ИИ-агенты для бизнеса: что это, как работают и как внедрить

За интересом к ИИ-агентам стоит конкретный вопрос владельца бизнеса: можно ли поручить программе не просто отвечать, а делать работу — найти клиента в CRM, проверить остаток, выставить счёт, разобрать заявку. Можно, но в узких рамках, и граница проходит не там, где её рисуют презентации поставщиков.

Материал для владельцев, руководителей отделов и маркетологов, которые решают, внедрять ли агента. Ниже — устройство без жаргона, отличия от чат-бота и ассистента, сценарии по отделам, способы сборки, пошаговый план, расчёт окупаемости на цифрах, риски и требования 152-ФЗ.

Что такое ИИ-агент: исполнитель, который сам ведёт задачу

ИИ-агент — это программа на основе большой языковой модели, которая получает цель, сама планирует шаги, вызывает внешние инструменты (CRM, почту, базу данных, поиск) и проверяет результат, пока цель не достигнута или не сработало стоп-условие. Человек говорит «подготовь предложение для этого клиента», а не диктует каждое действие.

Чёткое разграничение дали инженеры Anthropic в материале «Building effective agents» (декабрь 2024 года). В workflow модель и инструменты связаны заранее прописанными в коде путями. В агенте модель сама управляет ходом работы и использованием инструментов. Возьмём обращение «Где мой заказ и можно ли поменять адрес?». Сценарий пройдёт по готовой цепочке: распознал намерение, спросил номер, показал статус. Агент построит маршрут сам: найдёт заказ, увидит статус «передан курьеру», сверится с регламентом, предложит пункт выдачи и создаст задачу оператору.

Гибкость стоит денег и рисков. Те же авторы советуют начинать с самого простого решения: агентные системы платят за самостоятельность задержкой и стоимостью, а многим задачам хватает одного обращения к модели с поиском по базе знаний.

Как агент принимает решения: цикл «план — действие — проверка»

Внутри агента нет «разума» в человеческом смысле, есть повторяющийся цикл, и его шаги объясняют и сильные стороны агента, и сбои.

1. Цель и контекст. В модель уходит инструкция (системный промпт: роль, правила, ограничения), задача и описания инструментов.
2. План. Модель решает, какой шаг сделать следующим.
3. Действие. Модель формирует запрос на вызов инструмента: название и параметры. Сама она ничего не запускает, запрос исполняет ваш код или платформа. В документации GigaChat это сказано прямо: модель решает, нужна ли функция, а вызываете её вы.
4. Наблюдение. Результат возвращается в контекст: карточка клиента, статус заказа, текст ошибки.
5. Проверка. Цель достигнута — конец. Нет — новый виток. Тупик — передача человеку.

Anthropic рекомендует, чтобы на каждом шаге агент получал «ground truth» из среды, то есть реальный результат вызова, а не собственные догадки. Это защита от выдумок: пока агент опирается на ответы систем, он привязан к фактам. Вторая рекомендация — стоп-условия: максимум итераций, потолок по токенам и времени. Иначе агент способен сорок раз подряд искать то, чего нет в базе, и платить за каждый виток.

Один агент или цепочка: паттерны планирования

Те же авторы описывают пять схем: цепочка шагов с проверками между ними; маршрутизация, когда простые запросы идут дешёвой модели, а сложные мощной (один из рычагов экономии); параллельная работа; оркестратор и исполнители, когда состав подзадач заранее неизвестен; автор и рецензент, где одна модель пишет, а другая оценивает. Начинайте с одного агента и трёх-пяти инструментов: мультиагентные схемы усложняют отладку и умножают расход токенов.

Инструменты и MCP: чем агент действует во внешнем мире

Инструмент — это функция с названием, описанием и схемой параметров. Модель выбирает её, читая описание, поэтому текст описания влияет на поведение сильнее, чем кажется: Anthropic советует уделять ему столько же внимания, сколько основному промпту, и чётко разграничивать похожие функции.

