ИИ-агенты для бизнеса: что они делают и когда окупаются

ИИ-агент — это программа, которая получает задачу словами, сама решает, из каких шагов она состоит, и выполняет их в ваших системах: читает почту, заводит сделку в CRM, запрашивает данные у 1С, пишет ответ клиенту. От чат-бота он отличается не «умом», а правами: боту дают сценарий и он говорит, агенту дают доступ и он действует.

Чем агент отличается от бота и от скрипта

Три инструмента решают разные задачи, и путаница между ними — главная причина, почему внедрение заканчивается разочарованием.

• Скрипт делает ровно то, что записано: забрал файл, разложил по колонкам, положил в папку. Не ошибается, но и шага в сторону не сделает.
• Чат-бот ведёт разговор по сценарию и отвечает на типовые вопросы. Мы разбирали, как его собрать, в статье про чат-бота для сайта на базе ИИ.
• Агент получает цель, а не сценарий: «разобрать входящие заявки за ночь». Дальше он сам выбирает порядок действий и вызывает нужные системы.

Практический критерий: если задачу можно описать блок-схемой без развилок «зависит от смысла письма», берите скрипт. Он дешевле, предсказуемее и не выдумывает.

Как агент подключается к системам

Базовый механизм называется function calling: разработчик описывает модели доступные функции и их параметры, модель в ответ возвращает не текст, а вызов «выполни функцию X с такими аргументами», код выполняет его и отдаёт результат обратно. Он есть у всех крупных моделей, включая российские.

Поверх него появился открытый стандарт MCP (Model Context Protocol), который Anthropic представила в конце 2024 года; его поддержали OpenAI, Google и Microsoft. Смысл простой: интеграция с CRM или базой пишется один раз как MCP-сервер и подключается к любому совместимому агенту. Практический вывод для заказчика — спрашивать подрядчика, на чём сделаны интеграции: стандартные протоколы позволяют сменить модель или добавить систему без переписывания проекта.

Четыре задачи, где агент снимает работу

Разбор входящих обращений

Заявки приходят почтой, из форм, мессенджеров и маркетплейсов. Агент читает текст, определяет тип обращения, вытаскивает контакты и предмет запроса, заводит сделку и ставит задачу менеджеру. Экономия считается просто: сколько минут уходило на ручную сортировку и сколько заявок терялось между каналами.

Сбор данных между системами

Типовой запрос руководителя — «сколько мы отгрузили этому клиенту за полгода и что у него в работе». Данные лежат в трёх местах, человек собирает их полдня. Агент забирает по API, сверяет и отдаёт готовую сводку. Смежный сценарий мы описывали в материале про автоматизацию отчётности с помощью ИИ.

Подготовка документов и ответов по регламенту

Коммерческое предложение, ответ на типовую претензию, спецификация по параметрам заказа. Агент собирает документ из ваших шаблонов и данных сделки, а человек проверяет и отправляет. Ключевое слово — «проверяет»: подпись под документом всё равно ставит сотрудник.

Мониторинг и эскалация

Агент следит за очередью заявок, сроками и остатками: заметил, что заявка висит без ответа четыре часа, — написал руководителю. Такую задачу почти никогда не ставят вручную, потому что «и так видно», а на деле не видно.

Какие решения бывают: четыре класса

Слово «агент» на рынке используют для четырёх разных вещей. Понимание, к какому классу относится ваша задача, экономит месяц переговоров с подрядчиками.

Это не рейтинг: «лучшего» агента не существует, есть подходящий под задачу и бюджет. Порядок выбора обратный привычному — сначала процесс и данные, потом инструмент. Мы обычно начинаем с первых трёх классов и переходим к разработке только тогда, когда готовое решение упирается в потолок.

Что подготовить до внедрения

Порядок работ обычно один и тот же, и три четверти времени уходит не на модель.

1. Описать процесс словами. Кто, что и в какой момент делает сейчас, где принимает решение, по каким правилам. Если регламента нет, агент закрепит существующий беспорядок.
2. Разобраться с доступами. API CRM, почты, 1С, склада. Отдельный технический пользователь с ограниченными правами — не аккаунт директора.
3. Привести данные в порядок. Дубли клиентов, пустые поля и три написания одной компании ломают агента так же, как ломают отчёты.
4. Заранее договориться о метрике. Минуты на обращение, доля заявок без ответа за час, число ошибок ввода. Замер до старта — обязателен, иначе спорить об эффекте будет нечем.

