Чому AI-агенти не доходять до продакшну і як довести свого до запуску

AI-агенти рідко не доходять до продакшну через те, що модель недостатньо розумна. Більшість проєктів з AI-агентами зупиняються, бо ніхто не визначив, що означає "працює", ніхто не тестує агента на реальних кейсах і ніхто не відповідає за нього після демо, тож витрати повзуть угору, довіра не з'являється, а бюджет урізають. Це лікується інженерією, а не кращою моделлю, і з AI-first командою це вчетверо дешевше і вчетверо швидше, ніж традиційна розробка вручну.
Тривога має під собою цифри. У червні 2025 року Gartner спрогнозував, що понад 40% проєктів з агентним AI скасують до кінця 2027 року через зростання витрат, неясну користь для бізнесу і недостатній контроль ризиків. Ініціатива NANDA при MIT з'ясувала, що близько 95% досліджених пілотів генеративного AI не дали помітного впливу на прибуток. Ми самі будуємо й експлуатуємо агентів, і нижче ті провали, на які ми натрапляли самі або від яких захищали свої системи.
Чому AI-агенти не доходять до продакшну: п'ять причин
1. Ніхто не визначив, що таке "готово". Пілот оцінили за демо: агент добре відповів на п'ять питань на зустрічі. Ніхто не записав, яка точність потрібна на реальному потоці, чого агенту не можна робити ніколи і скільки коштує одна помилка. Без цього кожне обговорення зводиться до думок, а думки програють боротьбу за бюджет.
2. Немає тестового набору. Агента налаштовували на тому, що команда сама в нього вводила. Потім хтось міняє промпт або версію моделі, і ніхто не знає, чи стало краще, чи тихо зламався сценарій повернення коштів. Без евалів команда не покращує агента, а просто змінює його.
3. Забагато самостійності занадто рано. Повністю автономний агент краще виглядає в презентації. У продакшні одна впевнена помилкова дія, повернення коштів не тому клієнту чи пост не в тоні бренду, коштує більше довіри, ніж заробляє місяць правильної роботи. Коли ми будували власний AI SMM-пайплайн, повністю автономна публікація була очевидним і хибним рішенням: підтвердження кожного поста одним натиском коштує дешево, а спростування - ні.
4. Ніхто не бачить, що агент зробив. Коли клієнт скаржиться, команда не може відтворити, які дані агент прочитав, який інструмент викликав і чому. Пункт Gartner про контроль ризиків здебільшого саме про це. Без журналу дій юристи й фінансисти не підпустять агента ні до чого важливого.
5. Немає ні рахунку, ні власника. Пілот працював на кількох сотнях викликів. На реальному обсязі рахунок за модель, повторні спроби і довгий контекст множаться, а ліміту на вартість однієї задачі немає. Додайте, що інженер, який його збудував, пішов на наступний проєкт, і агент поволі деградує, поки цього не помітить клієнт.
Пілот і продакшн: що насправді змінюється
Пілот доводить, що агент уміє виконати задачу. Продакшн доводить, що він виконує її правильно на обсязі, за відомою ціною, і що людина може пояснити кожну його дію. Модель зазвичай та сама. Змінюється все навколо неї:
| Пілот | Продакшн | |
|---|---|---|
| Мірило успіху | Вдале демо | Точність на реальних кейсах, записана |
| Тестування | Ручні вибіркові перевірки | Тестовий набір на кожну зміну |
| Самостійність | Скільки дозволяє промпт | Обмежені інструменти, підтвердження ризикових дій |
| Прозорість | Історія чату | Журнал кожного кроку, виклику і вхідних даних |
| Вартість | Ніхто не рахує | Ліміт на задачу, сповіщення про стрибки |
| Відповідальність | Автор, до наступного спринту | Названий власник і ритм перевірок |
Як довести AI-агента до продакшну: чекліст
Проженіть пілот через ці шість перевірок, перш ніж пускати на нього реальний потік:
- Запишіть критерій готовності в цифрах. Наприклад: 95% звернень потрапляють у правильну чергу, жодного повернення понад $100 (≈4 500 грн) без підтвердження, відповідь швидше ніж за 30 секунд.
- Зберіть тестовий набір із реальних кейсів. 50-200 минулих звернень, замовлень чи документів із правильним результатом. Проганяйте через нього кожну зміну промпту чи моделі й порівнюйте оцінки до релізу.
- Почніть з людиною в контурі. Агент готує, людина підтверджує. Розширюйте самостійність по одному типу дій і лише там, де це дозволяють цифри тестів.
- Логуйте кожен крок. Вхідні дані, знайдену інформацію, виклики інструментів, результати і хто що підтвердив. Саме це дозволяє за кілька хвилин відповісти на питання "чому він так зробив".
- Обмежте вартість задачі. Беріть найдешевшу модель, яка проходить вашу планку точності, кешуйте те, що повторюється, і ставте сповіщення, коли витрати на задачу стрибають.
- Призначте власника. Одна людина щотижня розбирає помилки, оновлює тестовий набір і вирішує, коли агенту можна дати більше самостійності.
Дві звички з нашої роботи спрощують більшу частину цього. У Sewing Lab систему перевіряли на живих даних складу клієнта, а не лише в тестах, і половину найдорожчих помилок знайшли саме так. А ще вона радше мовчить, ніж вгадує: автоматично відповідає покупцям лише там, де ціна однозначна, на 108 товарах із 122, а решту передає менеджеру.
