Агентный ИИ: что меняется после генеративного и кому это нужно

В 2024–2025 годах крупные лаборатории один за другим выпустили инструменты, которые не отвечают на вопрос, а делают работу. OpenAI показала Operator и режим агента внутри ChatGPT, Anthropic выпустила Computer Use для Claude, Google встроила агентные сценарии в Gemini, а поверх всего этого разработчики строят фреймворки вроде LangGraph и CrewAI. Общий сдвиг: от модели, которая генерирует текст, к модели, которая планирует шаги и вызывает внешние инструменты. Это и называют agentic AI.

Чем агент отличается от обычного чат-бота

Генеративная модель работает по схеме «запрос — ответ». Вы пишете промпт, получаете текст, картинку или код. Всё, что происходит дальше, делаете вы сами: копируете, проверяете, запускаете.

Агент* добавляет к этому цикл. Он получает цель, разбивает её на шаги, вызывает инструменты (поиск, браузер, код-интерпретатор, API стороннего сервиса), смотрит на результат и решает, что делать дальше — пока задача не выполнена или не упрётся в ограничение. Разница не косметическая: агент сам решает, сколько шагов сделать, и может ошибиться на каждом из них.

Чат-бот отвечает на вопрос. Агент берёт задачу и не отпускает её, пока не получит результат или не сломается по дороге. Второе пока случается чаще, чем хотелось бы.

Из чего собран типичный агент

• Модель-планировщик — LLM, которая держит цель и решает, какой шаг следующий.
• Инструменты — функции, которые агент вызывает: веб-поиск, запуск кода, обращение к базе, действия в браузере.
• Память — хранилище промежуточных результатов, чтобы не терять контекст между шагами.
• Цикл контроля — механизм, который проверяет результат шага и решает, продолжать, повторить или остановиться.

Отдельный слой — протоколы обмена. Anthropic в конце 2024 года опубликовала открытый Model Context Protocol (MCP) для подключения моделей к внешним источникам данных и инструментам; его начали поддерживать и другие игроки. Это попытка сделать так, чтобы агент подключался к сервису по единому стандарту, а не через самописный коннектор под каждую задачу.

Что уже вышло и чем отличается

Пока это ранние продукты. Все они умеют выполнять многошаговые задачи, но у каждого свои ограничения и своя доступность. Цены на подписки меняются часто — актуальные суммы смотрите на официальных страницах.

Обратите внимание: в таблице нет столбца «лучший». Публичных бенчмарков, которые бы честно сравнивали эти продукты между собой на реальных задачах, пока мало, а те, что есть, быстро устаревают. Один из ориентиров для веб-агентов — тест WebArena, но результаты в нём стоит сверять по свежим публикациям авторов моделей, а не по маркетинговым слайдам.

Где агенты уже приносят пользу

Самый рабочий сценарий сегодня — узкие, повторяемые задачи с проверяемым результатом:

• Разработка. Агент читает репозиторий, находит баг, пишет патч и прогоняет тесты. Здесь результат проверяется автоматически — тесты либо проходят, либо нет.
• Сбор и структурирование данных. Обойти сто страниц, вытащить цены и свести в таблицу. Рутина, где человек ошибается от скуки.
• Поддержка на первой линии. Агент лезет в базу знаний и CRM, отвечает и заводит заявку, эскалируя сложное человеку.
• Личные операции. Забронировать, сравнить, заполнить форму — под присмотром пользователя.

Кому это пригодится, а кому пока нет

Пригодится, если:

• У вас есть повторяемый процесс из нескольких шагов, где результат легко проверить.
• Ошибка агента не стоит дорого или ловится автоматически (тест, валидация, подтверждение оператора).
• Вы готовы вложиться в настройку, логирование и контроль, а не ждёте магии из коробки.

Пока не стоит, если:

• Задача требует юридической, медицинской или финансовой точности без права на ошибку — агент может уверенно сделать неверный шаг.
• Действие необратимо: платёж, отправка договора, удаление данных без человека в контуре — это риск.
• У вас нет способа проверить результат. Агент без обратной связи накапливает ошибки от шага к шагу.

Главная опасность агента не в том, что он тупит, а в том, что он делает — быстро, уверенно и в неправильную сторону. Поэтому человек в контуре пока обязателен там, где действие нельзя отменить.

Что это значит для рынка

Сдвиг к агентам меняет модель оплаты. Чат-бот тарифицируется примерно по числу токенов на запрос. Агент за одну задачу делает десятки вызовов модели — счёт может вырасти в разы, и предсказать его сложнее. Для бизнеса это значит: перед внедрением считайте не цену подписки, а стоимость одной выполненной задачи с учётом всех промежуточных шагов и повторов при ошибках.

Второй эффект — требования к надёжности. Одно дело, когда модель выдала неудачный абзац и вы его переписали. Другое — когда агент прошёл десять шагов и на седьмом сломался, оставив систему в непонятном состоянии. Отсюда рост интереса к логированию, песочницам и обязательным подтверждениям на критичных действиях.

*Агент — программа на базе языковой модели, которая для достижения заданной цели самостоятельно планирует последовательность шагов и вызывает внешние инструменты (поиск, код, API, браузер), анализируя результат каждого шага. В отличие от обычного чат-бота, работает не по схеме «один запрос — один ответ», а в цикле до выполнения задачи.