По характеру действий инструменты делятся на читающие (поиск по базе знаний, статус заказа), пишущие (создать сделку, отправить письмо, выставить счёт) и вычисляющие (расчёт цены или доставки). Ошибка читающего инструмента стоит одного неверного ответа, пишущего — события в реальной системе, поэтому контроль строится вокруг них. С системами компании инструменты связывает API.

Когда подключений много, под каждую пару «модель — система» нужен отдельный код. Это решает MCP (Model Context Protocol) — открытый стандарт подключения ИИ-приложений к внешним системам; его авторы сравнивают протокол с портом USB-C. Система один раз выставляет MCP-сервер, и любой совместимый агент им пользуется. У Битрикс24 есть собственный MCP-сервер: внешний агент ищет информацию, обновляет данные, создаёт задачи и сделки, но только по команде сотрудника и в рамках его прав. В Yandex AI Studio есть MCP Hub, а в документации Сбера разобран пример агента GigaChat с MCP-сервером.

Чем меньше инструментов, тем надёжнее агент: для первого процесса хватит трёх-пяти хорошо описанных. Если подключить сорок, растёт риск, что модель выберет не тот.

Память агента: контекст диалога, база знаний и история клиента

Контекст — всё, что уходит в модель в текущем обращении: инструкция, переписка, результаты инструментов. Окно ограничено, поэтому историю обрезают. В n8n, например, узел простой памяти хранит заданное число последних взаимодействий, а в документации предупреждают: в режиме очередей (queue mode) узел в рабочем процессе не работает: нельзя гарантировать, что все обращения к памяти попадут на один и тот же обработчик (worker).

Долгая память лежит вне модели: история клиента в CRM, регламенты, прайс, FAQ. Для поиска по документам используют векторный индекс, и агент опирается на найденные фрагменты (в профессиональной среде это называют RAG).

Правило источника истины: цены, остатки, сроки и условия акций агент берёт из системы через инструмент, а не «из головы» модели. Без источника модель отвечает уверенно и неверно. У базы знаний должен быть владелец: устаревший регламент агент повторит тысячу раз. И всё, что записано в память, может содержать персональные данные клиента, то есть подпадает под 152-ФЗ.

Где в схеме человек: подтверждения, лимиты и передача оператору

Полная автономия — режим, который заслуживают отдельные процессы, а не цель по умолчанию. Anthropic описывает рабочую схему так: агент возвращается к человеку на контрольных точках и при блокировках. На практике это четыре уровня.

1. Подсказка. Агент готовит черновик, человек проверяет и отправляет.
2. Действие с подтверждением. Агент создаёт сделку или письмо, менеджер нажимает «подтвердить».
3. Самостоятельно в лимитах. Скидка до заданного процента, возврат до заданной суммы, типовые ответы. Всё сверх лимита уходит человеку.
4. Полная автономия. Только для обратимых действий с малой ценой ошибки.

Триггеры передачи человеку прописывают заранее: низкая уверенность, жалоба или раздражённый тон, сумма выше порога, просьба позвать человека, любое необратимое действие. Оператор получает выжимку диалога, и клиенту не нужно пересказывать всё заново. Каждый шаг агента (инструмент, параметры, ответ) пишется в журнал: без него спорный случай не разобрать. Автономию повышайте по метрикам: если на втором уровне агент месяц подряд даёт решения без правок, лимиты можно расширять.

Агент, чат-бот и ассистент: сравнение в одной таблице

Рынок называет «ИИ-агентом» всё, что связано с нейросетью, и вы рискуете купить бота с красивым названием: переименовать чат-бота или RPA-робота в «агента» проще, чем сделать агента.

