# Когда у системы нет API: агент работает руками | Auspex > Computer Use автоматизирует систему без API — и ломается от переезда кнопки. OSWorld 2.0: даже лидер завершает меньше половины сценариев. Когда это оправдано. Source: https://auspex.company/ru/blog/no-api-agent-works-by-hand/ [Блог](/ru/blog/) / Field Notes # Когда у системы нет API: агент работает руками Автор: Андрей Марьясов · 28 авг. 2026 г. · 12 мин чтения Computer Use — это когда агент работает с программой так же, как человек: смотрит на экран, водит мышью, печатает на клавиатуре. Это единственный способ автоматизировать систему, у которой нет API, и самый хрупкий из всех доступных. В бенчмарке OSWorld 2.0, опубликованном 26 июня 2026 года, лучшая на момент публикации модель доводила до конца 20,6% реальных рабочих сценариев, а на задачах длиннее 163 минут ни одна из протестированных моделей не завершала ни одной. На октябрь 2026 года лидер завершает около 44% — и всё ещё меньше половины. В списке способов интеграции Computer Use стоит последним. Очередь до него доходит реже, чем кажется на демонстрации. Разговор об интеграции старой системы почти всегда начинается одинаково: «API нет». Раньше за этим следовали пауза и смета на ручную работу, а теперь есть ответ, который звучит как универсальный ключ: пусть агент просто кликает вместо человека. Технически это работает, и демонстрация получается убедительной — агент открывает окно, находит поле, вписывает значение, нажимает «Сохранить». Сложный вопрос в другом: что станет с этой автоматизацией через четыре месяца, когда вендор программы перенесёт кнопку на два сантиметра влево. Ответ зависит от того, на что агент опирается в момент действия — на письменный контракт или на картинку. Способы интеграции выстраиваются в ступени, где каждая следующая даёт больше охвата и меньше опоры. Разумный порядок действий — идти сверху вниз и остановиться на первой ступени, которая закрывает задачу. ## Ступени интеграции по возрастанию хрупкости Первая и самая прочная — документированный API. Вы работаете не с программой, а с её письменным контрактом: какие поля существуют, что возвращается в ответе, что считается ошибкой. Такой контракт тоже меняется, но о его изменениях объявляют: у него есть версии, а у вендора — график поддержки старых. Поломка приходит с предупреждением и с датой. На второй ступени стоят события и вебхуки, когда платформа сама отправляет вам сообщение об изменении. Контракт здесь ещё есть, а вот доставка уже не гарантирована: Bitrix24 прямо пишет, что повторных отправок событий нет, а Shopify советует вообще не полагаться на доставку вебхуков. Этот класс отказов мы разобрали отдельно в материале «Где заканчивается ваша автоматизация» — ссылка в конце статьи. Третья — готовый коннектор или iPaaS-платформа между вашими системами. Вы не пишете код, и это настоящая экономия, но между вами и системой появился ещё один вендор со своим графиком релизов. Когда платформа обновляет API, коннектор догоняет её не мгновенно, и в окне между этими двумя событиями живёте вы. Четвёртая ступень — файловый обмен: выгрузка по расписанию, импорт по расписанию, CSV или XML в папке. Её регулярно пропускают как несовременную, и зря. Обмен файлами не даёт реального времени, зато структура выгрузки в корпоративных системах меняется в разы реже экранных форм, а поломка заметна сразу: файл либо соответствует ожидаемой структуре, либо нет. Если задача терпит задержку в час, эта ступень часто оказывается самой дешёвой из тех, что вообще надёжно работают. Дальше идёт скрейпинг страницы или обращение к внутреннему недокументированному запросу, который вы подсмотрели на вкладке «Сеть» в браузере. Формально это уже работа без контракта: вы опираетесь на разметку и на адрес, которых вендор вам не обещал и которые вправе изменить в любой вторник. Шестая, последняя — Computer Use. Опоры нет вообще: агент видит то же, что видит человек, то есть изображение экрана, и каждое его действие — это догадка о том, что нарисовано в этой точке. Всё, что на предыдущих ступенях было записано текстом, здесь приходится каждый раз распознавать заново. Практическое правило: берите самую высокую ступень, которая закрывает задачу, а не самую низкую, которая закрывает все задачи сразу. Универсальность Computer Use — это не преимущество, а плата за отсутствие контракта. ## Что показывают замеры Это направление измеряют публично. Бенчмарк OSWorld от исследователей Гонконгского университета, Salesforce Research, Carnegie Mellon и Университета Ватерлоо сажает агента за настоящую операционную систему и даёт ему рабочие задачи. В первой версии, опубликованной в 2024 году, люди выполняли более 72% заданий, а лучшая модель — 12,24%, причём проваливалась она на самом простом: не