ноябрь 2025 года, 88% компаний используют AI хотя бы в одной функции. Только около 6% добились того, что AI даёт им от 5% прибыли и выше. Про этот разрыв мы писали подробнее: 88% компаний внедрили AI, а результат получили 6%.
Цифра неприятная. Летом 2025 года проект MIT NANDA опубликовал отчёт «GenAI Divide» с ещё более резкой формулировкой: 95% корпоративных AI-пилотов не дали измеримого возврата. Цифру подхватила вся деловая пресса. А потом профессор Уортонской школы бизнеса Кевин Вербах публично разобрал отчёт и показал, что 95% в данных не обоснованы, а отсутствие быстрого эффекта не означает нулевую пользу. Ожидания и правда не оправдываются - но и катастрофу с чужих слов рисовать не стоит.
Gartner в июне 2025 года дал прогноз: больше 40% проектов с AI-агентами закроют к концу 2027 года - затраты растут, ценность неясна, риски толком никто не контролирует. S&P Global Market Intelligence в октябре 2025-го опросил больше тысячи компаний Северной Америки и Европы: доля тех, кто бросил большинство своих AI-инициатив, выросла за год с 17% до 42%.
Параллельно растёт теневое использование. KPMG и Мельбурнский университет опросили больше 48 тысяч человек в 47 странах (апрель 2025 года): 57% сотрудников скрывают, что пользуются AI на работе, и выдают его результаты за свои. Только 40% говорят, что у работодателя вообще есть правила использования AI.
Netskope в отчёте за 2026 год насчитала 47% пользователей генеративного AI, которые на работе сидят с личных аккаунтов (компания продаёт защиту корпоративного трафика, поправку на это делайте сами). У Zylo, которая ведёт учёт корпоративных подписок, своя картина: у средней компании одновременно семь разных генеративных AI-приложений, расходы на них выросли на 108% за год, и 60% IT-директоров признают, что не видят всех инструментов, которыми пользуются сотрудники.
Деньги тратятся, инструменты множатся, а результат до компании не доходит - оседает в личных папках и аккаунтах.
И это ещё без разговора о безопасности. GitGuardian, которая профессионально ищет утёкшие ключи, в отчёте за март 2026 года насчитала: за 2025 год в открытые хранилища кода на GitHub - сайте, куда программисты выкладывают свои проекты, - попало 28,65 миллиона паролей и ключей доступа, вшитых прямо в код. Это на 34% больше, чем годом раньше. Утечки ключей именно от AI-сервисов выросли на 81%. В файлах настроек для подключения AI к рабочим программам нашли 24 008 утёкших секретов.
В августе 2025 года произошла атака, которую исследователи назвали s1ngularity: злоумышленники заразили популярный пакет для разработчиков, и вредоносный код заставлял AI-инструменты на заражённых компьютерах искать по диску пароли, ключи и криптокошельки. По данным исследователей Wiz, утекло больше тысячи действующих ключей доступа к GitHub и около 20 тысяч файлов. Ключ в текстовом файле на рабочем столе - открытая дверь ровно для такой атаки.
Из чего состоит харнесс
Харнесс - это восемь слоёв. Каждый из них можно построить отдельно, но работают они вместе. Дальше - по порядку: что это такое, что ломается без него и как выглядит минимальная рабочая версия.
Память компании
Это база знаний, которую AI читает перед работой. Не личные заметки конкретного сотрудника, а то, что компания знает как организация: продукты, клиенты, процессы, решения, которые уже принимались и почему.
Без общей памяти каждый сотрудник объясняет AI одно и то же с нуля. AI у Андрея знает тон бренда - AI у нового менеджера не знает ничего. Знание накапливается у людей, а не у компании.
Минимальная рабочая версия - это файл с правилами, который AI читает перед задачей (в профессиональной среде такой файл иногда называют skill-файлом или системным промптом). Один файл, доступный всем, с базовыми фактами о компании, тоном коммуникации и запретами. Его можно написать за день.
Подключения к рабочим программам
AI полезен, когда он работает с реальными данными компании: читает почту, пишет в систему учёта клиентов (CRM), создаёт задачи в трекере - системе учёта задач, обращается к таблицам. Для этого нужны подключения.
В 2025 году все крупные AI-разработчики приняли единый открытый стандарт подключений - MCP (общий разъём, через который AI подключают к рабочим программам). В декабре 2025 года стандарт передали в независимый фонд под управлением Linux Foundation. К середине 2026 года в официальном реестре - около 10 тысяч готовых подключений: к почте, календарям, CRM, таблицам, хранилищам.
Когда общего слоя подключений нет, каждый настраивает их сам. Андрей подключил AI к почте - Юля не знает как. Игорь написал скрипт для CRM - он живёт на его ноутбуке. Когда Игорь уходит, скрипт уходит с ним.
Минимальная рабочая версия - реестр подключений, которые компания одобрила и настроила централизованно. Новый сотрудник берёт готовое, не изобретает своё.
Ключи доступа
Ключ доступа - это пароль, по которому программа получает право обращаться к внешнему сервису. Каждое подключение требует такого ключа. И это самое уязвимое место в любой AI-системе.