Агент не всегда лучше. Для записи на услугу бот надёжнее и дешевле: маршрут известен, ошибиться почти негде. Агент оправдан, когда путь решения нельзя прописать в сценарии и нужно действовать сразу в нескольких системах. Подробнее о понятиях — в глоссарии: чат-бот и AI-ассистент. Как выбрать платформу для бота в Telegram, VK, MAX или на сайте, разобрано в статье «Как сделать чат-бота для бизнеса».

Что агент делает в отделах компании: от поддержки до HR

У каждого отдела свои данные, допустимые риски и метрики. Вот что реально поручают агентам и что остаётся людям.

Там, где задействованы деньги, агент получает чтение и право готовить черновики, а платёж проводит человек. Решения о кандидатах и клиентах, которые затрагивают их права, нельзя отдавать агенту целиком — причины в разделе о 152-ФЗ.

Как измерить эффект: пример из продаж

Допустим, из 500 заявок в месяц 100 приходят вечером и ночью, а менеджер отвечает утром. Если ответ за минуту поднимет конверсию этой сотни в оплату с 5% до 8%, это три сделки в месяц, а при чеке 12 000 ₽ — 36 000 ₽ выручки. Цифры условные: свои получите, сравнив группы заявок «с агентом» и «без». Связку агента с CRM и 1С мы делаем в рамках услуги внедрения и автоматизации CRM и ERP.

Платформы и способы сборки: от встроенных функций до заказной разработки

Способов пять, и они различаются тем, сколько вы контролируете и сколько работы берёте на себя.

Выбор строится на четырёх вопросах. Где хранятся данные и работает модель: при персональных данных это вопрос законности. Какие нужны интеграции: готовые коннекторы не покрывают самописные системы. Кто будет сопровождать: конструктор без владельца превращается в набор сломанных сценариев. Что будет при смене провайдера: промпты, тесты и описания инструментов должны лежать у вас. Когда платформы упираются в потолок, задачу переводят на разработку — такие проекты мы делаем в рамках сложной разработки: SaaS, маркетплейсов и приложений.

Как создать ИИ-агента самому: прототип в визуальном конструкторе

Честный ответ на вопрос «как создать ИИ-агента»: прототип собирается за вечер, рабочий агент — нет. Порядок одинаков для n8n, Dify и аналогов.

1. Одна задача с проверяемым результатом. Например: по входящей заявке найти клиента в таблице и предложить ответ менеджеру. «Автоматизировать продажи» — не задача.
2. Платформа. Облако или свой сервер. Dify Community Edition ставится через Docker Compose и требует минимум 2 ядра процессора и 4 ГБ памяти; n8n запускается через Docker.
3. Триггер и агент. Сообщение в Telegram, письмо или форма запускают узел агента с подключённой моделью. В n8n агенту нужен минимум один инструмент, без него узел AI Agent не работает.
4. Два-три инструмента. Имена вроде «найти_клиента_по_телефону» и «создать_задачу», в описании — когда применять и что вернётся. Пишите так, будто объясняете новому сотруднику.
5. Системный промпт и лимиты. Роль, цель, что разрешено и запрещено, условия передачи человеку, потолок итераций и токенов, запрет записи в боевые системы.
6. Проверка на 20–30 реальных обращениях, включая неудобные: пустые данные, грубый тон, попытка заставить агента «забыть инструкции».

Прототип отвечает на вопрос «работает ли идея», но не «можно ли выпускать к клиентам». За рамками остаются журналирование, мониторинг, права доступа, резервные копии, хранение персональных данных в России, сбои провайдера и регрессионные тесты. Для этого нужен инженер.

Внедрение по шагам: от выбора процесса до рабочего режима

Какой процесс отдать агенту первым: семь признаков

Если «да» пять-шесть из семи, процесс подходит.

1. Повторяется достаточно регулярно, чтобы экономия была заметна.
2. Есть описание, как делает человек, и примеры верных результатов.
3. Данные лежат в системах, а не в головах сотрудников.
4. Цена ошибки ограничена, действие обратимо.
5. Есть метрика результата.
6. Маршрут не помещается в жёсткий сценарий (иначе хватит бота или обычной автоматизации).
7. У процесса есть владелец со стороны бизнеса.

