Агент, бот, макрос, скрипт: чем они реально отличаются

В 2023–2024 годах маркетинг сломал границы между четырьмя разными вещами. Продавцы называют «AI-агентом» то, что раньше было макросом в браузере, а автоматизацию рассылок продают как «автономного бота». Разница не косметическая: она определяет, насколько система способна сама решать, что делать дальше, кто отвечает за её ошибки и сколько это стоит в поддержке. Разберём четыре термина по одним и тем же признакам, чтобы вы могли услышать «агент» в питче и понять, продают вам LLM с инструментами или переименованный cron-скрипт.

Четыре понятия по одной шкале

Все четыре объекта делают одно общее дело — выполняют действия без участия человека в моменте. Но различаются по двум осям: насколько жёстко задан сценарий и умеет ли система менять план на основе того, что получила на предыдущем шаге.

• Скрипт — заранее записанная последовательность команд. Запустили — выполнилась сверху вниз. Ветвления есть, но все прописаны руками автора.
• Макрос — тот же скрипт, но обычно записанный поверх интерфейса: повтор действий пользователя в Excel, браузере, графическом редакторе. Часто вообще без кода — «запись макроса» кнопкой.
• Бот — программа, которая реагирует на события и ведёт диалог или обрабатывает поток: чат-бот, торговый бот, бот в мессенджере. Сценарии заданы, но система работает в цикле «событие — реакция».
• Агент — система на базе модели LLM, которая получает цель, сама разбивает её на шаги, вызывает инструменты, читает результат и решает, что делать дальше. План не прописан заранее — он строится по ходу.

Граница между ботом и агентом самая размытая, и именно на ней спекулируют чаще всего. Если «бот» отвечает по дереву заготовленных реплик — это бот, даже если внутри есть модель для классификации запроса. Агентом его делает способность самостоятельно выбирать и комбинировать действия под задачу, которую заранее никто не расписывал.

Таблица сравнения

Ключевая строка здесь — «предсказуемость». Скрипт и макрос делают ровно то, что записано, и если сломались, вы понимаете почему. Агент может выдать разный результат на один и тот же запрос, потому что модель недетерминирована. Это и сила (гибкость), и головная боль (тестировать сложнее).

Если систему можно полностью описать блок-схемой без «модель сама решит» — это не агент, как бы её ни называли в презентации.

Как отличить на практике

Три вопроса, которые снимают маркетинговую пелену:

1. Что будет, если задать задачу, которую разработчик не предусмотрел? Скрипт и бот упрутся или ответят «не понял». Агент попробует что-то сделать — иногда разумное, иногда нет.
2. Кто выбирает следующий шаг? Если порядок действий зашит в код или дерево реплик — это не агент.
3. Есть ли внутри вызов модели, которая планирует? Классификатор намерения или генерация текста ответа сами по себе агентом не делают. Планирование и выбор инструментов — делают.

Кому что пригодится

Берите скрипт или макрос

Когда задача повторяемая и стабильная: выгрузить отчёт по расписанию, переименовать тысячу файлов, скопировать данные между таблицами по одному и тому же правилу. Здесь непредсказуемость агента — минус, а не плюс. Скрипт дешевле, быстрее и не платит за токены. Макрос уместен, если у вас нет доступа к API и приходится работать через интерфейс.

Берите бота

Когда нужна реакция на события в понятном наборе сценариев: приём заявок в мессенджере, ответы на частые вопросы поддержки, оповещения по триггеру. Дерево сценариев с одной моделью для распознавания запроса покрывает большинство типовых потоков и остаётся управляемым.

Берите агента

Когда задача плохо раскладывается на фиксированные шаги заранее: разобрать входящее письмо и решить, кому его переслать и что ответить; собрать данные из нескольких источников под нестандартный запрос; пройти многошаговый процесс, где следующий шаг зависит от результата предыдущего. За гибкость платите тестируемостью и стоимостью: агент делает больше вызовов модели и требует ограничителей — что ему разрешено, а что нет.

Когда агент — плохая идея

Операции, где ошибка стоит денег или необратима: платежи, удаление данных, юридически значимые действия без человека в контуре. Здесь предсказуемость важнее гибкости, и агент либо не нужен, либо должен только готовить черновик, а решение подтверждает человек.

Почему путаница вредит

Разница в терминах — это разница в ожиданиях и в бюджете. «Внедрим агента» и «настроим скрипт» стоят по-разному в разработке и поддержке, и требуют разной команды. Если вам продают агента там, где хватило бы бота, вы переплачиваете за токены и получаете менее предсказуемую систему. Если под видом «агента» вам отдают жёсткий скрипт, вы удивитесь, когда он сломается на первом же нестандартном случае.

LLM (large language model) — большая языковая модель, обученная предсказывать текст. В контексте агентов она выполняет роль «мозга»: получает описание задачи и доступных инструментов, а на выходе выдаёт, какой инструмент вызвать с какими параметрами, и как трактовать полученный результат.