Мы сами наступали на эти грабли. Ключи доступа лежали в личных файлах на ноутбуках сотрудников. При смене машины или при уходе человека доступ терялся - а кто чем пользуется, не знал никто. Выяснялось это в самый неудобный момент.
Identity Defined Security Alliance в 2026 году рекомендует прямо: AI-агентам постоянные ключи не выдавать. Агент получает короткоживущий доступ под конкретную задачу, и само значение ключа не видит ни агент, ни человек - ключ подставляется автоматически из защищённого хранилища в момент работы.
Минимальная рабочая версия - общее хранилище ключей, где ключ выдаётся программе, а не хранится в файле на столе. Это решается стандартными инструментами, которые уже есть в большинстве корпоративных сред.
Права доступа
Не каждый AI должен видеть всё. Агент, который пишет посты в соцсети, не должен иметь доступ к финансовым данным. Агент, который обрабатывает запросы клиентов, не должен менять настройки системы.
Права дают предсказуемость. Если агент может сделать что угодно, никто не знает, что именно он сделает. Про то, как это устроить правильно, есть отдельный разбор: права доступа в корпоративном мозге.
У нас без явных прав случилось вот что: два агента одновременно правили одни и те же файлы и затёрли правки друг друга. Ограничений никто не поставил - оба считали, что работают правильно. Теперь параллельная работа идёт в отдельных копиях, у каждого агента своя, и прописано, кто с чем работает.
Минимальная рабочая версия - записанный список «что агент делает сам, а что требует подтверждения человека», а не договорённость в голове.
Правила поведения
Это то, как AI должен себя вести: каким тоном отвечать, что говорить нельзя, как обрабатывать конфиденциальную информацию, когда останавливаться и спрашивать человека.
Смысл правил простой: AI говорит от имени компании, и компания сама решает, чего он говорить не должен.
У нас был случай (без имён клиентов): два сотрудника независимо улучшали один и тот же файл с правилами для AI. Получились две несовместимые версии. Какое-то время агенты у разных людей работали по-разному - один отвечал в одном стиле, другой в другом. Обнаружили это случайно, не сразу. Вылечили одним общим файлом правил с историей изменений - всегда видно, кто и что поменял.
Минимальная рабочая версия - один файл с правилами, одна версия, одно место хранения. Все AI-инструменты компании читают его.
Общее состояние проектов
Когда агентов больше одного и они работают с общими данными, нужна синхронизация. Иначе два агента берут одну задачу, или один перезаписывает то, что сделал другой.
Это про состояние: кто сейчас что делает, какие задачи взяты в работу, что уже завершено. В человеческой команде это решается планёрками и трекерами. В команде агентов - слоем, который хранит это состояние и раздаёт задачи без конфликтов.
Минимальная рабочая версия - даже простой журнал задач, к которому агенты обращаются перед началом работы. Главное - он общий, а не у каждого свой.
Готовые наработки
Это библиотека того, что уже работает: проверенные промпты, шаблоны задач, примеры хорошего результата. То, что Юля держит в личной папке - но доступное всем.
Иначе каждый новый сотрудник начинает с нуля. Компания заново изобретает то, что уже изобрела полгода назад. Знание не накапливается.
Знание из одного нашего проекта однажды чуть не уехало в работу для другого клиента - успели заметить и остановить. После этого мы разделили проекты жёсткими стенками: у каждого клиента свой набор знаний, ключей и правил. Но внутри компании наработки должны быть общими - это противоположная задача.
Минимальная рабочая версия - папка с промптами в общем доступе, с именами авторов и датой последней проверки. Простая штука, а знание перестаёт умирать в личных облаках.
Синхронизация и видимость
Последний слой - это способность компании видеть, что происходит. Сколько стоит AI по всем подпискам вместе. Какие агенты сейчас активны. Что они делали вчера. Где что-то пошло не так.
Когда агент ошибается в письме клиенту, след должен находиться за минуты, а не восстанавливаться по памяти. Когда AI-расходы вырастают втрое, это должен заметить конкретный человек, а не годовой аудит.
Минимальная рабочая версия - журнал действий агентов и единая точка учёта расходов. Не обязательно сложная система - иногда достаточно таблицы, которую кто-то смотрит раз в неделю.
Харнесс живёт отдельно от чата с AI
Важная техническая деталь, которую стоит понять правильно: харнесс - это не интерфейс. Он не привязан к конкретному окну чата или конкретному AI-инструменту.
Разработчик работает в программе, где пишет код, - харнесс там. Менеджер открывает чат - харнесс там тоже. Часть задач выполняется по расписанию, вообще без открытого окна - агент просто делает работу ночью. Во всех трёх случаях одна и та же память компании, одни и те же ключи, одни и те же правила.
Это важно по одной причине: AI-модели меняются быстро. Та, которую вы используете сегодня, через год может быть заменена лучшей. Если знания компании, подключения и правила живут внутри конкретного инструмента - при смене инструмента вы теряете всё. Если они живут в отдельном слое - вы просто переключаете модель, а компания продолжает работать.
