ИИ-агенты для бизнеса: что это, примеры задач и как создать агента

Что такое ИИ-агент простыми словами

ИИ-агент это языковая модель, которой дали цель, инструменты и право действовать в несколько шагов. Сама модель умеет только писать текст. Агентом она становится, когда программа вокруг неё выполняет то, о чём модель просит: найти сделку в CRM, запросить остатки в 1С.

Из чего состоит агент:

• модель, которая читает задачу и выбирает следующий шаг;
• инструменты: функции, которые написал разработчик, с описанием, что каждая делает;
• цель и правила: что считать готовым результатом, чего делать нельзя, когда звать человека;
• цикл: программа выполняет шаг, модель смотрит на результат и решает, что дальше.

Условный пример. Менеджер спрашивает в рабочем чате, хватит ли на складе 40 упаковок бумаги для вчерашней заявки. Агент находит письмо, достаёт артикул, запрашивает остатки, видит 32 свободные упаковки и предлагает частичную отгрузку. Все шаги выполнил код. Модель только выбирала, какой шаг нужен.

Чем ИИ-агент отличается от чат-бота и ИИ-ассистента

Чат-бот со сценарием ходит по веткам, которые заранее нарисовал разработчик. Это быстро, дёшево и предсказуемо, но шаг в сторону он не поймёт. ИИ-ассистент понимает свободный текст и отвечает по базе знаний, как бот из нашей статьи про Telegram-бота с ИИ. Результат его работы обычно один: ответ в чате.

Агент сам выбирает порядок действий и меняет данные в других системах. Задал клиенту уточняющий вопрос, проверил ответ по CRM, создал сделку, поставил задачу менеджеру. Заранее эта цепочка нигде не прописана.

На практике граница размыта. В одном продукте кнопки ведут запись и оплату, модель отвечает на свободные вопросы, а агент подключается, когда надо что-то сделать в другой системе.

ИИ-агенты для бизнеса: примеры задач

Разбор заявок

Заявки с сайта, из почты, Telegram и MAX часто написаны так, что менеджеру приходится перезванивать. Агент вытаскивает из текста контакт, суть запроса, сроки и бюджет, ищет клиента в CRM, чтобы не завести дубль, и создаёт сделку. Не хватает адреса доставки? Он сам спросит клиента в том же канале.

Ответы по базе знаний

Ассистент отвечает по документам: сроки, возврат, гарантия. Агент ещё и заглядывает в систему, например находит заказ по номеру и говорит, где он сейчас. Если ответа нет ни в документах, ни в данных, вопрос уходит человеку вместе с историей.

ИИ-агент для 1С

Агент для 1С отвечает в мессенджере на вопросы, с которыми обычно идут к бухгалтеру или кладовщику: сколько товара свободно и сколько в резерве, оплачен ли счёт, какой долг у клиента. Он же присылает PDF по печатной форме 1С: счёт, УПД, акт сверки.

К 1С агент ходит через HTTP-сервисы или OData под отдельным пользователем с правами только на нужные объекты. Заказ он создаёт только черновиком, потому что провести документ должен человек. Подробнее в статье про Telegram-бота для 1С.

Черновики, фото и документы

Ответ на претензию, коммерческое предложение, письмо поставщику: агент собирает данные из CRM и переписки, человек правит и отправляет. Ошибку модели здесь видно до отправки. С накладными, чеками и фото брака так же. Модель достаёт со снимка поля, код сверяет их с базой, несовпадения проверяет сотрудник.

Как агенты устроены в жизни: пример perek.us

perek.us, наш счётчик калорий по фото в Telegram и MAX, считает калории по фото еды. Снаружи это один бот, внутри несколько узких агентов.

Каждое сообщение сначала попадает в роутер намерений. Это дешёвая модель, которая выбирает одно действие: записать еду, посчитать без записи, обновить вес и цели, ответить на вопрос, составить план питания. На журнале настоящих сообщений нашлась неприятная ошибка. Сообщение «140 г» сразу после записи модель иногда принимала за новую еду и заводила дубль. Теперь этот случай распознаёт код и считает его правкой последней записи.

