Фразу «Нам нужен AI-агент» руководители произносят всё чаще, обычно после встречи с подрядчиком. Проблема в том, что за словом «агент» скрываются решения, отличающиеся по стоимости и срокам на порядок.
Расплата за путаницу простая: либо вы платите за автономную систему там, где хватило бы простого конвейера, либо получаете инструмент, который не решает задачу, и списываете это на «AI не работает».
Разберёмся, какие уровни автоматизации существуют на самом деле, и как за три вопроса понять, какой нужен вам. Общий контекст внедрения есть в опорном материале LLM для бизнеса.
Уровней четыре, а не два
Конкуренты обычно противопоставляют чат-бота и агента. Это удобно для продажи агента и бесполезно для выбора, потому что между ними лежат ещё два уровня, и как раз они закрывают большинство задач.
| Уровень | Как работает | Когда подходит | Чем платите |
|---|---|---|---|
| Скриптовый бот | Дерево решений, кнопки и заранее написанные ответы. Модели внутри нет | Типовые вопросы с коротким списком вариантов | Не понимает ничего за пределами сценария |
| Ассистент с контекстом | Модель отвечает на вопросы, помнит диалог, при подключении базы знаний отвечает по вашим документам | Консультации, поиск по регламентам, черновики | Не выполняет действий в системах |
| Детерминированный процесс | Заранее описанная последовательность шагов, на некоторых из них работает модель | Порядок шагов известен заранее и не меняется | Не справляется с нестандартным входом |
| AI-агент | Получает цель, сам решает, какие шаги и инструменты нужны | Порядок действий заранее неизвестен | Дороже, труднее отлаживать, сложнее предсказать |
Третья строка самая недооценённая. Обработка входящего документа, подготовка ответа на отзыв, разбор письма и создание задачи: во всех этих случаях шаги известны заранее. Такой конвейер использует модель на отдельных шагах, но не принимает решений о собственном маршруте. Он дешевле агента, отлаживается предсказуемо и в продакшене ведёт себя стабильнее.
Что делает агента агентом
Формулировку, которая точнее всего схватывает суть, дают в разборе Albato: агент получает цель, а не запрос.
Чат-боту вы говорите: «как подключить CRM». Он отвечает, и взаимодействие закончено. Агенту вы говорите: «проверь новые заявки за сегодня, напиши каждому и поставь задачу менеджеру». Он сам разбивает это на шаги.
Отсюда вытекают компоненты, которых нет у более простых решений:
Планирование. Агент разбивает цель на подзадачи и определяет их порядок сам.
Инструменты. У него есть доступ к внешним системам: поиску, базе, API вашей CRM. Без этого он остаётся собеседником.
Память между сессиями. Он помнит, что делал вчера, и учитывает это сегодня.
Самопроверка. Оценивает, достигнута ли цель, и при неудаче пробует иначе.
Автономность. Работает без одобрения на каждом шаге.
В платформе Directum эту же логику описывают цепочкой «восприятие, рассуждение, действие», где систему поддерживает она сама, а не оператор.
Обратите внимание на последний пункт списка. Автономность и есть определяющее свойство, а заодно источник всех сложностей, о которых редко пишут.
Тест из трёх вопросов
Практический способ выбрать архитектуру, не полагаясь на убедительность подрядчика.
Вопрос первый: можете ли вы нарисовать последовательность шагов на листе бумаги?
Если да, вам нужен детерминированный процесс. Агент, которому заранее известен маршрут, это дорогой способ выполнить то, что делает обычный конвейер. Если нарисовать не получается, потому что шаги зависят от промежуточных результатов, переходите ко второму вопросу.
Вопрос второй: набор действий меняется от случая к случаю?
Обработка счёта всегда идёт по одному маршруту: распознать, извлечь, проверить, записать. Разбор нестандартной претензии клиента может потребовать проверки истории заказов, а может потребовать уточнения у склада, и заранее вы не знаете, чего именно. Второй случай и есть территория агента.
Вопрос третий: обратимы ли действия?
Если система отправляет письма клиентам, меняет записи в базе или инициирует платежи, автономность нужно ограничивать независимо от ответов на первые два вопроса. Об этом ниже отдельно.
Итог теста: агент оправдан, когда порядок шагов заранее неизвестен и зависит от того, что система обнаружит по дороге. Во всех остальных случаях выигрывает более простая архитектура.
Во что обходится автономность
Разница в цене между конвейером и агентом не сводится к сложности разработки. Она продолжается всё время эксплуатации.
Больше вызовов модели. Агент рассуждает, планирует, проверяет себя и при неудаче повторяет. Один пользовательский запрос превращается в цепочку из нескольких обращений к модели. Как это влияет на счёт, подробно разбираю в материале про стоимость внедрения LLM.
Сложность отладки. Когда конвейер даёт сбой, вы смотрите, на каком шаге. Когда сбоит агент, нужно понять, почему он выбрал именно этот маршрут, и повторить ситуацию бывает непросто: на тех же входных данных он может пойти иначе.
Требование к наблюдаемости. Агенту нужна инфраструктура, показывающая ход рассуждения и каждый вызов инструмента. Без неё система превращается в чёрный ящик, а разбор инцидента в гадание.
Непредсказуемость поведения. Обновление модели может изменить решения агента в ситуациях, которые раньше работали. Регрессионный набор тестов здесь не роскошь, а условие эксплуатации.
Ни один из этих пунктов не является аргументом против агентов. Это аргумент за то, чтобы браться за них тогда, когда более простая архитектура действительно не справляется.
Человек в контуре обязателен
Автономность продают как достоинство, и в описаниях платформ она звучит как «работает без участия человека». Для необратимых действий это неприемлемо.
Как это устроено на практике, покажу на собственном проекте.