Скільки коштує довести AI-агента до продакшну
Якщо пілот у вас уже є, переписувати його зазвичай не треба. Треба додати шар, якого бракує навколо нього. Діапазони з AI-first командою поруч із тим самим обсягом за традиційної розробки:
| Обсяг | Традиційна розробка | DForce, AI-first |
|---|---|---|
| Аудит готовності наявного агента | $840-1,680 (≈37 800-75 600 грн), 6-9 днів | $210-420 (≈9 500-18 900 грн), 1.5-2 дні |
| Доведення до продакшну: тести, логування, підтвердження, ліміти | $2,100-7,340 (≈94 600-330 500 грн), 3-6 тижнів | $525-1,835 (≈23 600-82 600 грн), 5-10 днів |
| Новий агент на робочий процес, одразу під продакшн | $9,000-30,000 (≈405 200-1 350 800 грн), 6-12 тижнів | $2,250-7,500 (≈101 300-337 700 грн), 1.5-3 тижні |
Опубліковані у 2026 році гайди агенцій називають ще вищі суми, часто $15,000-40,000 (≈675 400-1 801 000 грн) за агента на один робочий процес. Нижча ціна - це не менше роботи. Код пише AI, а senior-інженери ним керують і перевіряють, тож та сама робоча система займає менше годин. Експлуатація рахується окремо: $30-800 (≈1 400-36 000 грн) на місяць для більшості бізнес-агентів. Повний розклад за типами агентів - у статті скільки коштує розробка AI-агента. Якщо сам пілот написаний через вайб-кодинг, та сама логіка стосується і застосунку навколо нього: як довести вайб-код застосунок до продакшну.
Як ми доводимо агентів до продакшну в DForce
Кожен проєкт з агентом ми починаємо з критерію готовності й тестового набору, а не з промпту, бо саме це вирішує, чи переживе агент перший перегляд бюджету. Код пише AI, а керують ним senior-інженери, які відповідають за архітектуру, права доступу і рев'ю, тому той самий обсяг виходить вчетверо дешевше і вчетверо швидше, ніж традиційна розробка вручну. Кожен агент, якого ми передаємо, має журнал дій, тестовий набір і названого власника на боці клієнта.
Якщо у вас є пілот, який добре виглядає на демо, але реальний потік йому ніхто не довіряє, запишіться на дзвінок, і за пару днів ми скажемо, що стоїть між ним і продакшном.
Часті питання
Чому більшість проєктів з AI-агентами провалюються?
Здебільшого з причин, які не стосуються моделі. Gartner називає три: витрати ростуть швидше, ніж планували, користь для бізнесу ніхто не може виміряти, а контроль ризиків надто слабкий, щоб агент працював без людини поруч. На практиці команда не записала, який результат правильний, не зібрала тестовий набір, дала агенту забагато самостійності і не призначила відповідального після запуску.
Який відсоток AI-агентів не доходить до продакшну?
У червні 2025 року Gartner спрогнозував, що понад 40% проєктів з агентним AI скасують до кінця 2027 року. Ініціатива NANDA при MIT у 2025 році повідомила, що близько 95% досліджених пілотів генеративного AI не дали помітного впливу на прибуток. Точна цифра залежить від методики, але більшість пілотів так і не стають системою, на яку спирається бізнес.
Як перевести AI-агента з пілоту в продакшн?
Запишіть критерій готовності в цифрах, зберіть 50-200 реальних кейсів і проганяйте через них кожну зміну, почніть з того, що людина підтверджує кожну дію, логуйте кожен крок, обмежте вартість задачі і призначте одного власника після запуску. Агент, який проходить ці шість перевірок, готовий до реального навантаження.
Скільки коштує довести AI-агента до продакшну?
З AI-first командою аудит наявного пілоту коштує $210-420 (≈9 500-18 900 грн) за 1.5-2 дні, тоді як традиційно це $840-1,680 (≈37 800-75 600 грн) і 6-9 днів. Доведення до продакшну з тестами, логуванням, підтвердженнями і лімітами витрат коштує $525-1,835 (≈23 600-82 600 грн) за 5-10 днів проти $2,100-7,340 (≈94 600-330 500 грн) за 3-6 тижнів. Це вчетверо дешевше і вчетверо швидше, ніж традиційна розробка вручну, бо код пише AI, а senior-інженери ним керують.
Суми в гривнях наведено за курсом НБУ на 22.10.2026 (1 $ = 45,03 грн).
Підготовлено з допомогою AI, перевірено автором.
Що ми з цим робимо
Давайте обговоримо ваш продукт та цілі росту.
Читати далі

AI-співробітник для малого бізнесу: що він реально робить і коли варто зробити свого
Що таке AI-співробітник для малого бізнесу у 2026 році, що дають платформи на кшталт Marblism і Sintra за $16-48 (≈730-2 190 грн) на місяць, де вони ламаються і скільки нагляду людини все одно потрібно, і скільки коштує власний AI-співробітник: вчетверо дешевше і вчетверо швидше з AI-first командою.

AI SDR у 2026: чому автономні розсилки не працюють і що працює замість них
AI SDR обіцяли замінити відділ залучення клієнтів. У 2026 році дані показують, що автономні холодні листи приводять менше зустрічей і частіше потрапляють у спам. Яка схема AI-агента для продажів працює, на сигналах купівлі і з підтвердженням людини, що ми зрозуміли на власному сервісі і скільки коштує власний AI SDR з AI-first командою, вчетверо дешевше і вчетверо швидше.