Статью написал Тьерри Варен, профессор науки о данных для международного бизнеса в школе HEC Montreal и ведущий исследователь центра CIRANO в Канаде. Вышла она в августе 2026 года в California Management Review — журнале школы бизнеса Беркли. Это короткая концептуальная работа: автор берёт классическую экономику фирмы и прикладывает её к тому, что происходит, когда сотрудники сами, без спроса, внедряют ИИ-агентов.
Главный вопрос простой. Коуз объяснил, почему существуют фирмы: пользоваться рынком дорого, и иногда дешевле организовать работу приказом внутри компании. Варен спрашивает: что будет с этим внутренним устройством, когда отдельные работники начнут строить собственные цепочки из ИИ-агентов? Его ответ: фирма станет выглядеть продуктивнее, но на деле станет хрупче, а выигрыш в скорости окажется в руках нескольких людей, а не самой компании.
Для того, кто строит маркетплейс ИИ-агентов, тут две мысли. Первая: ценность создаётся не самим фактом внедрения, а тем, превращена ли агентная работа в задокументированный, передаваемый, управляемый процесс. Вторая: где этого не сделано, возникает зависимость от конкретного человека — риск, который маркетплейс может как усиливать, так и снимать.
Центральный вопрос статьи: как стихийное, идущее снизу внедрение ИИ-агентов меняет трансакционные издержки, внутреннюю власть и устойчивость организации. И следом второй: при каких условиях сегодняшний местный выигрыш в скорости позже оборачивается неравенством зарплат, узкими местами и укрупнением отрасли.
Варен берёт для этого экономику трансакционных издержек. Коуз спрашивал, зачем нужны фирмы, если рынок координирует производство через цены. Его ответ: рыночная координация сама стоит денег — поиск, торг, контроль, принуждение к условиям и подстройка под изменения иногда делают иерархию выгоднее обмена. Уильямсон развил это в теорию управления: фирмы, рынки и смешанные формы — разные способы сэкономить на трансакционных издержках там, где люди ограниченно рациональны, активы узкоспециальны, а вокруг неопределённость и соблазн вести себя оппортунистически.
Поначалу такое внедрение выглядит полезным и безобидным для управления. Во многих фирмах, особенно небольших и средних, технически подкованные сотрудники поручают агентам часть отчётности, общения с клиентами, чистки данных, поддержки программ, подготовки к проверкам, планирования и закупок. Часть идёт через разрешённые инструменты. Но многое всплывает как «теневой ИИ»: частно настроенные программы, личные подписки, браузерные агенты, локальные модели, внешние интерфейсы, полуразрешённые связки, привязанные к нескольким машинам и привычкам конкретных людей.
Эмпирические работы уже показывают, что генеративный ИИ может поднять краткосрочную производительность, хотя эффект разный у разных работников и задач. Бриньолфсон, Ли и Рэймонд в работе о генеративном ИИ на рабочем месте нашли заметный, но неравномерный рост выработки. И вот что важно: кому принадлежит этот выигрыш — вопрос сложнее, чем кажется по цифрам. Прирост записывается на счёт фирмы, а держится на человеке, рабочей станции, частной связке процессов или маленькой неформальной коалиции. Фирма видит ускорение, но не всегда видит инфраструктуру, которая его создаёт.
Здесь вопрос Коуза возвращается в перевёрнутом виде. Фирма заменяет рыночный обмен распоряжениями начальства тогда, когда иерархия снижает цену координации. Агентный ИИ делает так, что координация выглядит дешевле, но уводит координирующие функции в частные связки, прежде распределённые между ролями, отделами и процедурами. Фирма становится стройнее, но не организованнее. Быстрее — но не устойчивее.
Здесь полезна идея производственной J-кривой Бриньолфсона, Рока и Сиверсона: технологии общего назначения дают устойчивый эффект только после вложений в нематериальные дополнения — перестройку процессов, обучение, данные. Без них внедрение ИИ создаёт местное ускорение, но не превращается в способность всей организации.