могла надёжно понять, куда на экране нажимать. За два года эту часть проблемы в основном закрыли, и именно поэтому в июне 2026 года вышла вторая версия бенчмарка — со 108 длинными сквозными сценариями вместо коротких операций. Медианная задача занимает у квалифицированного человека около 1,6 часа, почти 70% задач длиннее часа, и на одну такую задачу агент тратит в среднем 318 обращений к инструментам против примерно 30 в первой версии. Результаты на этих сценариях такие. По основной метрике — задача либо доведена до конца, либо нет — лучший результат показывает Claude Opus 4.8 с максимальным объёмом рассуждений: 20,6% завершённых задач при частичном зачёте 54,8%. GPT-5.5 значительно экономнее по токенам, но выходит на плато около 14%. В таблице лидеров бенчмарка на октябрь 2026 года первым идёт Claude Opus 5: 44,33% завершённых задач на обновлённой версии набора задач v2.1 — более чем вдвое выше, но всё ещё меньше половины. Доля завершённых задач держится только на коротких сценариях. Разбивку по длительности авторы строили на предыдущем поколении моделей — GPT-5.5 и Claude Opus 4.7, — поэтому общие 20,6% у более нового Opus 4.8 набираются именно на коротких и средних отрезках, а не равномерно по всей шкале. На сценариях короче 45 минут человеческой работы обе модели дают 20–24%, а дальше быстро падают. В интервале 137–163 минуты уже ни одна из протестированных моделей не превышает 10%, а на всём, что длиннее 163 минут, доля завершённых задач равна нулю у каждой из них. Это обрыв, а не плавная деградация. Сценарий для Computer Use нужно резать на короткие отрезки с проверкой между ними, потому что длинная цепочка просто не доезжает до конца. ## Агенты ломаются не там, где этого ждут Интуиция подсказывает, что агент промахнётся мышью. Авторы второй версии бенчмарка фиксируют другое: модели не спотыкаются ни на базовом управлении интерфейсом, ни на коде. Они теряют ограничения, заданные в начале задачи, пропускают информацию, которая приходит уже во время выполнения, угадывают там, где стоило бы переспросить, и не проверяют собственный результат. Хуже всего им даётся работа, которая зависит от скрытого состояния — от того, чего не видно на текущем экране. Вот шесть строк из распределения сложностей по 108 сценариям: - визуально-пространственная точность — нужна в 41,7% задач: попасть, выровнять, сверить на уровне пикселей - вывод о неявном состоянии — 39,8%: нужное значение нигде не написано, его приходится доставать из предыдущих записей или журналов - отслеживание состояния многих объектов — 39,8%: держать десятки строк, записей или правок согласованными между собой до конца сценария - разрешение противоречий — 36,1%: два источника говорят разное, и нужно понять, какой из них главный - работа по инструкции — 20,4%: извлечь процедуру из PDF или видео и применить её к случаю, который в инструкции не описан - изменение условий на лету — 9,3%: письмо или сообщение в чате посреди задачи меняет требования Если операция, которую вы собираетесь отдать агенту, держится на том, что исполнитель помнит договорённость трёхнедельной давности и знает, какой из двух прайсов актуален, — вы ставите автоматизацию ровно в ту точку, где она сейчас слабее всего. ## Что об этом пишет сам производитель Anthropic перечисляет ограничения своего инструмента computer use открыто, и на этот перечень стоит посмотреть до того, как вы что-то планируете. Задержка, по формулировке документации, может оказаться слишком большой по сравнению с обычной работой человека за компьютером, поэтому производитель советует сценарии, где скорость не критична: фоновый сбор информации, автоматизированное тестирование — и в доверенной среде. Модель может ошибаться или выдумывать координаты, когда определяет точку клика. Надёжность выбора инструмента падает в нишевых приложениях и тогда, когда в работе несколько программ одновременно. Отдельным пунктом среди ограничений стоит прокрутка: в приложениях, где скролл не срабатывает, документация советует клавиатурные альтернативы вроде Page Down. > Сосредоточьтесь на сценариях, где скорость не критична, — например, фоновый сбор информации или автоматизированное тестирование, — в доверенных средах. > > — Anthropic, раздел «Limitations» документации computer use Отдельно стоит разобраться с тем, что именно покидает ваш контур, потому что здесь легко сделать неверный вывод. Computer use работает как клиентский инструмент: сессия выполняется на вашей стороне, и скриншоты, движения мыши, ввод с клавиатуры и файлы хранятся в вашей среде, а не у поставщика модели. Но изображения экрана всё равно уходят в модель — она обрабатывает их в реальном времени как часть вызова API, и именно за них вы платите входными токенами. Хранение этих запросов регулируется