Что люди поручают ИИ-агентам: 1551 публичный кейс в цифрах

Ключевые цифры

Это статистика использования ИИ-агентов по открытым историям людей, а не по запросам одного сервиса. Чтобы понять, что люди поручают ИИ-агентам, мы взяли срез каталога «Агентные кейсы» от 1 ноября 2026 года, в нём 1551 опубликованный кейс. Цифры ниже можно цитировать со ссылкой на эту страницу.

1. Быт, поездки, деньги и покупки дают 483 из 1551 кейса (31%), почти треть историй каталога.
2. Самая частая отдельная задача у агентов это программирование, 212 из 1551 кейса (13,7%), втрое больше, чем у бронирования поездок на втором месте (63 кейса).
3. Claude Code в 156 из 216 своих историй (72%) относится к другим темам, не к «Разработке и DevOps», чаще всего к рабочим процессам (31), продажам (26), быту (23) и исследованиям (23), остальные истории распределены ещё по шести темам.
4. Собственный агент стоит в каждом шестом кейсе, 261 из 1551 (16,8%), чаще любого готового продукта.
5. Агенты семейства Claude встречаются в 412 из 1551 публичной истории (26,6%), продукты OpenAI в 215 (13,9%), что показывает частоту в открытых историях, а не долю рынка.
6. Два агента и больше встречаются в одном кейсе только в 123 из 1551 (7,9%), чаще всего это пара Claude Code с Codex (20 кейсов).
7. Reddit, X и Hacker News дали половину историй, 770 из 1551 кейса (49,6%), из них на Reddit приходится 430 (27,7%).
8. Два источника и больше есть только у 305 из 1551 кейса (19,7%), второй источник чаще всего есть у историй о путешествиях (30 из 104, 29%).
9. В продажах, маркетинге и поддержке агентам чаще всего поручают поиск клиентов (59 из 208 кейсов темы), поддержку клиентов (39) и маркетинг (34), а главный инструмент там собственный агент (44 из 208).
10. В рабочей рутине первое место у почты, разбор почты есть в 38 из 278 кейсов темы «Работа и процессы», бухгалтерия в 24, календарь в 19.
11. 84% датированных историй опубликованы в 2026 году (706 из 841), но у 710 из 1551 кейса дата источника неизвестна, а рост в сентябре и октябре совпадает со сбором базы.
12. Ни один из 2096 источников каталога не ведёт на русскоязычную площадку, а среди 28 агентов каталога нет российских.

Какие задачи люди чаще всего поручают ИИ-агентам

Чаще всего агентам отдают рабочие процессы и разработку, на каждую из этих тем приходится по 17,9% кейсов. Следом идут продажи с маркетингом и поддержкой (13,4%) и быт (12,8%). У кейса одна тема, поэтому сумма в таблице равна 1551.

В кейсах о рабочих процессах первой стоит почта (38 из 278), за ней бухгалтерия (24), календарь (19) и ежедневная сводка (14). В разработке 160 из 277 кейсов про написание кода, ещё 35 про исправление ошибок и 15 про код-ревью. В примере ниже агент по расписанию готовит черновики ответов на письма.

Задачи размечены у 1091 кейса, у одного кейса их бывает до трёх, всего вариантов 47. Доли в таблице ниже посчитаны от всех 1551 кейсов, поэтому они занижены (у 460 кейсов задачи нет).

Задача «программирование» лидирует с большим отрывом, от размеченных кейсов это 19,4%. В отчёте Anthropic о работе автономных агентов, где считались вызовы инструментов через API, на разработку ПО приходится почти половина вызовов, у нас тема «Разработка и DevOps» занимает 17,9% кейсов. Единицы счёта разные (вызов инструмента против истории), поэтому совпадает только одно, разработка в обоих наборах среди первых.

С корпоративным опросом бизнеса каталог расходится в поддержке. В опросе 52 крупных российских компаний (пересказ на Tproger) контакт-центры и поддержку клиентов назвали 75% участников. В каталоге задача «поддержка клиентов» стоит в 47 кейсах из 1551 (3,0%).

Для чего используют ИИ-агентов дома и в личных делах

Четыре темы личной жизни (быт и дом, путешествия, деньги и счета, покупки и дела) вместе дают 483 из 1551 кейса (31,1%).

В домашних историях чаще всего встречается собственный агент (32 кейса), за ним OpenClaw (27), Claude (26) и Claude Code (23). В путешествиях и покупках заметны агенты с браузером, ChatGPT Agent стоит в 13 кейсах каждой из этих тем.

Агенты помогают писать апелляции на отказы страховой, возвращают деньги и отменяют подписки, такие кейсы лежат в разделе про деньги и счета.

Другие исследования дают похожую картину с другими единицами счёта. У Perplexity личные запросы к агенту Comet составили 55%, в Anthropic Economic Index личные разговоры в Claude.ai заняли 35%, у нас личные темы дают 31% кейсов. Там считались запросы и разговоры, у нас истории, поэтому цифры показывают порядок, а не точное совпадение.

Какими ИИ-агентами пользуются чаще всего и какие работают вместе

Чаще всего в историях встречается собственный агент (261 кейс), за ним Claude Code (216) и Claude (120). Один кейс засчитывается каждому своему агенту, поэтому доли в сумме больше 100%.

Всего в каталоге 28 агентов с отдельными страницами, их рейтинг по числу кейсов собран в статье о том, какие ИИ-агенты используют чаще всего. Агенты Claude (Claude Code, Claude, Claude Cowork, Claude in Chrome, Claude computer use) стоят в 412 кейсах (26,6%), продукты OpenAI (Codex, ChatGPT, ChatGPT Agent, Operator) в 215 (13,9%), агенты для кода (Claude Code, Codex, Cursor, Devin, Replit Agent, GitHub Copilot) в 411 (26,5%).