Харнесс - это то, что остаётся у компании, когда модели приходят и уходят.
Что меняется, когда харнесс общий
Конкретно - три вещи.
Первое: новый сотрудник в первый день получает готовые подключения, правила и наработки. Он не тратит месяц на то, чтобы «настроить AI под себя» - он сразу работает с тем, что компания уже собрала. Юлина папка с промптами теперь его тоже.
Второе: нетехнический сотрудник работает с той же базой знаний, что и инженер. Маркетолог задаёт вопрос о продукте - AI отвечает из той же памяти компании, из которой инженер берёт технические детали. Слой один - поэтому и ответы совпадают.
Третье: агент получает роль и ограниченный доступ - как новый сотрудник, которому дали конкретный участок работы и объяснили, что за его пределами он не действует. Агент не всесилен и не слеп - он работает в рамках, которые компания сама определила.
С чего начать в понедельник
Сначала - аудит. Вот десять вопросов, которые мы задаём на входе в каждую компанию. Ответы на них покажут, насколько глубока фрагментация прямо сейчас.
- Если завтра уволится самый продвинутый пользователь AI - что из его наработок останется компании?
- Сколько в компании личных AI-аккаунтов, оплаченных картами сотрудников?
- Где лежат ключи доступа к AI-сервисам и кто может их перечислить?
- Есть ли место, где новичок берёт готовые проверенные промпты и правила, - или каждый начинает с нуля?
- Может ли AI одного сотрудника узнать то, что компания уже выяснила в прошлом квартале?
- Кто-нибудь видит, сколько компания тратит на AI по всем подпискам вместе?
- Что AI может сделать без согласования человека - и записано ли это где-то, кроме головы?
- Если агент ошибётся в письме клиенту - по какому следу вы поймёте, что произошло?
- Одинаково ли AI отвечает на один и тот же вопрос у двух разных сотрудников?
- Сможете ли вы сменить AI-модель на другую за неделю, не потеряв наработки?
Если на большинство вопросов ответ «не знаю» или «нет» - фрагментация уже есть, и она уже стоит денег.
Дальше - порядок сборки. Не нужно строить всё сразу.
В первый месяц имеет смысл сделать три вещи. Первое - общее хранилище ключей: убрать пароли из личных файлов и настроить централизованную выдачу. Второе - одну общую базу знаний с разграничением прав: кто что видит. Третье - библиотеку проверенных наработок: собрать то, что уже работает у лучших пользователей, и сделать это доступным всем.
На потом - тонкие политики поведения агентов, автоматическая синхронизация состояния между агентами, сложные схемы прав. Это важно, но это второй шаг. Первый шаг - перестать терять то, что уже есть.
Компания либо строит общий слой, либо платит за набор личных игрушек
AI в компании без харнесса - несколько умных людей с хорошими личными инструментами. Они ускорились, компания - нет.
Харнесс не делает AI умнее. Он делает так, чтобы то, что AI умеет, работало на компанию, а не на отдельного человека. Знания накапливаются, подключения служат всем, ключи не утекают, агенты не мешают друг другу.
Вопросы и ответы
Что такое AI harness простыми словами?
AI harness - по-русски харнесс - это общий слой компании поверх любых AI-инструментов. Он собирает восемь слоёв: память компании, подключения к рабочим программам, защищённые ключи, права, правила поведения, общее состояние работы, готовые наработки и журнал действий. Всё это живёт отдельно от конкретного AI-чата или инструмента - и остаётся в компании, когда модели и инструменты меняются.
Чем харнесс отличается от покупки корпоративной подписки на AI?
Корпоративная подписка даёт единый аккаунт и, иногда, базовые настройки безопасности. Харнесс - это то, что компания строит поверх любого инструмента: своя память, свои подключения, свои правила. Подписка решает вопрос «у всех есть доступ». Харнесс решает вопрос «AI работает на компанию, а не на каждого по отдельности».
С чего начать маленькой компании?
С трёх шагов в первый месяц: убрать ключи доступа из личных файлов в общее хранилище, собрать одну базу знаний с базовыми фактами о компании и тоном коммуникации, создать общую папку с проверенными промптами. Это не требует технической команды - требует решения и получаса в неделю на поддержание порядка.
Что будет, если не строить общий слой?
Несколько сценариев, которые случаются регулярно. Уходит ключевой сотрудник - его AI-наработки уходят с ним. Ключ доступа утекает из личного файла - компания узнаёт об этом постфактум. AI у разных сотрудников отвечает по-разному на один вопрос - клиент получает противоречивую информацию. Расходы на AI растут, никто не знает на что. Gartner прогнозирует, что больше 40% проектов с AI-агентами закроют к концу 2027 года из-за растущих затрат, неясной ценности и слабого контроля рисков - так выглядит жизнь без харнесса в масштабе рынка.
Majento строит AI-агентов и внедряет их внутри компаний: инженеры встраиваются в процессы, находят узкое место, собирают рабочее решение и остаются до результата. Если хотите разобраться, с чего начать именно у вас, - пишите в Telegram t.me/shimaoz или на почту hello@majento.ai.