общей политикой хранения данных API, а сам режим совместим с нулевым сроком хранения, потому что место и способ хранения определяет ваше приложение. Если на экране в момент работы агента видны персональные данные клиентов, это предмет для соглашения об обработке данных, а не для галочки «всё остаётся у нас». ## Откуда берётся стоимость поддержки Счёт за Computer Use устроен не так, как за вызов API, и это стоит заложить в смету до старта. Агент видит систему через скриншоты, каждый из которых стоит примерно от тысячи до 1800 входных токенов, и делает такой снимок практически на каждом шаге. Вспомните порядок величин из бенчмарка: 318 обращений на задачу против 30 в коротких операциях. Расход растёт вместе с длиной сценария, а не вместе с его ценностью для бизнеса — именно поэтому две операции с одинаковой пользой могут различаться по себестоимости в десять раз только из-за количества экранов на пути. Вторая статья расходов — переделки. Интеграция через API живёт до объявленной смены версии. Интеграция через экран живёт до следующего релиза интерфейса, о котором вам никто не сообщит, потому что для вендора перенос кнопки не меняет контракт — контракта с вами у него и не было. Планировать здесь нужно не разовое внедрение, а регулярный пересмотр, привязанный к частоте обновлений той системы. Третья, самая неприятная — тихая поломка. Упавший скрипт видно сразу. Агент, который после переезда кнопки уверенно нажал соседнюю, продолжает рапортовать об успехе, и разницу вы увидите только в данных, иногда через недели. Поэтому мониторить нужно результат операции в системе-приёмнике, а не сам факт того, что агент отработал без ошибки. ## Когда Computer Use оправдан В сумме условия складываются в довольно узкое окно, и честнее перечислить его полностью: - верхних ступеней действительно нет — вы проверили не только публичную документацию, но и партнёрский доступ, выгрузку в файл и прямое чтение базы для систем на собственном сервере - объём держится в десятках операций в день: на тысячах стоимость экранов и доля ошибок перевесят ручную работу - сценарий короткий — минуты, а не часы, или нарезан на такие отрезки с проверкой между ними - процесс стабилен — интерфейс той системы обновляется редко, и вы знаете, как часто - результат можно проверить машинно: есть куда посмотреть и убедиться, что действие действительно выполнено - ошибка обратима — операция не переводит деньги, не удаляет записи и не уходит клиенту без подтверждения человека - есть владелец — человек, который разбирает сбои и отвечает за результат Первый пункт отсеивает больше проектов, чем ожидают. Самая дорогая ошибка в этой теме вообще не техническая: компания строит хрупкую автоматизацию поверх экрана, имея под рукой ночную выгрузку, которой никто не поинтересовался, потому что вопрос вендору никто не задал. ## Что сделать до внедрения Начните с ещё одной попытки найти контракт. Вопрос вендору о партнёрском API или регулярной выгрузке умещается в одно письмо и закрывает тему дешевле любой разработки. Следующий шаг — записать процесс: последовательность экранов, условия ветвления, как выглядит успех и как выглядит сбой. Агенту, который действует по экрану, негде подсмотреть неписаное правило, поэтому всё, что сейчас живёт в голове сотрудника, придётся достать наружу. Дальше идут четыре вещи, которые стоит описать конкретно, а не просто назвать. Точки проверки: после каждого содержательного шага агент сверяет состояние системы — создал контрагента, значит, читает его карточку и сравнивает ЕГРПОУ с тем, что вписывал. Граница необратимости: агент готовит платёжку, а кнопку «Провести» нажимает человек. План отката: ночной дамп таблицы до запуска сценария плюс имя того, кто выполняет эту работу руками, пока сценарий переделывают. И мониторинг по результату в системе-приёмнике — не «агент отработал без ошибки», а «за вчера в CRM появилось 47 записей, как и в источнике». Эта работа одинаково нужна и для Computer Use, и для любого способа автоматизации выше по ступеням. Разница лишь в том, что на верхних ступенях без неё можно продержаться дольше, а здесь её отсутствие проявляется в первый же месяц. Auspex строит автоматизацию и интеграции CRM, и в проектах со старыми унаследованными системами этот разговор возникает постоянно. На практике инвентаризация того, что система умеет отдавать наружу — партнёрский доступ, выгрузки, база, — снимает вопрос о Computer Use чаще, чем подтверждает его. Именно с неё начинается наш аудит CRM и интеграций, ссылка на него ниже. Читать дальше - [Где заканчивается ваша автоматизация — граница вендора](/ru/blog/automation-vendor-single-point/) - [Что прописать в договоре на разработку AI-агента](/ru/blog/ai-agent-contract-what-to-write/) - [Автономность, а