Что такое ИИ-агент, если говорить языком бизнеса?
ИИ-агент это программа, в которой языковая модель получает цель, выбирает действия, выполняет их через инструменты и проверяет результаты, пока цель не достигнута. Инструменты это обычные программные интерфейсы: API вашей CRM, запрос к базе данных, отправка почты, система тикетов, файловое хранилище. Модель отвечает за суждение между шагами, инструменты позволяют что-то менять.
Именно это отличает ИИ-агентов для бизнеса и от чат-ботов, и от классической автоматизации. Чат-бот отвечает на вопросы. Автоматизация на правилах идет по заранее нарисованному маршруту. Агент берется за задачи, где маршрут зависит от того, что он находит по дороге: нестандартный запрос на возврат денег, лид с неполными данными, обращение в поддержку, на которое невозможно ответить без трех поисков. Разработка ИИ-агентов на заказ оправдана, когда такие решения встречаются часто, повторяются и сейчас отнимают часы у квалифицированных людей. Если вам нужны только ответы по базе знаний без действий в системах, более простое решение это чат-бот на ИИ, а отдельную функцию без автономных шагов мы делаем в рамках интеграции ИИ.
Где ИИ-агенты для бизнеса окупаются
ИИ-агенты лучше всего работают на ограниченных задачах с четкими критериями успеха, доступом к нужным данным и человеком, который может подхватить дело. Хуже всего они работают с размытыми целями вроде "увеличить продажи".
Хорошие первые кандидаты, которые мы видим:
- Сортировка и решение обращений в поддержку. Прочитать тикет, найти клиента и заказ, подготовить или отправить ответ, передать нестандартные случаи человеку. Смотрите наш гайд об ИИ-агентах для обслуживания клиентов.
- Продажи и работа с лидами. Дополнять входящие лиды данными из открытых источников, квалифицировать их по вашим критериям, создавать записи в CRM и готовить первый ответ, который утверждает человек.
- Обработка в бэк-офисе. Читать счета, договоры или заявки, сверять их с правилами и другими записями и готовить дело к подписанию.
- Внутренние ассистенты поверх корпоративных систем. Отвечать на "какой статус проекта X" или "запиши два часа на эту задачу", обращаясь напрямую к доске проектов, трекеру времени и документам.
- Операционная диспетчеризация. Превращать сигналы (аварии, показания датчиков, входящие заказы) в задачи и распределять их с учетом занятости и правил.
Если задачу можно описать фиксированной блок-схемой без каких-либо решений по ходу, агент вам, скорее всего, не нужен. Обычная автоматизация бизнес-процессов с ИИ или даже традиционная интеграция будет дешевле и предсказуемее.
Из чего состоят агенты, которые мы строим
Каждый ИИ-агент, которого мы разрабатываем на заказ, имеет одинаковые пять частей. Модель только одна из них.
- Инструменты. Небольшие типизированные функции, которые агент может вызвать:
find_customer,create_refund_draft,send_email. Каждый инструмент сам проверяет входные данные и права доступа, так что запутавшаяся модель не сможет обойти бизнес-правила. - Контекст и память. То, что знает агент: текущая задача, найденные документы (через RAG), история этого дела и релевантные долгосрочные факты. Память хранится в вашей базе данных, а не внутри модели.
- Оркестрация. Цикл, который передает модели цель и контекст, выполняет выбранный инструмент, возвращает результат и решает, когда остановиться. Мы устанавливаем лимиты шагов и тайм-ауты, чтобы агент не мог зациклиться или набрать большой счет за токены.
- Подтверждение и передача человеку. Правила, какие действия выполняются автоматически, какие ждут человека, а какие запрещены, плюс удобный способ передать дело человеку с полным контекстом.
- Наблюдаемость. Журнал каждого шага (промпт, вызов инструмента, аргументы, результат, стоимость), который ваша команда может просматривать, искать и воспроизводить.
Уровни автономности и подтверждение человеком
Уровень автономности мы согласовываем для каждого действия, а не для агента в целом. Большинство агентов, которых мы запускаем, сочетают несколько уровней.
| Уровень | Что делает агент | Типичное применение |
|---|---|---|
| Предлагает | Готовит черновик, выполняет человек | Ответы клиентам в первые недели, изменения в договорах |
| Действует после подтверждения | Выполняет после того, как человек нажмет "подтвердить" | Возвраты денег, скидки, письма новым контактам |
| Действует и отчитывается | Выполняет, человек просматривает ежедневный журнал | Теги, обновления записей, внутренние уведомления |
| Действует незаметно | Выполняет в строгих рамках | Поиск, дополнение данных, запросы только на чтение |
| Никогда | Инструмент агенту недоступен | Удаление, платежи сверх лимита, изменение прав доступа |
Обычно агенты стартуют на уровень ниже, чем хочет бизнес, и поднимаются выше, когда журналы подтверждают их надежность.
MCP-серверы и доступ к инструментам
Model Context Protocol (MCP) это открытый стандарт, который дает моделям ИИ доступ к инструментам и данным. Вместо того чтобы вручную подключать каждого агента к каждой системе, вы один раз строите MCP-сервер для системы, и любой совместимый агент или ассистент может пользоваться им в определенных правах.