Фото разбирается по этапам. Модель находит продукты и оценивает вес каждого, потом по всем продуктам параллельно ищутся калорийность и состав. Сначала код пробует взять цифры из поисковой выдачи по русскоязычным базам питания, и только если не вышло, агент сам составляет запросы и читает найденное.

Правило во всех агентах perek.us одно: модель измеряет, код решает. Пример с банкой энергетика. Бот записал её с фото как 250 мл, хотя в руке была банка на 473 мл, и калорий в дневнике оказалось почти вдвое меньше. Теперь размер тары оценивает отдельный подагент: сравнивает банку с ладонью в кадре и выбирает из фасовок, которые нашёл поиск. Код принимает выбор, только если модель уверена и вариант совпал с настоящей фасовкой.

Где ИИ-агенты пока работают плохо

Агент ошибается, и чем длиннее цепочка шагов, тем больше мест для ошибки. Модель может уверенно сослаться на условие, которого нет в документах, и база знаний это только снижает. Бывает, что агент отчитывается о работе, которую не сделал. Поэтому в perek.us инструмент правки дневника сообщает, изменилась ли запись, и агенту запрещено отвечать «готово», если нет. Шаги агента мы пишем в журнал, чтобы потом найти, где он свернул не туда.

Ещё агент дороже и медленнее сценарного бота, потому что каждый шаг это отдельный запрос к модели. Для записи на время он не нужен.

Как создать ИИ-агента для бизнеса по шагам

1. Выберите одну задачу, где много однотипной работы и понятно, как проверить результат. Разбор заявок подходит, расплывчатая цель вроде «помогать отделу продаж» нет.
2. Соберите данные: документы для базы знаний, доступ к CRM или 1С и выгрузку настоящих обращений. На них агента потом проверяют.
3. Опишите инструменты: что агент может читать, что менять, что только предлагать человеку.
4. Проверьте до запуска на обращениях с известным правильным ответом. Тот же набор прогоняют после каждой правки инструкции или смены модели.
5. Договоритесь о метриках: сколько обращений агент закрывает без человека, как часто его поправляют, сколько стоит одна задача.

Первые недели агент готовит, а человек подтверждает всё. Когда по журналу видно, что правок мало, часть действий переводят в автоматический режим.

Какую модель выбрать и что требует 152-ФЗ

GPT и Claude из России напрямую не подключить, но это решается: доступ дают официальные посредники с оплатой в рублях, или запросы к модели идут через сервер за рубежом. Персональные данные клиентов при этом хранятся в России, а в модель уходит задача без них. Если данные нельзя выпускать из страны вообще, берём GigaChat или YandexGPT. Есть и третий вариант. Открытая модель на своём сервере держит данные внутри компании, но ей нужен сервер с видеокартой.

Модель лучше выбирать на своих задачах. Когда мы сравнивали модели для роутера perek.us, ни одна не оказалась точнее той, что уже работала. Зато часть не держала заданный формат ответа, а для агента это критично: перепутал формат вызова инструмента, и цепочка оборвалась. Поэтому модель в проекте делаем заменяемой.

Агент видит имена, телефоны, адреса и суммы. Отправка персональных данных в зарубежную модель считается трансграничной передачей, её лучше избегать или обезличивать данные. С 1 июля 2025 года персональные данные граждан России запрещено собирать и хранить в базах за рубежом (ч. 5 ст. 18 152-ФЗ), и журнал агента тоже должен лежать на сервере в России. Подробнее в статье про персональные данные в Telegram-боте.

Сколько стоит ИИ-агент

Цена зависит от числа инструментов и интеграций, поэтому агента считаем по смете. После бесплатного разбора задачи смета готова за 1 рабочий день, цена в ней фиксируется. Для ориентира: бот с нейросетью в статье о стоимости разработки стоит 120 000–400 000 ₽.

Каждый месяц добавляются запросы к модели, сервер и сопровождение (у нас от 10 000 ₽ в месяц). Модель у агента обходится дороже, чем у ассистента: на одну задачу уходит несколько запросов. Как мы делаем таких агентов, рассказываем на странице ИИ-ассистенты и агенты.