Если «нет» на четвёртом пункте, начинайте с режима подсказок.

Восемь шагов от идеи до запуска

1. Процесс и метрика. Например, доля обращений, закрытых без оператора.
2. Процесс «как есть». Шаги, исключения, кто решает. Соберите 50–100 обезличенных примеров с верными результатами.
3. Данные. Очистите базу знаний, обновите прайс и регламенты, назначьте владельца.
4. Способ сборки и модель. Здесь же проверьте требования 152-ФЗ.
5. Прототип и тестовый набор. Примеры из второго шага станут эталоном.
6. Режим «тени». Агент работает параллельно с человеком, клиенты его ответов не видят.
7. Ограниченный запуск. Одна категория обращений, второй уровень автономии.
8. Сопровождение. Разбор диалогов, обновление базы знаний, прогон тестов перед любым изменением.

Основные задержки создаёт не техника, а подготовка данных и согласование регламентов: закладывайте на них время и людей отдельно.

Из чего складывается стоимость ИИ-агента

В смете пять статей, и две последние обычно забывают.

• Разработка — разбор процесса, инструкции, интеграции, тесты; платится один раз, цену двигает число интеграций. Для ориентира: на странице BigPanda о чат-ботах пакет «Продвинутый бот с AI» (ИИ-консультант, поиск по базе знаний, вызов функций) начинается от 350 000 ₽.
• Токены — плата за каждое обращение к модели; у агента выше, чем у бота: на задачу приходится несколько обращений.
• Инфраструктура — сервер, база, векторный индекс, резервные копии.
• Сопровождение — разбор диалогов, база знаний, правки инструкций, тесты при смене модели.
• Время ваших сотрудников — сбор примеров, проверка ответов, согласование регламентов. В смете подрядчика этой статьи обычно нет, но без неё запуск встаёт.

Сколько стоят токены: тарифы Yandex AI Studio

Берём публичный прайс Yandex AI Studio на октябрь 2026 года (рубли с НДС за 1000 токенов). У других провайдеров схема та же: вход и выход оплачиваются отдельно, старшие модели дороже младших в разы.

Инструменты тарифицируются отдельно: веб-поиск — 915 ₽ за 1000 запросов, поиск по файлам — 300 ₽; вызовы MCP отдельной платы не требуют.

Почему агент дороже бота: расчёт на одном диалоге

Каждый виток цикла заново отправляет в модель инструкцию, историю и найденные фрагменты. Допустим, на диалог приходится 4 обращения к модели, в каждом 6000 токенов на входе и 300 на выходе.

• YandexGPT Pro 5.1: 4 × 6300 токенов × 0,8 ₽ ÷ 1000 ≈ 20 ₽ за диалог, на 3000 диалогов — около 60 000 ₽ в месяц.
• Alice AI LLM Flash: 4 × (6000 × 0,1 + 300 × 0,2) ÷ 1000 ≈ 2,6 ₽ за диалог, на 3000 диалогов — около 8 000 ₽.

Разница почти в восемь раз, поэтому маршрутизация окупается в первый же месяц.

Окупаемость на цифрах: расчёт для службы поддержки интернет-магазина

Допустим, магазин получает 3000 обращений в месяц, их обрабатывают три оператора по 75 000 ₽ с налогами — 225 000 ₽. Агент закрывает самостоятельно 40% обращений, то есть снимает 40% нагрузки: 90 000 ₽ в месяц. Деньгами это станет, если вы не нанимаете четвёртого оператора при росте или переводите людей на продажи и сложные случаи.

