Крупные вендоры уже продают агентный ИИ как систему, способную рассуждать, действовать в разных бизнес-системах и непрерывно исполнять процессы. На этом фоне растут и риски: LLM могут ошибаться в performance summary, допускать неверные регуляторные подачи или проваливать критичные операции в supply chain. Юристы отмечают, что чем ближе продукт к agentic AI, тем труднее для поставщика давать классические гарантии по поведению системы, потому что оно изначально менее предсказуемо.

Британский регулятор Financial Reporting Council сформулировал позицию прямо: за качество решений отвечают люди и компании, а не 'коробка' с ИИ. Это особенно заметно там, где AI используют для скрининга кандидатов и других автоматизированных решений: по логике британского права именно организация-заказчик остается data controller и первой несет претензии по bias, прозрачности и праву на обжалование. Дальше начинается контрактный торг: заказчики требуют объяснимости, тестов на bias и регулярной калибровки, а вендоры стараются исключить случаи, где ошибка может быть связана с промптами, настройкой и реальным способом использования модели.

Gartner ожидает, что к середине 2026 года новые категории незаконных AI-решений добавят более $10 млрд расходов на remediation у вендоров и компаний, внедряющих ИИ. Аналитики советуют строить defensible AI: готовить данные и процессы так, чтобы решения можно было последовательно проверять, оспаривать и объяснять, а по всему циклу — от данных до вывода — ставить guardrails и постоянный мониторинг. Вендоры поэтому мягко выводят агентные продукты на рынок и говорят скорее об observability, audits и guardian agents, чем о готовности брать на себя полную ответственность за каскадные ошибки.