Что такое ИИ-агент
ИИ-агент — это программа, которая получает цель, сама выбирает последовательность действий и пользуется внешними инструментами, пока цель не будет достигнута. Не «ответить на вопрос», а «сделать так, чтобы стало».
Разница видна на простом примере. Языковая модель на вопрос «сколько страниц на сайте закрыто от индексации» напишет, как это проверить. Агент откроет robots.txt, скачает карту сайта, пройдёт по адресам, соберёт коды ответа и вернёт число.
Слово «агент» размыли до того, что им называют почти всё подряд, поэтому ниже — граница, по которой я его отделяю от соседних вещей.
Агент, чат-бот и сценарий автоматизации
Три разные технологии, которые в рекламе называют одинаково.
| Чат-бот | Сценарий в n8n или Make | ИИ-агент | |
|---|---|---|---|
| Что делает | отвечает текстом | выполняет заданные шаги | добивается цели |
| Кто задаёт порядок действий | человек в диалоге | разработчик заранее | агент на ходу |
| Реакция на неожиданное | отвечает не по теме | падает или идёт в ветку ошибки | пробует другой путь |
| Результат при повторе | примерно тот же | ровно тот же | может отличаться |
| Где сильнее | вопросы и ответы | повторяющиеся операции | задачи с ветвлением |
| Что ломается | понимание вопроса | изменившийся формат данных | лишние действия и петли |
Строка про повторяемость — главная. Сценарий автоматизации детерминирован: одинаковый вход даёт одинаковый выход, и это его достоинство. Агент недетерминирован: он каждый раз заново решает, что делать. Там, где нужна предсказуемость, это недостаток, а не преимущество.
Отсюда правило, которым я пользуюсь при выборе: если последовательность шагов известна заранее, агент не нужен — нужен сценарий. Агент оправдан, когда шагов заранее не знает никто.
Про «ИИ-агент на чате»: это тот же агент, у которого интерфейсом служит переписка — в Telegram, в виджете на сайте, в рабочем мессенджере. Чат тут способ отдавать команды, а не суть технологии. ИИ-бот для сайта, который не только отвечает, но и проверяет наличие товара, считает стоимость доставки и оставляет заявку, — это уже агент, хотя выглядит как окно чата.
Из чего агент собран
Создание ИИ-агента — это сборка четырёх частей. Модель среди них не самая трудоёмкая.
| Часть | Что это | Где основная работа |
|---|---|---|
| Модель | языковая модель, принимающая решения | выбор и настройка, обычно быстро |
| Инструменты | функции, которые агент вызывает: запрос к API, чтение файла, поиск, браузер | здесь уходит основное время |
| Память | что агент помнит между шагами и между запусками | здесь возникает большинство ошибок |
| Цикл | правило остановки: когда считать задачу выполненной | здесь берутся счета за лишние действия |
Больше всего сил уходит на инструменты, а не на промпты. Агент ровно настолько полезен, насколько подробны и надёжны функции, которые ему дали. Модель, у которой есть только поиск в интернете, — это поисковик с пересказом. Модель, у которой есть доступ к вашим данным, — рабочий инструмент.
Что агенты делают в бизнесе
ИИ-агенты для бизнеса — это не «замена сотрудников», а снятие операций, которые человек делает механически и потому с ошибками.
- Разбор входящих обращений: прочитать письмо или заявку, определить тему, вытащить контакты, завести карточку, назначить ответственного.
- Сбор и сверка данных: раз в сутки обойти источники, свести цифры в одну таблицу, отметить расхождения.
- Мониторинг: следить за доступностью сайта, ценами конкурентов, позициями, упоминаниями бренда — и писать, только когда что-то изменилось.
- Подготовка документов: собрать счёт, акт, коммерческое предложение из данных, которые уже есть в системе.
- Первая линия поддержки: ответить на типовое, а нетиповое передать человеку с уже собранным контекстом.
Общее у всех задач: результат легко проверить. Там, где проверить результат трудно, агента ставить рано — вы не заметите, когда он начнёт ошибаться.
Пример: мой агент для аудита сайтов
Чтобы не рассуждать в пустоте — про агента, которым пользуюсь сам.
Задача: получить адрес сайта и вернуть отчёт о технических проблемах. Агент открывает сайт в браузере, обходит страницы, собирает коды ответов, заголовки, разметку, скорость загрузки, и на выходе даёт список проблем, отсортированный по влиянию.
Что оказалось важнее выбора модели:
Браузер съедает память, а не процессор. Агент крутится на сервере с 2 ядрами и 4 ГБ памяти. Chromium, который он поднимает для обхода страниц, занимает почти всю память один. Держать рядом что-то ещё — сборку сайта, вторую задачу — не выходит: система начинает выгружать память на диск, и обход, занимающий три минуты, растягивается на двадцать. Планировать ресурсы под агента с браузером надо по памяти.