Расходы допустим такими: разработка с интеграцией в CRM и учётную систему — 400 000 ₽ единоразово; токены с маршрутизацией — 20 000 ₽ в месяц; сопровождение — 25 000 ₽ в месяц. Итого 45 000 ₽ ежемесячно, чистый эффект 45 000 ₽, окупаемость 400 000 ÷ 45 000 ≈ 9 месяцев. Главный рычаг — доля обращений, закрытых без человека. Меняем её, остальное оставляем:

Ниже 20% агент не покрывает собственных расходов, а между 25% и 40% окупаемость сжимается с трёх лет до девяти месяцев. Поэтому до разработки возьмите 100 реальных обращений и отметьте, сколько из них закрылось бы базой знаний и статусом заказа. Если меньше пятой части, агента строить рано. Экономику по каналам в целом разбирает материал про юнит-экономику.

Риски агента: ошибки модели, подмена инструкций и лишние права

У агента рисков больше, чем у бота, потому что ошибка превращается в действие. Пять рисков ниже стоит закрыть до запуска, а не после первого инцидента.

Три строки совпадают с рейтингом OWASP Top 10 for LLM Applications 2025 (LLM01 Prompt Injection, LLM06 Excessive Agency, LLM10 Unbounded Consumption). Теперь арифметика: допустим, на каждом шаге агент ошибается в 5% случаев; после пяти шагов без единой ошибки пройдёт 0,95 в пятой степени, около 77% задач. Поэтому короткие цепочки и проверки между шагами важнее «умной» модели. А если агент пообещал клиенту скидку, спор будет с компанией: суммы и сроки он берёт только из систем.

ИИ-агент и 152-ФЗ: хранение данных, зарубежные модели и решения без человека

Агент почти всегда работает с персональными данными: имя, телефон, история заказов и переписка, где клиент сам пишет лишнее. Вы остаётесь оператором, и ответственность лежит на вас, как бы ни называлась платформа. Ниже — нормы, которые затрагивают агента чаще остальных; это обзор, а не юридическая консультация.

Где хранятся диалоги: локализация

Часть 5 статьи 18 запрещает записывать, хранить, накапливать и извлекать персональные данные граждан России с использованием баз данных за пределами РФ (с исключениями, перечисленными в законе). История диалогов, логи, профили и векторный индекс с данными клиентов должны лежать на серверах в России.

Зарубежная модель — это трансграничная передача

Если агент отправляет персональные данные в модель иностранного провайдера, это трансграничная передача по статье 12: статья 3 называет так передачу данных на территорию иностранного государства иностранному юрлицу, физлицу или органу власти. До начала передачи нужно получить от получателя сведения о мерах защиты и уведомить Роскомнадзор. В страны вне перечня с адекватной защитой передавать данные до истечения срока рассмотрения уведомления (десять рабочих дней) нельзя. В июле 2026 года в статью 12 внесли поправки (Федеральный закон от 26.07.2026 № 265-ФЗ), поэтому сверяйтесь с действующей редакцией. Практичный путь — российские модели и маскирование: имя и телефон заменяются метками, настоящие значения подставляются обратно в вашем контуре. Маскирование не отменяет остального: клиент может написать паспортные данные прямо в свободном тексте.

Подрядчик и провайдер — обработчики по поручению

Если часть обработки выполняет разработчик или провайдер, оформляется поручение (часть 3 статьи 6): договор с перечнем данных, действий и целей, обязанностью соблюдать конфиденциальность и подтверждать выполнение требований. Перед клиентом за обработчика отвечает оператор (часть 5 статьи 6). Согласие на обработку оформляется отдельно от иных документов (статья 9); в политике укажите обработку с использованием ИИ. Обязанности писать в диалоге «вы общаетесь с ИИ» в 152-ФЗ нет, но пометка снижает число конфликтов.

Решения без человека: статья 16

Закон запрещает принимать решения, которые порождают юридические последствия для человека или иным образом затрагивают его права, исключительно на основании автоматизированной обработки персональных данных. Исключение — письменное согласие или случаи, предусмотренные федеральными законами. Оператор должен объяснить порядок решения, дать возможность возразить и рассмотреть возражение в течение 30 дней. Поэтому автоматический отказ в рассрочке, блокировку аккаунта или отказ кандидату оставляйте человеку, а агенту поручайте подготовку данных.

