Пилот с AI-агентом за месяц: как не спалить бюджет

Компании раскатывают AI-агентов не потому, что вышла GPT-5.1 или Claude Opus 4.5, а потому что появилась дешёвая возможность автоматизировать рутину, которую раньше отдавали людям: разбор входящих обращений, черновики документов, поиск по внутренней базе. Проблема в другом: большинство пилотов умирает не от плохой модели, а от того, что за месяц никто так и не понял, что именно измеряют. Ниже — как за четыре недели дойти от идеи до цифры, по которой принимают решение «масштабируем или закрываем».

Что такое AI-агент и почему это не то же самое, что чат-бот

Агент¹ отличается от обычного запроса к модели тем, что он не просто отвечает текстом, а выполняет действия: вызывает функции, читает файлы, делает запросы в API, при необходимости запускает несколько шагов подряд и проверяет результат. Чат-бот отвечает «вот инструкция, как оформить возврат». Агент оформляет возврат: находит заказ, проверяет условия, создаёт заявку.

Это важно для пилота по одной причине: агент делает реальные действия, а значит, ошибка стоит денег и репутации, а не просто выдаёт неудачный абзац. Поэтому пилот с агентом почти всегда начинается с режима «человек подтверждает каждое действие» и только потом, по накопленной статистике, переходит к автономии.

Неделя 1: выбор задачи и метрики

Главная ошибка — начинать с самой болезненной задачи бизнеса. Самая болезненная обычно и самая сложная: много исключений, нечёткие правила, высокая цена ошибки. Для пилота нужна задача с тремя свойствами: она повторяется десятки раз в день, у неё есть проверяемый результат, а ошибка не приводит к катастрофе.

Хорошие кандидаты на первый пилот:

• первичная классификация обращений в поддержку по темам и приоритету;
• черновики ответов на типовые письма, которые человек потом правит;
• извлечение полей из документов (счета, договоры, накладные) в структуру;
• ответы по внутренней базе знаний через RAG².

Метрику фиксируйте до первой строки кода. Не «агент помогает», а конкретно: доля обращений, классифицированных верно; сколько минут экономит оператор на одном письме; какой процент извлечённых полей не требует ручной правки. Без базовой линии «как сейчас, без агента» цифра в конце пилота ничего не будет значить.

Если к концу первой недели вы не можете назвать одно число, которое вырастет или упадёт от внедрения агента, — у вас нет пилота, у вас есть эксперимент из любопытства.

Неделя 2: прототип на готовых инструментах

Не стройте инфраструктуру. Для пилота хватает облачного API одной из моделей и минимальной обвязки. Выбор между провайдерами на этом этапе вторичен: разница в качестве на типовой задаче классификации или извлечения обычно меньше, чем разница между «мы продумали промпт» и «мы не продумали».

Соберите первую версию на 20–50 реальных примерах из своей практики, а не на придуманных. Сразу посмотрите, где агент ошибается систематически: одни и те же категории путает, теряет одни и те же поля. Это и есть материал для доработки промпта и правил.

Сколько это стоит в токенах

Стоимость пилота определяется не подпиской, а платой за токены — за объём входного и выходного текста. Порядок цен на API у крупных провайдеров сейчас — единицы долларов за миллион входных токенов и заметно дороже за выходные; конкретные ставки меняются каждые несколько месяцев, сверяйте их на странице цен выбранного провайдера на день запуска. Практический ориентир: посчитайте средний размер одного обращения в токенах, умножьте на число обращений за месяц и на две (вход плюс выход) — это грубая верхняя граница расходов на пилот.

Неделя 3: тест на реальном потоке в режиме тени

Запускайте агента в «теневом» режиме: он обрабатывает реальные обращения параллельно с людьми, но его результат не уходит клиенту, а сравнивается с тем, что сделал человек. Так вы собираете статистику ошибок без риска.

На этом этапе выясняются вещи, которые не видны на 50 примерах: агент уверенно ошибается на редких, но регулярных случаях; путается, когда во входных данных опечатки; ломается на письмах длиннее контекстного окна³. Каждую такую поломку записывайте — это будущий список ограничений.

Неделя 4: цифры и решение

К концу месяца у вас должна быть таблица: базовая линия, результат агента, стоимость. Решение «масштабировать» принимается не по восторгу команды, а по разнице между экономией и затратами с учётом того, что часть работы всё равно останется на людях.

Кому это пригодится и кому нет

Пилот за месяц оправдан, если у вас есть повторяющаяся задача с проверяемым результатом и объёмом хотя бы в десятки операций в день. Конкретные сценарии, где такой подход работает:

• поддержка с потоком однотипных обращений, где 60–70% вопросов повторяются;
• бухгалтерия и документооборот с извлечением данных из счетов и актов;
• отделы продаж, которым нужны черновики коммерческих предложений по шаблону;
• внутренние базы знаний, по которым сотрудники ищут регламенты.

Не стоит начинать с агента, если:

• задача уникальна и повторяется пару раз в месяц — ручной труд дешевле;
• цена одной ошибки критична (юридически значимые решения, медицина), а бюджета на строгий контроль нет;
• данных для проверки результата нет вообще — тогда пилот не даст цифры;
• внутри одна структурированная таблица без вариативности — обычный скрипт справится дешевле и предсказуемее.

1. Агент — программа на основе языковой модели, которая не только генерирует текст, но и выполняет действия через вызовы функций и внешних сервисов, планируя несколько шагов.

2. RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает релевантные фрагменты из вашей базы документов, а не полагается только на то, что «помнит».

3. Контекстное окно — максимальный объём текста (в токенах), который модель обрабатывает за один запрос: и входные данные, и ответ. Если письмо длиннее окна, часть данных теряется.