Сетевые последствия вытекают из этого сдвига напрямую. Отдельные сотрудники получают высокую посредническую центральность, потому что оказываются на самых коротких путях между подразделениями, источниками информации, базами данных, клиентами и решениями. Они не просто пользуются ИИ — они становятся воротами к агентным процессам, через которые теперь движется работа. Они знают, какой агент готовит отчёт, какой скрипт чистит данные, какая подсказка достаёт нужный пункт договора, какая автоматизация сверяет счёт и какой неформальный переходник позволяет несовместимым системам понимать друг друга.
Теория структурных дыр Бёрта объясняет источник преимущества: кто соединяет разобщённые части сети, забирает себе выгоды от информации и контроля. В фирме с агентами такая дыра не просто социальная — она технико-социальная. Сотрудник, который понимает сразу и бизнес-процесс, и агентную связку, занимает особое положение внутреннего посредника.
У такого посредничества есть распределительные последствия. Сначала фирма видит в этих людях полезных новаторов. Со временем их положение становится незаменимым: они посредничают не только в своей работе, но и в производительности остальных. Агион и Тироль различают формальную и реальную власть: право решать по должности остаётся у руководителей, а действительный контроль перетекает к лучше информированным сотрудникам. Раджан и Зингалес добавляют: власть внутри фирмы возникает из доступа к критическому ресурсу, а не только из владения им.
Из этого рождается давление на зарплаты. Работники в новом центре процесса могут требовать более высокой оплаты; кто-то её получит, а кто-то превратит своё положение в возможность консультировать на стороне. Неравенство внутри фирмы растёт не по привычной линии «высококвалифицированные против низкоквалифицированных», а по новой границе: между теми, чьи задачи видимы руководству, и теми, чьи агентные настройки делают руководство зависимым от них. Ещё важнее, возможно, различие между сотрудником, для которого ИИ — инструмент, и тем, кто перестраивает вокруг ИИ саму производственную функцию.
Задачный подход Асемоглу и Рестрепо тут по-прежнему полезен: автоматизация перераспределяет задачи между людьми и капиталом. Агентный ИИ добавляет слой: задачи ещё и заново перекомпоновываются самими сотрудниками, которые неформально решают, что поручить агенту, что проверить, а что вернуть человеку.
Тот же механизм порождает и хрупкость. Организация сокращает штат, потому что несколько работников с агентами выполняют работу, прежде распределённую по нескольким должностям. В короткой перспективе это выглядит как рост производительности, в средней — становится проблемой устойчивости. Если центральный сотрудник уходит, выгорает, его переманивают или он становится консультантом конкурента, фирма получает координационный шок: налаженные процессы рассыпаются, узкие места появляются заново.
На языке прав собственности фирма не закрепила за собой остаточные права контроля над новыми активами, потому что не распознала их как активы. Проблема не технологическая, а институциональная. Фирма владеет платёжной ведомостью, организационной схемой и, может быть, лицензиями на программы, но не самими процессами, через которые агентная продуктивность рождается и воспроизводится.
Выводы для устройства отраслей менее приятны для привычного оптимизма. Обычно ждут, что ИИ-агенты позволят маленьким фирмам на равных конкурировать с большими, удешевив экспертизу, программирование, маркетинг и аналитику. На входе это отчасти правдоподобно: ИИ снижает часть постоянных издержек и даёт маленькой команде возможности, которые раньше требовали крупной организации. Работа ОЭСР по малым и средним предприятиям это признаёт — и тут же показывает, что внедрение и выгоды неравномерны и зависят от производительности, навыков, управления и возможностей самой фирмы.
Более широкие данные подтверждают: внедрение сосредоточено у фирм более производительных, крупных, зрелых в цифровом смысле и выгодно расположенных. Поэтому значимое различие — не «кто пользуется ИИ, а кто нет», а различие между фирмами, которые институционализируют ИИ, и фирмами, которые с ним импровизируют.