Reviews-WB, наш конвейер обработки отзывов на маркетплейсах: шесть специализированных агентов, маршрутизация по тональности, отдельный шаг проверки ответа на галлюцинации с оценкой качества. Ручная обработка отзыва занимала 8-12 минут, конвейер укладывается в 30-60 секунд.
Главное в его устройстве не скорость, а разделение. Позитивные отзывы публикуются автоматически. Негативные обязательно проходят одобрение менеджера. То есть автономность включена там, где ошибка дешёвая, и выключена там, где дорогая.
Это собственный проект, а не клиентский кейс, и цифры измерены на нашем процессе. Переносить их напрямую на другой бизнес нельзя. Полезен здесь принцип: граница автономности проводится по цене ошибки, а не по техническим возможностям системы.
Другие проекты собраны в разделе кейсов.
Что показывает практика построения агентов
Отдельно стоит сказать про то, чего не найти в вендорских материалах: агентные системы капризны.
Свой опыт я описывал в разборе соревнования BitGN PAC, где мой агент Sentinel занял 26-е место в глобальном зачёте. Два наблюдения оттуда важны для любого внедрения.
Первое: раздутая системная инструкция ухудшает работу агента. Сокращение промпта с 73 тысяч токенов до 17 тысяч улучшило поведение, а не ухудшило. Интуиция «напишем побольше правил на все случаи» работает против вас.
Второе: бюджет расходуется быстро и незаметно. Весь эксперимент уложился в 167 долларов, и это в контролируемых условиях соревнования, где задачи известны. В продакшене с реальными пользователями цифры ведут себя менее дисциплинированно.
Ещё одно наблюдение из практики: чем больше агентов в системе, тем важнее становится не их интеллект, а протокол взаимодействия между ними. В наших конвейерах основная работа приходится на описание того, что каждый агент получает на вход и что обязан вернуть, а не на то, как он «думает».
Когда агентов нужно несколько
Отдельный вопрос, который возникает почти сразу за первым: если один агент справляется с задачей, зачем строить систему из десятка.
Причина не в интеллекте, а в специализации и контроле. Агент с одной узкой обязанностью проверяется проще: у него понятный вход, понятный выход и измеримое качество работы. Агент, который делает всё, превращается в чёрный ящик, и при ухудшении результата непонятно, какой именно шаг просел.
MediaUniversal, наш конвейер подготовки материалов из четырнадцати с лишним агентов. Исследование конкурентов, проектирование структуры, черновик, проверка фактов, цепочка редактуры из шести проходов, метаданные. Ручной цикл занимал 14-20 часов, конвейер отрабатывает примерно за 30 минут.
Разделение на роли дало не скорость, а управляемость: когда падает качество структуры, ясно, какой агент за это отвечает, и правится его инструкция, а не вся система.
Обратная сторона тоже есть. Чем больше агентов, тем важнее становится не их «сообразительность», а протокол между ними: что каждый получает на вход и что обязан вернуть. Основная инженерная работа в наших конвейерах уходит именно на это, а не на формулировки промптов.
Практический ориентир: начинайте с одного шага, где модель приносит очевидную пользу, и разделяйте его дальше только тогда, когда упираетесь в невозможность понять, что именно сломалось.
Частые вопросы
Можно ли доверить агенту действия в CRM? Можно, если права ограничены конкретными операциями и необратимые действия требуют подтверждения. Полный доступ к базе с формулировкой «пусть сам разберётся» это самый дорогой способ узнать, что агент понял задачу иначе.
Агент заменит сотрудников поддержки? Обычно нет, и не в этом ценность. Реалистичный сценарий выглядит иначе: агент снимает типовой поток и готовит черновики, а люди занимаются сложными случаями. Полная замена требует такого уровня контроля качества, который дороже самой экономии.
Сколько времени занимает внедрение? Зависит от количества интеграций, а не от «сложности AI». Подключение к одной системе с готовыми данными и подключение к пяти системам с разными форматами это разные проекты. Любой срок, названный до разбора процесса, назван наугад.
Как ставить задачу подрядчику
Пять пунктов, которые стоит зафиксировать письменно до начала работ. Они защищают от переплаты лучше любого торга по смете.
- Результат операции. Что конкретно должно появиться в конце и в какой системе.
- Границы автономности. Какие действия система выполняет сама, а какие требуют подтверждения человека.
- Права инструментов. К каким системам подключается и что в них может делать.
- Критерий приёмки. Набор реальных примеров с эталонным результатом и порогом качества.
- Поведение при отказе. Что происходит при недоступности модели или источника данных.
Если подрядчик предлагает агента, а на первый пункт отвечает общими словами, вернитесь к тесту из трёх вопросов. Возможно, вам нужен конвейер.
Проектированием и внедрением таких систем занимаюсь в рамках направления AI-агенты и автоматизация. Если задача сводится к поиску по документам и ответам со ссылками, посмотрите отдельный материал про RAG для бизнеса: это заметно более простой и дешёвый путь.
Коротко
- Уровней автоматизации четыре, а не два, и середина закрывает большинство задач.
- Агент нужен, когда порядок шагов заранее неизвестен.
- Автономность оплачивается вызовами модели, сложностью отладки и требованиями к наблюдаемости.
- Граница автономности проводится по цене ошибки.
- Название решения в договоре не имеет значения, значение имеют границы прав и критерий приёмки.
Не уверены, что вам нужен агент?
На 30-минутном разборе пройдём по вашей задаче и определим, какая архитектура достаточна: часто выясняется, что нужен конвейер, а он дешевле и запускается быстрее.
Напишите мне в Telegram: https://t.me/dtamarov
Подготовьте описание процесса, примерный месячный объём операций и список систем, в которых должен появиться результат.
