Появление автономных AIагентов ставит перед экономикой вопросы не технического уровня, а фундаментального. Если машины не только выполняют работу, но и принимают и исполняют рыночные решения от имени человека, многие допущения классической экономической теории начинают разваливаться.

На примере недавних исследований MIT, публикаций в отраслевых изданиях и наблюдений за первым коммерческим опытом можно увидеть, какие законы рискуют потерять силу — и какие сценарии нас ждут.

Классический ответ Р. Коуса на вопрос «почему существуют фирмы?» опирается на транзакционные издержки: поиск контрагентов, переговоры, контроль и урегулирование споров. Если эти издержки велики, выгодно объединять операции внутри компании.

Но AIагенты, действующие мгновенно, синхронизируемо и при почти нулевой стоимости коммуникации, стремятся свести транзакционные издержки к нулю. В мире, где агент может в реальном времени найти поставщиков, вести переговоры, выполнять и отчётно закрыть сделку, экономический смысл многих организационных барьеров рушится.

Появляется сценарий «один человек — одна компания»: набор агентных сервисов, которые для внешнего наблюдателя выглядят как минифирма, но управляются автоматикой и облачными моделями.

Ключевой механизм — «автоматический feedback loop»: агенты генерируют данные в процессе работы → эти данные используются для обучения и улучшения моделей → улучшенные модели генерируют больше пользы и данных.

Это самоподдерживающаяся спираль может размыть границы между отраслями: студия контента мгновенно может стать ecommerce площадкой, ритейлер — финансовым игроком и т. д. Единственное конкурентное различие — «чья модель умнее», что потенциально ведёт к высокой концентрации (и риску сильной централизации).

Роберт Солоу когдато показал, что технология не обязательно приносит немедленный рост производительности в статистике. Сегодня это переформулируется: введение агентов снижает традиционные временные издержки, но порождает новые издержки управления агентами — и эти издержки меряются не временем человека, а ресурсами вычислений и сложностью оценки.

Управлять агентами значит выстраивать архитектуры контроля и правовых ограничений — то есть переводить человеческие управленческие издержки в затраты на дизайн системы.

Как управлять агентами: три уровня автоматизации контроля

Модельный уровень — автоматическая выравнивающая тренировка: вместо ручного RLHF всё больше используется автоматизированный «арбитраж» агентов, которые оценивают и корректируют поведение друг друга, снижая потребность в человекекорректоре.

Архитектурный уровень — организационная арбитражность: «судейские» агенты (Judge Agents) для мониторинга и разрешения конфликтов между рабочими агентами по заранее заданной «конституции».

Верификационный уровень — Evals и метрики: автоматические проверки достижения KPI, которые позволяют эволюционно подстраивать рабочие процессы без постоянного человеческого вмешательства.

Эти три слоя переводят управление в плоскость вычислительных затрат — чем мощнее и дешевле мощность, тем меньше роль человека в ежедневной координации.

Снижение транзакционных издержек и повсеместное использование личных агентов полностью меняют ландшафт высокоинформационных рынков (недвижимость, труд, знакомства). Личные агенты способны выявлять скрытые предпочтения, автоматически проводить due diligence, вести миллионы переговоров на микроскопическом уровне.

Это разрушает классические ценообразующие ренты посредников и перекладывает доходы либо на владельцев вычислительной инфраструктуры, либо на разработчиков моделей.

Модель Akerlof — «рынок лимонов» — теряет смысл при условии, что агент может автоматически протестировать качество и историю товара. Но одновременно возникает риск, что единообразные алгоритмы породят системные искажённые оценки и утратят адвокатскую нейтральность рынка.

Потенциальные сценарии развития и защитные рычаги

Регуляторный ответ. Ограничения на прозрачность алгоритмов, запреты на агрессивную персонализацию цен, требования к аудиту поведения агентных систем. Государство может стать главным механизмом восстановления общественного доверия.

Децентрализация и открытые модели. Разнообразие публичных моделей и распределённая вычислительная инфраструктура могут сохранить конкуренцию и предотвратить системную однородность.

Новые институциональные решения. Переосмысление собственности на «предпочтения» и «историю» пользователя, появление правовых норм о доверительном управлении агентами и общественном мониторинге.

AIагенты не просто автоматизируют работу — они трансформируют субъекты и механизмы экономики. Теорию рынков и фирмы ждёт пересмотр: многие классические допущения утратят силу, пока не появятся новые институты — регуляторные, технологические и социальные — которые смогут взять на себя функции, ранее обеспечиваемые человеческой разнородностью и фрикциями.

Самое важное — понять, что вопрос не только в том, сколько работы заменит AI, но и в том, кто будет владеть и программировать этих агентов, чьи интересы окажутся заложены в их loss function и кто в итоге будет держать «дирижёрскую палочку» новой экономики.