Из чего складывается стоимость

Цена внедрения — это не подписка на модель. Считать нужно пять статей: описание процесса и постановка задачи, подключение систем через API, разработка и тестирование самого агента, доработка данных, поддержка после запуска. Расход на сам ИИ обычно самая мелкая часть сметы — и единственная, которую все обсуждают.

Отдельно закладывайте поддержку. Меняется форма заявки, поставщик обновляет API, компания вводит новый тип услуги — агент об этом не узнает сам. Сроки и порядок оплаты по типовым проектам мы разбирали в статье про AI-автоматизацию бизнеса.

Где агенты ошибаются и как это держать под контролем

Ошибки накапливаются. Если каждый шаг выполняется верно в 95% случаев, процесс из десяти шагов без проверок пройдёт чисто лишь примерно в 60% запусков. Надёжный агент — это короткие цепочки с контрольными точками, а не «полная автономия».

Уверенные выдумки. Модель может неверно прочитать сумму или решить, что задача выполнена. Лечится архитектурой, а не «более умной моделью»: ответы только по найденным источникам, проверка результата кодом (совпадает ли сумма с 1С), подтверждение необратимых действий.

Prompt injection. Вредоносная инструкция может быть спрятана в данных, которые агент читает: письме клиента, странице сайта, PDF. Особенно опасно сочетание трёх свойств в одном агенте — он читает недоверенный внешний контент, имеет доступ к конфиденциальным данным и может отправлять информацию наружу. Если все три есть, архитектуру нужно менять.

Где агент не работает

• Процесс без правил. Если два менеджера ведут одну и ту же сделку по-разному, автоматизировать нечего: сначала регламент.
• Цена ошибки выше выгоды. Финальный расчёт стоимости, юридический документ, медицинская рекомендация — только с обязательной проверкой человеком.
• Пять обращений в неделю. Экономия минут не окупит разработку и поддержку. Считайте частоту до начала.
• Системы без API. Если учёт живёт в файлах на общем диске, сначала нужен нормальный обмен данными, иначе агент будет угадывать.
• Ожидание «сотрудника вместо сотрудника». Агент снимает рутину внутри понятного процесса, а не заменяет менеджера целиком.

Как проверить, что агент действительно работает

Запускать сразу на всём потоке не нужно. Рабочая схема — параллельная работа две-три недели: агент обрабатывает заявки, человек проверяет каждую и помечает ошибки. Дальше смотрят на три цифры: доля обращений, где потребовалось вмешательство; время от заявки до первого ответа; количество ошибок в данных. Если вмешательство нужно чаще, чем в каждом пятом случае, дело не в модели, а в описании процесса.

Перед пилотом соберите эталонный набор: 50–100 реальных случаев с правильным результатом. На нём сравнивают версии агента, а не ощущения. Дальше путь такой: режим «тени», когда агент работает параллельно с сотрудником и его результаты никуда не уходят, → 10–20% потока с подтверждением человеком → расширение. Решение масштабировать, доработать или закрыть принимают по цифрам, включая стоимость одной выполненной задачи в токенах против стоимости того же действия у сотрудника.

Чек-лист: готов ли процесс к агенту

• Процесс повторяется сотни раз в месяц и отнимает заметное время сотрудников
• Входные данные разнородные — письма, документы, свободный текст; иначе хватит обычной интеграции
• У нужных систем есть API
• Регламенты записаны, а не хранятся в головах
• Посчитана текущая стоимость процесса, собраны 50–100 эталонных примеров
• Определены действия, которые агент выполняет только после подтверждения человека
• Решено, где обрабатываются данные с учётом 152-ФЗ
• Настроено логирование каждого шага и назначен ответственный за качество

Мы собираем такие сервисы в связке с сайтом и учётными системами — как это выглядит на практике, видно в наших кейсах, а состав работ и порядок запуска описан на странице разработки ИИ-агентов. Если хочется начать не с агента, а с процесса — посмотрите полный список услуг: часто первым шагом оказывается наведение порядка в данных, а не внедрение ИИ.