Разработка и внедрение ИИ-агентов

Спрос на агентов растёт быстрее, чем формируется практика их эксплуатации: по Яндекс Wordstat запрос «ии агенты для бизнеса» при точном соответствии собирает около 533 показов в месяц по России, «создание ии агента» — 239, «разработка ии агентов» — 81. По широкому соответствию тот же запрос за год вырос примерно вдвое: с 562 показов в августе 2025 года до 1 081 в июле 2026. При этом большая часть публичных материалов описывает, как агента собрать, и почти ничего — как ограничить его права и что делать, когда он ошибётся.

Мы разбираем задачу с другой стороны. Агент — один из самых дорогих способов автоматизации, потому что к стоимости разработки добавляется постоянная стоимость контроля. Он оправдан там, где шаги заранее неизвестны, и не оправдан там, где их можно перечислить.

Какие задачи закрывает агент

Ниже — типовые сценарии, а не отчёты о наших внедрениях: собственные кейсы мы опубликуем, когда сможем показать проверяемые цифры.

1. Разбор входящего потока

Обращения приходят почтой, из формы и мессенджеров. Агент определяет тип обращения, достаёт из него сущности, находит клиента в CRM, дополняет карточку и передаёт человеку то, что не смог закрыть сам, — с уже собранным контекстом.

2. Сверка данных между системами

Расхождение между CRM, учётной системой и файлом от контрагента ищется не глазами. Агент запрашивает обе стороны, находит несовпадения и готовит список расхождений; исправление остаётся за сотрудником.

3. Подготовка документа по правилам компании

Коммерческое предложение, спецификация, ответ на типовой запрос собираются из действующих шаблонов и актуальных данных. Проверка перед отправкой — за человеком.

4. Доведение задачи до конца в нескольких системах

Там, где сотрудник открывает четыре окна и переносит данные руками, агент выполняет ту же последовательность и останавливается на шаге, требующем решения.

Как устроен агент

Агент — это не модель, а связка из четырёх частей: инструменты (разрешённые операции в ваших системах), контекст (данные и правила, которые он вправе видеть), политика (что можно делать самостоятельно, а что — только с подтверждением) и журнал (что было сделано и почему). Модель отвечает лишь за выбор следующего шага и легко заменяется; всё остальное — это и есть проект.

Один агент или мультиагентная система

Мультиагентная система — несколько специализированных агентов с общим оркестратором: один ищет, другой проверяет, третий выполняет. Схема оправдана, когда роли действительно разные и каждой нужен свой набор прав: узкий доступ проще проверить и безопаснее выдать.

Она же заметно повышает стоимость отладки. Ошибка в такой системе может возникнуть не внутри агента, а между агентами — при передаче неполного контекста, и воспроизводится хуже. Поэтому мы начинаем с одного агента и вводим второго тогда, когда для него есть отдельная зона ответственности и отдельные права, а не потому, что архитектура выглядит современнее.

Где живёт модель

Выбор между внешним API и моделью на вашем контуре определяется данными, которые увидит агент, а не производительностью. Требования к контуру, правовое основание, локализация и обезличивание разобраны в материале «Данные и безопасность AI-проекта».

Что входит в пилот и что вы получаете

Пилот ограничен одним сценарием, одной-двумя системами и фиксированным набором разрешённых операций.

Что делаем мы: описываем сценарий и границу ответственности агента, согласуем список операций и то, какие из них требуют подтверждения, собираем агента и подключаем системы в тестовом контуре, прогоняем контрольный набор задач, отдельно проверяем поведение на подставных данных и некорректном вводе, показываем разбор ошибок и стоимость выполнения одной задачи.

Что нужно от вас: владелец процесса, доступ к тестовому контуру систем, правила, по которым сегодня работает сотрудник, и согласование того, какие действия агент не выполняет без подтверждения.

Что остаётся у вас после пилота: работающий агент на выбранном сценарии, перечень его прав, журнал действий, контрольный набор задач с результатами, измеренная стоимость одной задачи и решение о расширении.

Критерий приёмки: на контрольном наборе доля верно закрытых задач не ниже согласованного порога, а необратимых действий без подтверждения человеком нет полностью — второе условие важнее первого и не компенсируется первым.

Из чего складывается стоимость

Стартовая цена реализации — от 100 000 ₽: один сценарий, одна система, ограниченный набор операций.

Отдельно считается эксплуатация: обращения к модели оплачиваются за объём, и у агента этот объём выше, чем у чат-бота, — он делает несколько шагов на одну задачу. Стоимость одной выполненной задачи мы измеряем на пилоте и показываем до решения о масштабировании.

Контроль, права и безопасность

Это тот раздел, из-за которого проект чаще всего оказывается сложнее ожидаемого. Агент действует в ваших системах, поэтому ограничения задаются архитектурой, а не формулировкой запроса.

Принципы, общие для любой автоматизации с ИИ, — обязательная проверка человеком в чувствительных решениях и запрет на скрытую подмену ответственного — описаны в материале «Автоматизация бизнес-процессов с ИИ».

По каким метрикам принимаем решение

Доля задач, переданных человеку, — не признак неудачи. Агент, который не останавливается никогда, просто не распознаёт случаи, где ошибётся.

Чего мы не обещаем до анализа

Куда идти дальше

• Автоматизация обработки первичных документов — если поток документов повторяемый, начинать стоит с него, а не с агента.
• Корпоративный поиск и база знаний — если нужны ответы по документам без действий в системах.
• Речевая аналитика звонков — разбор разговоров и заполнение CRM по итогам звонка.
• Повышение производительности сотрудников — направление, в которое чаще всего попадает эффект от агента.
• Как выбрать первую задачу для ИИ — пять признаков пилота, который можно честно измерить.
• Внедрение ИИ в компании — этапы, роли, бюджет и типовые причины остановки проектов.