Когда месяц назад Hermes анонсировали параллельную обработку задач одним AI-агентом, в сообществе сразу пошли прогнозы про «конец командной работе людей». Видео Julian Goldie оживило дискуссию на новый витке — и вот оказывается, что между первым анонсом и реальной полезностью есть существенная дистанция.

Суть обновления простая: вместо того чтобы запускать несколько агентов параллельно (что требует синхронизации, обработки конфликтов, больше токенов), Hermes позволяет одному агенту разбить сложную задачу на подзадачи и выполнять их одновременно внутри единого контекста. На бумаге это выглядит как выигрыш в скорости и стабильности. На практике результаты скромнее: новая схема хорошо работает для задач с чёткой границей (например, параллельный парсинг нескольких страниц или обработка разных полей документа), но ломается на сложных кейсах, где подзадачи зависят друг от друга или требуют динамической переоценки.

В сообществе уже начинают разделять маркетинг от инженерной реальности. Заголовки про «одного агента вместо пятерых» пока не находят подтверждения в реальных сценариях автоматизации. Однако саму идею критикуют скорее за завышенные ожидания, чем за неправильный подход: координация внутри одного контекста действительно проще отлаживать, чем синхронизацию между агентами.

Для российского бизнеса это особенно актуально: большинство команд, которые экспериментируют с AI-автоматизацией, всё ещё на этапе простых рутин — парсинг данных, заполнение форм, подготовка отчётов. Для них параллельная обработка подзадач внутри одного агента может быть честным улучшением. Например, в AI Studio мы видим растущий спрос именно на такие сценарии: автоматизацию квартирных досмотров (фото, документы, проверка реквизитов одновременно) или обработку заявок в CRM с разными параллельными валидациями. Вопрос в том, насколько стабильно это работает на реальных данных со шумом и исключениями.

Важное уточнение: обновление Hermes не отменяет предыдущих выводов про командную работу агентов. Это просто новый инструмент в арсенале, а не замена всей архитектуры. Для задач, где нужна специализация (один агент анализирует текст, другой — составляет ответ), многоагентная схема остаётся приоритетом. Для задач, где нужна скорость и простота отладки, — новая фишка интересна.

Повторный интерес к теме показывает, что сообщество перестаёт верить на слово и начинает проверять реальные кейсы. Это хороший знак: заканчивается эра «AI решит всё», начинается эра «какой именно AI для какой задачи». Ждём реальных бенчмарков.