Мы строим MCP-серверы для собственных продуктов, в частности для нашей внутренней доски проектов и CMS сайта, и каждый день используем их с ИИ-агентами в своем процессе разработки. Этот опыт определяет, как мы проектируем инструменты для клиентов: узкие функции с говорящими названиями, явные границы прав, аутентификация по API-ключу или на уровне пользователя и ответы, достаточно короткие, чтобы модель не утонула в данных. Наш гайд что такое MCP-сервер объясняет, когда продукту он нужен. Если MCP-сервер нужен вашему собственному продукту, смотрите нашу услугу разработка MCP-серверов.
Оценка: как мы знаем, что агент работает
Агент без набора тестов для оценки это демо. До запуска мы пишем тестовые сценарии на основе реальных случаев: входные данные, инструменты, которые агент должен вызвать, инструменты, которые он вызывать не должен, и приемлемые результаты. Набор запускается при каждом изменении промпта, инструмента или модели.
После запуска мы отслеживаем долю выполненных задач, долю вмешательств человека, среднее количество шагов и стоимость задачи. Рост доли вмешательств это самый ранний сигнал, что что-то изменилось: в ваших данных, в поведении пользователей или в новой версии модели от провайдера.
Процесс и сроки
Разработка ИИ-агента на заказ обычно длится 6-12 недель для первого агента в продакшене, который покрывает один рабочий процесс.
| Этап | Длительность | Результат |
|---|---|---|
| Оценка объема | 1-2 недели | Карта процесса, список инструментов, уровни автономности, набор для оценки, фиксированная цена |
| Инструменты и доступ к данным | 2-3 недели | Слой инструментов или MCP-сервер, права доступа, тестовая среда |
| Цикл агента и промпты | 1-3 недели | Рабочий агент в тестовой среде, который проходит тестовые сценарии |
| Пилот с подтверждением | 2-3 недели | Агент на реальных данных в режиме "предлагает" или "действует после подтверждения" |
| Повышение автономности | Постоянно | Уровни повышаются для каждого действия отдельно на основе журналов |
Строить тестовую реализацию с тем же интерфейсом, что и настоящая интеграция, это наша привычка во всех проектах: наша CRM для доставки цветов запускала каждую интеграцию в тестовом режиме, пока не пришли настоящие учетные данные, так что весь процесс можно было тестировать с первого дня. Для агентов именно в такой тестовой среде безопасно прогоняются тестовые сценарии.
Сколько стоит разработка и работа ИИ-агента
Фиксированную цену мы даем после короткого разговора для оценки объема. Объем разработки зависит от того, сколько инструментов нужно агенту, сколько внутренних систем он охватывает, нужно ли строить для них MCP-серверы и сколько интерфейса подтверждения, панелей просмотра и общей памяти требует процесс. Агент для одного процесса с несколькими инструментами это гораздо меньший проект, чем платформа для нескольких агентов с общими правами доступа и аналитикой.
Расходы на работу считаются отдельно: токены модели (агенты тратят больше токенов на задачу, чем чат-боты, из-за многошаговых циклов), хостинг и мониторинг. Следить стоит за стоимостью задачи, а не за стоимостью месяца. У нас ИИ-агент стоит от 10 000 USD, а наш гайд о стоимости разработки ИИ-агента разбирает, что лучше, разработать или купить, и из чего складываются ежемесячные расходы. Как мы выглядим рядом с другими командами, показывает наш обзор лучших компаний по разработке ИИ-агентов, а если вы выбираете среди украинских команд, посмотрите сравнение компаний по разработке ИИ-агентов в Украине с DataRoot Labs, BotsCrew, SoftServe и другими.
Почему стоит выбрать нас для разработки ИИ-агентов
- Мы строим сложные ИИ-конвейеры от начала до конца. Для американского стартапа в сфере grief-tech мы создали AI Grief Companion: прием десяти форматов чатов, цепочка из семи типов контрактов между CPU- и GPU-воркерами, дообучение LoRA, память на RAG и граф фактов в Neo4j, где чат плавно переходит к тому этапу, который уже готов.
- Мы создавали автономную диспетчеризацию задач. Наш собственный R&D-прототип роя дронов превращает анализ полей в задачи, которые флот подхватывает без диспетчера, как только освобождается аппарат.
- Мы знаем операционные инструменты. Для команды поддержки телеком-компании во Франции мы построили систему задач и тикетов, которая принимает аварийные сигналы от сторонних систем, распределяет работу по ролям и отправляет автоматические уведомления. Именно к таким системам подключаются агенты.
- Мы сами работаем с агентами. В нашей разработке ИИ-агенты для написания кода работают под надзором senior-инженеров через MCP-серверы, которые мы построили для собственной доски проектов и CMS.
Следующий шаг
Опишите один рабочий процесс, который вы хотите поручить агенту, системы, которые он затрагивает, и во сколько вам обойдется ошибочное действие. За короткий разговор мы скажем, правильный ли тут инструмент агент, какой уровень автономности реалистичен на старте и что охватит фиксированная цена после оценки объема. Напишите нам, чтобы начать.