AI-агент на пальцах: как объяснить это совету директоров

Ваш IT-директор пришёл на совет с бюджетом на «AI-агентов» и словами вроде «оркестрация» и «tool calling». Половина зала кивает, вторая половина считает, что это тот же чат-бот, за который уже заплатили в прошлом году. И те, и другие ошибаются. Разница между обычной языковой моделью и агентом — не в мощности, а в том, кто нажимает кнопки: человек или программа. От этого зависит, где вы получите экономию, а где — новый источник ошибок, за которые отвечать вам.

Чат-бот отвечает, агент действует

Обычная модель — это собеседник. Вы задаёте вопрос, она выдаёт текст. Всё, что дальше, делаете вы: копируете в письмо, вносите в CRM, нажимаете «отправить». Модель ничего не «сделала» в вашем мире, она произвела текст.

Агент — это та же модель, которой дали руки. К ней подключили инструменты: почтовый ящик, базу данных, API оплаты, внутренний поиск по документам. Агент не просто говорит «нужно отправить письмо клиенту» — он его отправляет. Не «стоит проверить остаток на складе» — а сам делает запрос к системе учёта и читает ответ.

Разница простая: чат-бот советует что сделать, агент это делает. Первое можно игнорировать, второе — уже действие вашей компании с юридическими последствиями.

Цикл работы агента можно описать в четырёх шагах, и его полезно нарисовать на слайде для совета:

1. Цель. Человек ставит задачу: «обработай возвраты за вчера».
2. План. Агент разбивает её на шаги: найти заявки, проверить условия, оформить или отклонить.
3. Действие. Агент вызывает инструменты — читает базу, пишет в неё, отправляет уведомления.
4. Проверка. Агент смотрит на результат каждого шага и решает, продолжать или остановиться.

Именно шаг «действие» отличает агента¹ от привычного бота и создаёт всю пользу и весь риск одновременно.

Три уровня самостоятельности

Слово «агент» на рынке используют для очень разных вещей. Для решения совета важнее понимать не название, а уровень доверия, который вы даёте системе.

Большинство внедрений, которые реально окупаются, живут в средней строке. Полностью автономные агенты хорошо звучат в презентации, но в них ошибка на одном шаге тянет за собой цепочку неверных действий — а откатить отправленные письма или проведённые операции вы не сможете.

Где агент зарабатывает, а где ломается

Что у агентов получается

• Рутина по чётким правилам. Классификация обращений, первичная обработка заявок, сверка документов — там, где шаги повторяются и понятны.
• Работа с большими объёмами текста. Собрать данные из сотни договоров, найти нужные пункты, свести в таблицу.
• Связка между системами. Взять запрос из почты, проверить в CRM, ответить — там, где раньше сидел человек-переключатель между окнами.

Где агент подводит

• Уверенная выдумка. Модель может сгенерировать несуществующий номер заказа или условие договора и действовать так, будто это факт. В агенте это не текст на экране, а совершённое действие.
• Нестандартные ситуации. Всё, что выходит за рамки типового сценария, агент часто обрабатывает хуже стажёра, потому что у него нет здравого смысла — только образцы.
• Накопление ошибки. Чем длиннее цепочка шагов, тем выше шанс, что где-то в середине агент свернёт не туда, и дальше всё пойдёт по ложному следу.

Кому это пригодится, а кому нет

Агент имеет смысл, если у вас есть повторяемый процесс с понятными правилами, большой объём и измеримая цена ручного труда. Примеры, где внедрение окупается:

• Поддержка первой линии: агент разбирает типовые запросы, сложные передаёт человеку.
• Обработка входящих документов: счета, акты, заявки на возврат по фиксированным условиям.
• Внутренний поиск по базе знаний, когда сотрудники тратят часы на поиск регламентов.

Агент не нужен или опасен, если:

• Процесс уникален каждый раз и требует суждения — переговоры, стратегия, нестандартные сделки.
• Цена ошибки в конкретном действии слишком высока, а откат невозможен — прямые платежи без подтверждения, юридически значимые решения.
• У вас нет данных в цифровом виде: агенту нечего читать и некуда писать, автоматизировать нечего.

Правильный вопрос совету не «внедряем ли мы агентов», а «какой конкретный процесс, с какой ценой ручного труда и какой ценой ошибки мы отдаём». Без этих трёх цифр решение принимается вслепую.

Что спросить у команды до одобрения бюджета

Пять вопросов, которые отделяют реальный проект от красивой презентации:

1. Какой один процесс мы автоматизируем первым и сколько часов ручного труда он сейчас стоит в месяц?
2. Что произойдёт, если агент ошибётся на этом процессе — и можно ли откатить действие?
3. На каком уровне самостоятельности запускаем: с подтверждением человека или без?
4. Кто отвечает за действия агента перед клиентом и по закону — этот вопрос не исчезает оттого, что решение принял алгоритм?
5. Как мы измерим успех через три месяца — в деньгах или сэкономленных часах, а не в «внедрили»?

Стоимость сильно зависит от модели и объёма: тарифы поставщиков (OpenAI, Anthropic, Google и других) считаются за обработанные токены и меняются несколько раз в год — актуальные цены смотрите на официальных страницах, а не в прошлогодней презентации. К этому добавляется работа интеграторов, и обычно она дороже самих вызовов модели.

¹ Агент — программа на основе языковой модели, которая не только генерирует текст, но и вызывает внешние инструменты (почту, базы, API), чтобы самостоятельно выполнять шаги к поставленной цели, а не только советовать.