не внедрение: какую метрику измерять](/ru/blog/autonomy-rate-not-adoption-rate/) - [Почему автоматизации забрасывают](/ru/blog/why-automations-get-abandoned/) - [С чего начать автоматизацию в малом бизнесе](/ru/blog/where-to-start-automation-smb/) - [Аудит CRM и интеграций](/ru/services/crm-audit/) Андрей Марьясов основатель Auspex Основатель Auspex. Внедряет CRM и автоматизирует бизнес-процессы с 2015 года — 1 500+ проектов для 1 200+ компаний. [amaryasov.expert →](https://amaryasov.expert) ## Частые вопросы Что такое Computer Use простыми словами? Это режим работы AI-агента, в котором он управляет программой через тот же интерфейс, что и человек: получает изображение экрана, двигает курсор, кликает и печатает. В отличие от интеграции через API, агент не обращается к контракту системы, а каждый раз распознаёт элементы на картинке. Поэтому Computer Use подходит к любой программе, в том числе закрытой и старой, и в то же время ломается от изменений, которых в контрактной интеграции не существует. Можно ли автоматизировать систему, у которой нет API? Да, и вариантов больше двух. По возрастанию хрупкости это: документированный API, события и вебхуки, готовый коннектор или iPaaS, обмен файлами по расписанию, скрейпинг страницы или внутреннего запроса и, последним, Computer Use. Когда API нет, чаще всего недооценённой и при этом самой надёжной из оставшихся оказывается четвёртая ступень — регулярная выгрузка в файл, потому что структура выгрузки меняется реже экранных форм. Насколько надёжны агенты, которые работают через экран? По состоянию на октябрь 2026 года — недостаточно надёжны для длинных и необратимых операций. В статье о бенчмарке OSWorld 2.0 лучшая модель, Claude Opus 4.8 с максимальным объёмом рассуждений, доводила до конца 20,6% реальных рабочих сценариев при частичном зачёте 54,8%; в таблице лидеров на октябрь 2026 года Claude Opus 5 завершает 44,33% задач на обновлённой версии набора — всё ещё меньше половины. На коротких задачах, до 45 минут человеческой работы, показатель держится около 20–24%, а на задачах длиннее 163 минут падает до нуля у всех протестированных моделей. Из-за чего такая автоматизация ломается чаще всего? Не из-за промахов мышью. Исследователи OSWorld 2.0 фиксируют, что агенты не спотыкаются на базовом управлении интерфейсом, зато теряют ограничения, заданные в начале задачи, пропускают информацию, которая поступает во время выполнения, угадывают, вместо того чтобы переспросить, и не проверяют собственный результат. Тяжелее всего им там, где нужное значение нигде не показано на экране и его приходится выводить из предыдущих записей. Сколько стоит поддержка агента, который работает через интерфейс? Стоимость складывается из трёх частей. Текущий расход на модель пропорционален количеству экранов: один скриншот — примерно от тысячи до 1800 входных токенов, а длинные сценарии в замерах требуют около 318 обращений к инструментам против 30 в коротких. Вторая часть — переделки после каждого обновления интерфейса той системы, и планировать их нужно по графику её релизов. Третья — мониторинг результата, без которого тихая поломка обнаруживается только в данных и с задержкой. Что делать, когда интерфейс системы изменился? План отката должен существовать до запуска, а не составляться в день инцидента. Минимальный набор: мониторинг, который сверяет результат операции в системе-приёмнике, а не факт отработки агента; поимённо названный владелец, который разбирает сбои; перечень необратимых действий, которые агент не выполняет без подтверждения человека; и договорённость о том, кто выполняет эту работу руками, пока сценарий переделывают. Регулярность пересмотра разумно привязать к частоте обновлений той системы. Когда Computer Use не стоит брать вообще? Когда операция необратима — перевод средств, удаление данных, сообщение клиенту без подтверждения. Когда сценарий длинный и не режется на короткие отрезки с проверкой. Когда объём измеряется тысячами операций в день: там стоимость экранов и доля ошибок перевесят ручную работу. Когда задача опирается на скрытое знание, нигде не зафиксированное письменно. И когда не найден владелец, который будет отвечать за результат. ## Дайджест по автоматизации бизнеса 2–3 письма в месяц — что действительно работает в CRM и автоматизации. Без спама. Отписаться можно в один клик. [Бесплатный CRM-аудит →](/ru/contact/) ↳ БЕСПЛАТНЫЙ АУДИТ 30 мин · бесплатно · ↓ ## Готовы навести порядок в продажах? Бесплатный аудит ваших процессов — 30 минут, и вы получите: 1 200+ компаний с 2015 года · медиана запуска — 30 дней 01 Карту потерь в заявках 02 Приоритеты: что автоматизировать первым 03 План внедрения за 2–4 недели Перезвоним в течение 24 часов. План — ваш, даже если мы не начнём работать вместе.