Агент или чат-бот: пять признаков подмены на рынке ИИ

За 2024–2025 годы «агент» стал маркетинговым словом года на рынке ИИ. Его пишут на лендингах CRM-систем, чат-виджетов для сайтов и сборок на базе GPT-4o или Claude. Проблема в том, что агент — это архитектурное понятие, а не ярлык. Настоящий агент планирует шаги, вызывает инструменты и доводит задачу до результата с минимальным участием человека. Продукт, который просто отвечает на сообщения по заранее прописанным веткам, агентом не становится, сколько бы раз слово ни повторили в описании.

Разница не косметическая. За «агента» просят в разы больше, чем за чат-бота: интеграции, посекундная тарификация вызовов модели, отдельная строка в счёте за автономность. Если вы платите за автономность, которой нет, вы переплачиваете за обычный сценарный диалог.

Что вообще считается агентом

Строгого отраслевого стандарта нет, но в документации OpenAI, Anthropic и в исследовательских работах последних лет закрепилось рабочее определение. Агент¹ — это система, которая получает цель, сама разбивает её на шаги, вызывает внешние инструменты (поиск, API, код, базы данных), оценивает промежуточный результат и корректирует план, пока цель не достигнута или пока не упрётся в ограничение.

Ключевое слово — автономность в цикле. Чат-бот отвечает на реплику и ждёт следующую. Агент может сделать десять действий подряд без вашего участия: найти данные, обработать, записать в систему, проверить, отчитаться. Именно за этот цикл «планирование — действие — наблюдение — коррекция» и стоит платить.

Если продукт не может выполнить ни одного действия без нового сообщения от человека — это интерфейс диалога, а не агент, как бы его ни назвали в прайсе.

Пять признаков подмены

1. Он не вызывает внешние инструменты

Настоящий агент умеет дёргать API, запускать код, ходить в базу или в веб. Спросите продавца прямым вопросом: какие инструменты (tools / function calling²) подключены и что произойдёт, если задача требует данных из вашей CRM. Если ответ сводится к «он всё знает из обучения» — перед вами языковая модель с промптом, а не агент. Модель без инструментов не может узнать сегодняшний остаток на складе, она может только правдоподобно его выдумать.

2. Каждый шаг требует вашего сообщения

Попросите выполнить составную задачу: «найди последние три обращения этого клиента, сформируй ответ и поставь задачу менеджеру». Агент сделает это одной командой. Псевдоагент остановится после первого шага и будет ждать, пока вы напишете «а теперь сформируй ответ». Многошаговая цепочка без промежуточных подсказок — главный практический тест.

3. У него нет памяти между шагами и сессиями

Агенту нужно помнить, что он уже сделал в рамках задачи, иначе цикл не работает. Чат-боты часто держат только последние N сообщений контекстного окна³ и теряют нить. Проверка: сошлитесь на действие, сделанное пять реплик назад. Если продукт «не помнит», о какой автономности речь.

4. Он не сообщает, что делает и почему

Серьёзные агентные фреймворки логируют цепочку рассуждений и вызовов: какой инструмент вызван, с какими параметрами, что вернулось. Если вы не видите ни логов действий, ни отчёта о том, что и куда было записано, вы не сможете ни отладить, ни доверить агенту ничего важнее развлекательного диалога. Отсутствие трассировки — не мелочь, а признак, что действий и нет.

5. За «агента» просят цену агента, а по функциям это виджет

Сопоставьте прайс с тем, что продукт реально делает. Если единственная функция — отвечать на вопросы по вашей базе знаний (это, кстати, чаще всего RAG⁴, а не агент), то это полезная, но давно недорогая история. Наценка «за агентность» должна подкрепляться вызовами инструментов и автономными действиями, а не словом на лендинге.

Чат-бот, RAG и агент: чем отличаются

Все три — рабочие инструменты. Проблема только в подмене ярлыков: когда за RAG-бота или сценарный виджет берут как за автономного агента.

Кому это пригодится и кому нет

Разберём по сценариям, чтобы не купить лишнего.

• Настоящий агент нужен, если задача многошаговая и требует действий в других системах: разбор входящих заявок с записью в CRM, подготовка и рассылка документов по шаблону с проверкой данных, мониторинг с реакцией по правилам. Здесь автономный цикл экономит человеко-часы.
• Хватит RAG-бота, если задача — отвечать на вопросы по документам, регламентам, каталогу. Тут «агентность» не даёт ничего, кроме строки в счёте.
• Хватит обычного чат-бота, если поток обращений типовой и укладывается в 20–30 сценариев: статус заказа, часы работы, возврат. Сценарный бот предсказуем и дешевле в поддержке.
• Агент противопоказан там, где ошибка автономного действия дорога, а трассировки и подтверждений нет: финансовые операции, юридически значимые действия, необратимые изменения в данных. Автономность без контроля здесь риск, а не выгода.

Как проверить перед покупкой

1. Попросите демо на вашей задаче, а не на витринном примере продавца.
2. Дайте составную задачу в один запрос и посмотрите, дойдёт ли продукт до конца без ваших подсказок.
3. Спросите список подключённых инструментов и integrations — по названиям, а не «всё умеет».
4. Запросите доступ к логам действий за тестовый прогон.
5. Сопоставьте цену с тем, что реально произошло в демо, а не с обещаниями.

Если на четырёх из пяти пунктов ответ размытый, вы платите за слово, а не за технологию. Это не значит, что продукт плохой — возможно, вам и не нужен агент. Значит только, что цена и название должны совпасть с содержимым.

¹ Агент — программная система на базе языковой модели, способная самостоятельно планировать и выполнять последовательность действий с помощью внешних инструментов для достижения заданной цели.

² Function calling (вызов функций) — механизм, при котором модель формирует структурированный вызов внешней функции или API и получает результат обратно в диалог.

³ Контекстное окно — объём текста (в токенах), который модель удерживает и учитывает одновременно; всё, что выходит за его пределы, модель «забывает».

⁴ RAG (Retrieval-Augmented Generation) — подход, при котором модель перед ответом ищет релевантные фрагменты в базе документов и опирается на них, а не только на данные обучения.