Агент должен уметь продолжить, а не начать заново. Это я усвоил дорого. Скрипт сбора семантики опрашивал внешний API по списку из 182 запросов и записывал результат в конце. На середине списка API упёрся в почасовой лимит, вернул ошибку на всё оставшееся — и скрипт записал пустой файл поверх 2152 уже собранных фраз. Никакой ошибки при этом не произошло: программа отработала ровно так, как была написана.
Вывод простой и применим к любому агенту: пишите результат после каждого шага, а не в конце, и храните отметку о том, где остановились. Агент, который при перезапуске начинает с нуля, рано или поздно съест либо ваши данные, либо ваш бюджет.
Стоп-правило важнее промпта. Без явного ограничения на количество шагов агент способен ходить кругами: проверил, не понравилось, проверил ещё раз. Платите вы за каждый круг.
Где агент не нужен
Здесь я обычно теряю часть заказов, но говорить об этом честнее.
- Задача из трёх известных шагов. Выгрузить, преобразовать, загрузить — это сценарий на n8n или двадцать строк кода. Агент добавит стоимость, непредсказуемость и точку отказа.
- Нужен один и тот же результат каждый раз. Расчёт зарплаты, выставление счетов, любые операции с деньгами. Недетерминированность здесь — это дефект.
- Нет данных, к которым его подключить. Если сведения живут в голове сотрудника и в переписке, начинать надо не с агента.
- Некому проверять. Агент без выборочного контроля деградирует незаметно: он не сообщает, что стал ошибаться.
- Объём меньше нескольких десятков операций в месяц. Разработка и поддержка не окупятся.
Как выглядит внедрение
Внедрение автоматизации ломается обычно не на технике, а на порядке. Порядок, который у меня работает:
- Выбрать одну операцию, которую человек делает часто и по одному и тому же принципу. Не отдел, не процесс — одну операцию.
- Замерить её как есть: сколько раз в неделю, сколько минут занимает, сколько ошибок даёт. Без этого замера потом нечего сравнивать, и разговор о пользе превращается в спор о впечатлениях.
- Собрать самую простую версию и запустить её рядом с человеком: агент делает, человек проверяет и не переделывает вручную.
- Неделя параллельной работы. Считаем расхождения. Больше десяти процентов — возвращаемся к пункту 3.
- Передать операцию агенту, оставив человеку выборочную проверку и разбор исключений.
- Следующая операция. По одной, а не всё сразу: при одновременном запуске пяти агентов непонятно, какой из них сломался.
Польза агента считается тремя числами, снятыми до запуска и через месяц после.
Первое: время на операцию. Замеряется секундомером на десяти повторах, а не по памяти сотрудника — люди систематически занижают время рутины.
Второе: доля ошибок. Берём пятьдесят случайных результатов и проверяем вручную. У человека этот показатель почти никогда не равен нулю, и сравнивать агента надо именно с ним, а не с идеалом.
Третье: стоимость запуска. Оплата модели плюс сервер, делённые на число операций. Считать надо на реальном объёме: на тестовых десяти запусках цена за операцию всегда красивее.
Если экономия времени есть, а доля ошибок выросла вдвое, внедрение неудачно — независимо от того, насколько эффектно агент выглядит в демонстрации.
Частые вопросы
Заменит ли ИИ-агент сотрудника?
Целиком — почти никогда. Он забирает операцию, а не должность. Реалистичный результат: человек перестаёт тратить два часа в день на механическую работу и занимается тем, что требует решений.
Что дешевле: агент или сценарий в n8n?
Сценарий дешевле и в разработке, и в эксплуатации: он не платит за обработку текста моделью. Поэтому связка обычно смешанная — n8n держит расписание, передачу данных и уведомления, а модель вызывается только на том шаге, где нужно понять неструктурированный текст. Платить за модель там, где хватает условия «если», незачем.
Сколько времени занимает создание ИИ-агента?
Первая рабочая версия одной операции — от одной до трёх недель, если данные доступны и есть API. Основное время уходит на инструменты и на разбор исключений, а не на настройку модели. Если доступов нет, отсчёт начинается с их получения.
Насколько это безопасно для данных компании?
Зависит от того, что уходит наружу. Разумный минимум: агент получает только те данные, которые нужны для конкретной операции, доступы выдаются отдельным техническим пользователем с ограниченными правами, а действия пишутся в журнал. Отдельный вопрос — куда уходит текст запроса: если в компании есть требование не выпускать данные за периметр, модель нужна размещаемая на своём сервере, и это заметно меняет смету.
Можно ли сделать агента без программиста, на конструкторе?
Простой — можно: связка «триггер, вызов модели, запись в таблицу» собирается в n8n мышью. Сложности начинаются на второй неделе: обработка ошибок, повторные попытки, ограничение на число шагов, журнал действий. Ровно то, чего в конструкторных примерах обычно нет и что отличает демонстрацию от инструмента, который работает без присмотра.