Zapier AI Agents против агентов в Make: что выбрать

Осенью 2024 года Zapier выпустил из беты продукт Agents — сущность, которая не просто гоняет данные по заранее нарисованному сценарию, а сама выбирает, какое из подключённых действий выполнить, опираясь на инструкцию на естественном языке. Make примерно тогда же добавил AI-функции внутри своих сценариев и отдельный модуль AI Agents. Разница между двумя подходами не в маркетинге, а в том, кто принимает решение о следующем шаге: жёсткий граф или языковая модель. От этого зависит, во что вам обойдётся автоматизация и насколько предсказуемо она себя поведёт.

Что вообще такое ИИ-агент в этих сервисах

Классический сценарий (Zap в Zapier, scenario в Make) — это детерминированная цепочка: пришло письмо → извлекли вложение → сохранили в Google Drive → отправили сообщение в Slack. Каждый шаг задан руками, порядок фиксирован, отклонений нет.

Агент устроен иначе. Вы даёте ему цель («обрабатывай входящие заявки из формы, квалифицируй лид, заноси в CRM и отвечай клиенту») и набор инструментов¹ — те же самые интеграции, но без жёсткого порядка. Модель сама решает, какой инструмент вызвать и когда остановиться. Это гибче, но менее предсказуемо: два одинаковых запроса могут обработаться по-разному.

Агент экономит время на проектировании сценария, но перекладывает риск на runtime: вы больше не знаете заранее, какой именно путь пройдёт задача.

Zapier Agents

Zapier построил Agents поверх своей библиотеки интеграций — по заявлениям компании, это более 7000 приложений. Агенту доступны те же коннекторы, что и обычным Zap. Вы описываете поведение текстом, подключаете нужные приложения как инструменты и указываете триггер (например, новое письмо или сообщение в чате). Продукт ориентирован на нетехнического пользователя: минимум конфигурации, работа в браузере, готовые шаблоны.

Make AI Agents

Make исторически привлекает тех, кому нужен визуальный контроль над логикой: ветвления, роутеры, агрегаторы, обработка ошибок на каждом узле. Их подход к агентам сохраняет эту философию — агент можно встроить как элемент внутри большого сценария, оставив вокруг него привычную детерминированную обвязку. То есть модель принимает решения только там, где вы ей это явно разрешили, а всё остальное остаётся под вашим контролем.

Где проходит граница выбора

Грубое, но рабочее правило: чем менее предсказуемы входные данные, тем сильнее выигрывает агент. Чем строже регламент — тем лучше обычный сценарий.

• Свободный текст на входе. Письма клиентов, заявки в свободной форме, сообщения в чате — здесь агент разбирает смысл лучше, чем цепочка регулярных выражений.
• Жёсткий регламент. Выгрузка отчёта каждый понедельник в 9:00, синхронизация двух таблиц — тут агент только добавит непредсказуемости и расход токенов.
• Много ветвлений с чёткими условиями. Классический сценарий с роутером дешевле и надёжнее агента.
• Задача, которую трудно описать шагами, но легко объяснить словами. Идеальный кандидат на агента.

Сравнение по ключевым параметрам

Точные тарифы обоих сервисов меняются несколько раз в год и зависят от региона, валюты и объёма операций. Приведённые ниже пункты — про подход, а не про конкретные суммы: актуальные цены и лимиты сверяйте на страницах тарифов Zapier и Make перед покупкой.

Скрытая цена агентов — токены и непредсказуемость

Главный подводный камень обоих продуктов в том, что каждый «размышляющий» шаг агента — это вызов языковой модели, а значит расход, который сложно оценить заранее. Детерминированный Zap с пятью шагами всегда стоит пять операций. Агент на той же задаче может обойтись двумя вызовами, а может — пятнадцатью, если запутается и начнёт перебирать инструменты.

Второй момент — воспроизводимость. Если бизнес-процесс требует, чтобы одинаковый вход всегда давал одинаковый результат (бухгалтерия, юридические уведомления, финансовые операции), агент в чистом виде опасен. Здесь выигрывает подход Make: агент внутри жёсткого каркаса, где критичные шаги остаются детерминированными.

Как проверить, нужен ли вам агент вообще

1. Опишите задачу словами. Если получается чёткий пошаговый регламент без «в зависимости от смысла» — берите обычный сценарий.
2. Прикиньте разнообразие входных данных. Один-два формата — сценарий; свободный текст и десятки вариантов — кандидат на агента.
3. Запустите пилот на небольшом объёме и посмотрите лог: сколько вызовов модели ушло на одну задачу.
4. Умножьте это на реальный месячный объём и сравните со стоимостью детерминированного варианта.
5. Проверьте требование к воспроизводимости. Если результат должен быть строго одинаковым — оставьте критичные шаги вне агента.

Кому что подойдёт

Если у вас нет технической команды, а задачи связаны с разбором свободного текста (поддержка, квалификация лидов, сортировка входящих) — Zapier Agents дадут результат быстрее за счёт низкого порога входа и огромной библиотеки интеграций.

Если у вас уже есть сложные сценарии в Make или вам критична предсказуемость и детальная отладка — логичнее оставаться в Make и добавлять агента точечно, там, где нужен именно разбор смысла, а не везде подряд.

Универсального ответа нет: оба сервиса решают разные боли. Zapier продаёт скорость и простоту, Make — контроль. Ошибка — брать агента ради модного слова там, где хватило бы линейного сценария за копейки.

¹ Инструмент (tool) в контексте ИИ-агента — это подключённое действие или интеграция, которое модель может вызвать по своему решению: отправить письмо, записать строку в таблицу, сделать запрос к API.