Утечки: сроки уведомления и штрафы

При неправомерной или случайной передаче данных, повлёкшей нарушение прав субъектов, оператор обязан уведомить Роскомнадзор в течение 24 часов с момента выявления инцидента и в течение 72 часов сообщить результаты внутреннего расследования (часть 3.1 статьи 21).

Штрафы юрлицам по статье 13.11 КоАП в этой связи: за хранение данных граждан РФ в базах за рубежом (часть 8) — от 1 до 6 млн ₽, при повторном нарушении (часть 9) — от 6 до 18 млн ₽; за неуведомление или опоздание с уведомлением Роскомнадзора об инциденте (часть 11) — от 1 до 3 млн ₽; за утечку (части 12–14) — от 3 до 15 млн ₽ в зависимости от числа затронутых субъектов (от 1000 до 10 000, от 10 000 до 100 000, более 100 000); при повторе (часть 15) — от 1 до 3% выручки, но не менее 20 и не более 500 млн ₽.

Отдельно о регулировании самого ИИ: с 1 сентября 2026 года действует рамочный Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации», часть его норм вступает в силу с 1 марта 2027 года. Он касается больших фундаментальных моделей: закрепляет статусы «суверенных» и «национальных» моделей, меры поддержки их разработчиков и право Правительства определить случаи, когда допускается применение только таких моделей. Прямых обязанностей для компании, которая использует готовую модель в своих процессах, в тексте закона нет, но решения Правительства стоит отслеживать. Общие требования к защите данных на сайте разобраны в статье «Защита персональных данных по 152-ФЗ: инструкция для сайта 2026».

Где агентов ломают на практике: семь ошибок внедрения

1. Универсальный сотрудник вместо процесса. «Пусть агент занимается клиентами» ведёт к размытым правилам. Берите один процесс с метрикой.
2. Нет источника истины. Без базы знаний и доступа к учётной системе модель придумывает цены и сроки.
3. Нет тестового набора. Поменяли инструкцию, «вроде лучше», а три старых сценария сломались. Набор из 50–100 примеров прогоняйте перед каждым изменением.
4. Слишком много прав на старте. Начинайте с чтения и подтверждений.
5. Не посчитали токены. Контекст растёт с каждым витком, без маршрутизации и лимитов счёт выходит в разы выше плана.
6. Нет владельца. База знаний устаревает, диалоги никто не разбирает, и через пару месяцев агента отключают.
7. Нет выхода к человеку. Клиент застрял в диалоге и не может позвать оператора. Кнопка «позвать человека» должна работать всегда.

Когда звать подрядчика и что у него спросить

Своими силами справляются, если агент работает в одном отделе, без персональных данных, с обратимыми действиями и на готовой платформе. Подрядчик нужен при любом из условий: интеграции с CRM, 1С или собственными системами; персональные данные в диалогах; нагрузка, которую прототип не выдержит; нет своих инженеров для тестов и сопровождения. До договора спросите исполнителя:

• Какую метрику фиксируем до запуска и как её будем измерять?
• Кто собирает тестовый набор и как он устроен?
• Где хранятся данные, какие модели используются и где они работают?
• Какие права у агента в наших системах и как они ограничены?
• Что мы получим по завершении: промпты, описания инструментов, тесты, доступы?

Мы разрабатываем ИИ-консультантов и агентов в рамках услуги разработки чат-ботов и ИИ-решений: от разбора процесса и расчёта окупаемости до интеграций, тестов и сопровождения. Если у агента будет точка входа на сайте — чат, форма, виджет, — начните с бесплатного аудита сайта: он покажет, где теряются обращения, и даст точку отсчёта «до» для расчёта эффекта.

Частые вопросы