внедрения агентов, и установить метрики успеха (сокращение времени цикла, повышение производительности и точности). Во-вторых, критически важна надежная и управляемая база данных, объединяющая разрозненные источники (EHR, лабораторные данные, изображения, страховые и коммерческие системы), иначе агенты будут давать неполные или неверные ответы. Управление (governance) должно охватывать не только доступ к данным, но и действия агентов: какие системы они могут вызывать, какие данные извлекать, какие решения предлагать, какие шаги требуют ручного подтверждения. Необходимо избегать создания новых «силосов» данных — архитектура должна позволять агентам безопасно получать доступ к корпоративным данным без копирования. Для предотвращения галлюцинаций требуются проверенные источники, ролевой доступ и прозрачность происхождения выводов. Безопасность, конфиденциальность и аудит (HIPAA, GxP, FedRAMP) обязательны для продакшна. Стратегия должна избегать привязки к одному вендору, позволяя выбирать модели под задачи и сохранять контроль над собственными данными. Необходима прозрачность затрат — возможность оценить, сколько будет стоить каждый многошаговый вызов агента, и устанавливать бюджеты. Для коллаборации между разными организациями (CRO, фармкомпании, больницы, страховщики) агенты должны поддерживать безопасный обмен данными без потери контроля. Наконец, инфраструктура не должна ложиться бременем на каждую команду — лучше использовать готовые платформы, как Snowflake AI Data Cloud, чтобы эксперты могли сосредоточиться на предметной области, а не на ML Ops.