Собственный агент на первом месте почти во всех личных и рабочих темах. Сюда попадают все самописные решения, от простого скрипта с моделью до сложного агента с десятком инструментов, их собирает страница про свой агент. Из 78 кейсов с n8n, платформой автоматизации, 45 (57,7%) приходятся на темы «Работа и процессы» и «Продажи, маркетинг и поддержка».

Несколько агентов в одном кейсе бывает редко. Один агент стоит в 1428 кейсах (92,1%), два в 111, три в 11, четыре в одном. Всего в каталоге 65 разных пар.

Пара Claude Code с Codex чаще всего встречается в разработке (13 из 20 кейсов). Подобрать агента под конкретную задачу можно в подборе по задаче.

В каких темах Claude Code встречается кроме разработки

Из 216 кейсов Claude Code только 60 относятся к теме «Разработка и DevOps». Остальные 156 (72,2%) распределены по десяти другим темам.

Среди агентов Claude Code первый в исследованиях (23 из 112 кейсов) и в контенте (17 из 104). В деньгах он уступает только собственному агенту.

Откуда эти истории и насколько им можно верить

Половина историй пришла с Reddit, X и Hacker News. У четырёх кейсов из пяти один источник, поэтому большинство историй это свидетельство одного человека, а не проверенный результат.

Всего кейсы пришли с 474 площадок, 388 из них дали по одному кейсу. По всем 2096 ссылкам каталога картина та же (Reddit 618, X 331, HN 107). Площадки делят темы между собой. Reddit дал 106 из 278 кейсов о работе (38,1%), HN 36 из 277 кейсов о разработке, X 35 из 104 кейсов о путешествиях (33,7%).

Один источник стоит у 1246 кейсов (80,3%), два и больше у 305 (19,7%), в среднем 1,35 ссылки на кейс. Второй источник чаще есть у путешествий, покупок и денег.

В каталог попадают и неудачи. Агент отправляет письмо без проверки, охота за столиками в ресторане заканчивается блокировкой аккаунта. Такие истории публикуют реже успешных, поэтому в выборке их, скорее всего, меньше, чем в жизни.

Как менялось число историй по месяцам

Датированных историй резко больше осенью 2026 года, но это рост историй в каталоге, а не доказанный рост использования агентов. Дата источника есть у 841 кейса из 1551 (54,2%), из них 706 (83,9%) опубликованы в 2026 году, 120 в 2025-м и 15 раньше.

Сентябрь и октябрь вместе дают 370 из 841 датированной истории (44,0%). Рост совпадает со сбором базы. 1545 кейсов опубликованы в каталоге в октябре 2026 года, а свежие посты X и HN, вероятно, найти проще старых. К тому же даты пропущены неравномерно. Без даты 573 из 781 кейса с прочих площадок (73,4%), 125 из 430 с Reddit (29,1%), 11 из 249 с X и 1 из 91 с HN. Поэтому график по месяцам в основном описывает Reddit, X и Hacker News. Самая ранняя дата источника 8 января 2023 года, самая поздняя 28 октября 2026 года.

Как собраны данные и чего они не показывают

Источник данных каталога это открытые публикации (посты, треды, блоги, статьи СМИ). Цифры говорят о том, о чём люди рассказывают публично, а не о том, как агентов используют все.

• Откуда кейсы. Основа базы это англоязычный каталог кейсов (1680 карточек). Редакция адаптировала каждую карточку на русский и сверила информацию с первоисточником, часть карточек отклонена. Новые кейсы добавляются ежедневно с тех же площадок.
• Что такое агент. ИИ-агент это программа на основе искусственного интеллекта, чаще всего языковой модели (нейросети). В отличие от чат-бота, который отвечает на вопросы, агент сам выполняет действия ради цели. Он открывает сайты, пишет письма, правит файлы и принимает решения по ходу задачи.
• Единица счёта. Кейс это одна история (кто, каким агентом, какую задачу решал, что вышло). Это не пользователь, не запрос и не компания.
• Поля. Тема (одна на кейс) и агенты (от одного до четырёх) заданы при адаптации. Задачи (до трёх на кейс, 47 вариантов) размечены пакетами по письменным критериям с проверкой каждого пакета. У 460 кейсов задачи нет, поэтому доли задач от 1551 занижены.
• Чего в исследовании нет. Итоги кейсов (получилось или нет) не классифицировались. Оценки читателей на сайте в расчётах не участвуют.
• Перевес площадок. Reddit, X и HN дают половину историй, русскоязычных источников ноль (проверка по доменам, русский текст на англоязычной площадке так не виден). В выборке перевешивают англоязычные энтузиасты с публичными постами и популярные агенты, о них пишут чаще.
• Перекос в сторону успеха. Неудачи и скучные внедрения публикуют реже.
• Даты. У 46% кейсов нет даты источника, пропуски сосредоточены вне Reddit, X и HN. Динамика по месяцам показана только с этой оговоркой.
• Агенты. «Свой агент» объединяет все самописные решения. Частота агента зависит от того, как часто о нём пишут, рейтингом качества она не служит.
• Снимок и обновление. Срез сделан 1 ноября 2026 года. Адрес страницы постоянный, цифры обновляются раз в квартал по той же методике, прошлые значения сохраняются для сравнения.

Ссылаться на исследование удобно так. «Агентные кейсы», «Что люди поручают ИИ-агентам», срез 1 ноября 2026 года, со ссылкой на эту страницу. Корпоративный взгляд на те же вопросы дают опрос 1340 специалистов State of Agent Engineering от LangChain и упомянутые выше отчёты Anthropic.