У больших фирм преимущество как раз там, где надежда на малые слабее всего. Они могут встроить агентов в корпоративные системы, протоколы безопасности, описания ролей, правила документирования, обучение и планирование преемственности. Они могут превратить одиночный эксперимент в способность организации, снизить риск ключевого сотрудника, раздать агентное умение по командам и построить внутренние платформы вместо разрозненных личных связок. Справятся не все: бюрократия, боязнь риска и плохое исполнение многим помешают. Но преимущество крупной фирмы будет не в том, что у неё «лучше ИИ», а в лучшем управлении им, памяти процессов, инфраструктуре данных и способности всё это впитывать.
Поэтому долгосрочное равновесие может оказаться поляризованным. На одном полюсе — крупные, хорошо организованные фирмы, которые встраивают агентные способности внутрь, делая ИИ частью процедур, активов и системы управления. На другом — малые фирмы, которые выживают гибкостью, импровизацией и внешними консультантами. А между ними — уязвимый класс: организации достаточно крупные, чтобы иметь сложные процессы, но слишком маленькие, неформальные или бедные ресурсами, чтобы встроить ИИ как следует. Они ходят по кругу: местный выигрыш — внутренняя зависимость — торг сотрудника — шок от его ухода — снова узкие места. Свою новую стройность они принимают за эффективность, хотя это ещё и форма ломкости.
Правдоподобное следствие — рост рынка консультантов. Люди, когда-то занимавшие центральные позиции внутри фирм, становятся внешними сборщиками агентных систем, консультантами по автоматизации, проектировщиками систем подсказок, архитекторами процессов или советниками по управлению ИИ сразу для нескольких компаний. Рынок профессиональных услуг давно вбирает экспертизу, которую невыгодно держать в штате полный день, так что механизм не нов. Ново другое: модульность агентных инструментов и способность маленьких команд вмешиваться сразу у многих клиентов.
И тут возвращается коузовский вопрос о границе: держать эту экспертизу внутри или покупать по контракту? Ответ зависит от того, насколько узкоспециален актив и насколько он стратегически важен. Периферийный процесс выгодно отдать на сторону. Но вынести наружу процесс в самом сердце производственной функции — значит заново создать ту самую проблему трансакционных издержек, ради решения которой фирма и существует.
Если индивидуальный эксперимент так и остаётся вне управления на уровне фирмы, наступает «удержание на агентах»: результат фирмы зависит от людей, контролирующих процессы, которые не прописаны в контрактах, не задокументированы и не передаваемы.
Вывод для руководителя — не давить эксперименты снизу. Много полезных находок придёт именно от сотрудников, близких к рабочим трениям, и фирме нужна эта близость. Ошибка в другом — принимать эксперимент за преобразование.
Коузовская стратегия по отношению к ИИ смотрела бы на три вещи: какие трансакционные издержки снижаются, какие новые при этом создаются и кто контролирует новые координационные активы. И спрашивала бы: принадлежат ли процессы фирме или отдельным людям; переживут ли они смену сотрудников; задокументировано ли знание; безопасна ли система, можно ли её проверить и воспроизвести; и наконец — сократила ли фирма узкие места или просто переставила их.
ИИ-агенты важны не только как орудия автоматизации, но и как механизмы, меняющие внутреннее устройство фирмы: где живёт знание, кто может действовать, кто незаменим и где проходит граница между иерархией и рынком. Коуз показал, что фирмы существуют потому, что координация стоит денег. Агентная эпоха добавляет ещё одно утверждение.
Снижение видимых издержек координации может создавать невидимые институциональные издержки.
Тьерри Варен, заключение статьи (перевод)
Лучше всего воспользуются ИИ не те фирмы, что просто разрешат сотрудникам применять агентов, а те, что превратят агентную продуктивность из личного преимущества человека в управляемую способность всей организации.