---
title: Испанские компании инвестируют в агентный искусственный интеллект, сталкиваясь с проблемами окупаемости
url: https://www.elseif.net/ru/ispanskie-kompanii-investiruiut-v-agentnyi-iskusstvennyi-intellekt-stalkivaias-s-problemami-okupaemosti
published: 2026-10-11T08:33:35+00:00
language: ru
section: Агенты
source: https://www.computing.es/inteligencia-artificial/el-coste-no-tan-oculto-de-la-ia-agentica/
organizations: KPMG, Denodo
publisher: elseif
---

# Испанские компании инвестируют в агентный искусственный интеллект, сталкиваясь с проблемами окупаемости

Испанские компании инвестируют в интеграцию агентов искусственного интеллекта в свои системы. Целями этих действий являются повышение уровня автоматизации и персонализации, улучшение позиционирования на рынке, а также повышение качества обслуживания и удовлетворенности клиентов.

Согласно исследованию KPMG, 65% испанских организаций заявляют, что их варианты использования уже приносят бизнес-ценность. Однако только 23% компаний получают отдачу в нескольких случаях. Эта разница указывает на трудности с масштабированием ценности от конкретных инициатив до более широкого внедрения в бизнес.

В Испании 81% компаний уже инвестируют в агентный искусственный интеллект, но его работа влечет за собой новые расходы. В отличие от простых запросов, агенты для выполнения задач должны рассуждать, искать информацию, использовать инструменты и проверять результаты. Каждый такой шаг потребляет токены, которые являются единицами обработки информации и определяют стоимость услуг. Расход токенов может не просто накапливаться, а умножаться, если информация остается в контексте и обрабатывается повторно.

Стоимость агентного искусственного интеллекта зависит не только от цены модели или инфраструктуры, но и от способов поиска информации, объема извлекаемого контекста и количества повторных запросов. Проблемой становятся фрагментированные данные, распределенные по разным хранилищам, таким как lakehouses, warehouses, приложения SaaS, операционные системы, документы и API. Поиск данных в разных каталогах и неудачные попытки доступа потребляют токены еще до нахождения нужной информации.

Дополнительные расходы возникают из-за передачи необработанных записей в контекст для фильтрации моделью или из-за различий в значениях терминов между системами. Например, понятия активного клиента или чистого дохода могут интерпретироваться по разному, что ведет к ошибкам и повторным запросам. Также стоимость растет при извлечении избыточной информации, включая нерелевантные или ограниченные данные.

Для повышения эффективности предлагается использовать специализированного агента по данным. Он должен предоставлять компактные и корректные результаты агентам, отвечающим за процессы. Это позволяет избежать обработки больших объемов данных основным агентом, обеспечивает единый источник истины и предотвращает перенос традиционных разрозненных хранилищ данных в среду агентного искусственного интеллекта.