Универсальные ИИ-агенты против узких: кто дешевле в работе

В 2024–2025 годах вендоры разделились на два лагеря. OpenAI, Anthropic и Google продвигают идею агента общего назначения: одна модель с доступом к браузеру, файлам и инструментам решает почти любую задачу через диалог. Против них — сотни стартапов, которые строят узкие агенты под конкретный процесс: поддержка клиентов, ревью кода, обзвон должников, разбор счетов. Выбор между этими подходами — это не спор о технологиях, а вопрос денег: универсальный агент на длинных цепочках рассуждений сжигает в разы больше токенов, чем узкий, заточенный под один сценарий.

Что называют агентом общего назначения

Под агентом общего назначения обычно понимают систему на базе большой языковой модели, которой дали автономию: она сама планирует шаги, вызывает инструменты и корректирует план по ходу. К этому классу относят Operator и подобные браузерные агенты от OpenAI, computer-use от Anthropic (модель управляет курсором и клавиатурой в виртуальной машине), а также открытые фреймворки вроде AutoGPT и его наследников.

Идея красивая: не нужно писать интеграцию под каждую задачу, агент разберётся сам. Проблема в том, что автономия стоит токенов. Каждый шаг планирования — это отдельный запрос к модели, а сложная задача разворачивается в десятки шагов с повторными попытками.

Что называют узким агентом

Узкий агент решает одну задачу и знает её процесс заранее. Ему не нужно рассуждать, в каком порядке действовать — порядок зашит в код. Модель отвечает только за то, что действительно требует языкового интеллекта: понять текст письма, извлечь данные, сформулировать ответ. Остальное делают обычные функции и правила.

Классический пример — агент поддержки в интернет-магазине. Он классифицирует обращение, достаёт из базы статус заказа и генерирует ответ по шаблону. Три-четыре вызова модели вместо тридцати.

Где проходит граница по деньгам

Стоимость агента складывается из числа вызовов модели и количества токенов в каждом. Универсальный агент проигрывает по обоим параметрам: он дольше рассуждает и тащит в контекст больше служебной информации (инструкции по инструментам, историю шагов, скриншоты интерфейса).

Цены на модели указывайте по актуальным прайс-листам вендоров — они меняются несколько раз в год. Ниже сравнение подходов по характеру затрат, а не по конкретным суммам.

Универсальный агент экономит вам недели разработки, но тратит ваши деньги на каждом запуске. Узкий агент — наоборот. Выбор зависит от того, сколько раз в день задача повторяется.

Когда стоит брать универсального

Агент общего назначения оправдан там, где задачи разнообразны и редко повторяются, а цена разработки узкого решения не окупится.

• Разовые исследования. Собрать данные с десятка сайтов, свести в таблицу, один раз. Писать под это интеграцию дороже, чем запустить браузерного агента.
• Прототипы. Проверить гипотезу до того, как вкладываться в инженерию.
• Личные ассистенты. Задачи одного человека, которые каждый раз разные, а объём небольшой.
• Длинный хвост запросов, который невозможно предусмотреть заранее.

Когда стоит брать узкого

• Высокая частота. Тысячи одинаковых операций в день — здесь разница в стоимости одного запуска умножается на объём.
• Требования к скорости. Ответ клиенту нужен за секунду, а не за минуту размышлений.
• Цена ошибки. Финансовые операции, юридические документы, медицина — там, где агент не должен импровизировать.
• Аудит. Когда нужно объяснить регулятору или клиенту, почему система приняла такое решение. Узкий путь легче проследить.

Гибрид: маршрутизатор и специалисты

На практике зрелые продукты редко выбирают одну сторону. Побеждает архитектура, где лёгкий классификатор^* сначала определяет тип задачи, а дальше передаёт её либо узкому агенту (если задача типовая), либо универсальному (если случай нестандартный). Так дешёвый путь закрывает основной поток, а дорогой универсальный агент включается только на редких сложных запросах.

Этот подход требует одного: честной телеметрии. Нужно видеть, сколько запросов уходит по каждому пути и сколько стоит каждый, иначе универсальная ветка незаметно съест бюджет.

^* Классификатор — модель или правило, которое относит входящий запрос к одной из заранее заданных категорий. В агентных системах он играет роль маршрутизатора: решает, кому передать задачу дальше.

Как выбрать под свою задачу

1. Посчитайте частоту: сколько раз в день или месяц задача повторяется в одном и том же виде.
2. Оцените разброс: задачи однотипные или каждый раз новые.
3. Прикиньте цену ошибки: что будет, если агент сделает не то.
4. Для частых и однотипных задач с высокой ценой ошибки — стройте узкий агент.
5. Для редких, разнообразных и малорисковых — берите универсального.
6. Для смешанного потока — маршрутизатор плюс оба типа, но с обязательным контролем расходов по универсальной ветке.

Спор универсальных и узких агентов в ближайшие годы не закончится победой одной стороны. Модели дешевеют, и порог, за которым универсальный агент становится выгодным, сдвигается. Но пока каждый шаг рассуждения оплачивается токенами, экономика чаще на стороне узких решений — а универсальный агент остаётся инструментом для того, что не удаётся заранее описать процессом.