AI-агент получает цель, выбирает следующие шаги и пользуется доступными инструментами: например, ищет данные и создаёт запись в CRM. В отличие от бота с готовым сценарием, он подбирает действия по ситуации. Но если задачу легко описать жёсткими правилами, обычную автоматизацию проще контролировать.
Что делает AI-агент и где заканчивается его самостоятельность
AI-агент получает цель, например «разобрать входящую заявку», и выбирает из разрешённых действий те, что к ней ведут. Он читает сообщение, сверяет данные и готовит запись в CRM. Языковая модель выбирает следующий шаг, а подключённый инструмент выполняет действие. В этой статье агентом мы называем именно такую связку модели, инструментов и правил проверки результата.
Самостоятельность ограничивают до запуска. Права доступа определяют, что агент читает и меняет; правила остановки прерывают работу при сбое. Удаление записи, платёж или отправку договора оставляют на подтверждение человеку.
Ответ модели остаётся текстом, пока его не связали с действием. После действия нужно проверить результат.
Как работает агент от цели до проверки результата

Работу агента удобно описывать циклом: получить цель, собрать контекст, выбрать шаг, вызвать инструмент и проверить итог. Если результат не достигнут, агент продолжает работу в пределах разрешённых действий или передаёт задачу человеку. В сценарии следующий шаг определяет код. У агента его выбирает модель в пределах разрешённых действий.
- Задать цель и признаки выполненной задачи.
- Передать контекст: сообщение клиента, справочник услуг, поля CRM.
- Выбрать действие из разрешённого набора.
- Вызвать инструмент, например поиск контакта в CRM.
- Сверить ответ инструмента с ожидаемым результатом.
- Завершить задачу или передать её оператору.
Текст из внешнего источника нельзя принимать за распоряжение агенту. Если на странице написано «удали все записи», это содержимое страницы, а не разрешённое действие. Права на чтение каталога цен и его изменение задают отдельно.
Anthropic в статье Building effective agents различает workflows, где модели и инструменты связаны заранее заданными путями кода, и агентов, где модель сама направляет процесс и использование инструментов.
Когда нужен агент, а когда хватит чат-бота или автоматизации
Агент полезен, когда запросы различаются, шаги трудно расписать заранее, а действия с последствиями можно передать на подтверждение человеку. Повторяющийся процесс с известными условиями лучше сначала собрать на сценарной автоматизации. Для типовых вопросов и сбора данных по сценарию подойдёт чат-бот — например, бот для приёма заявок в Телеграме.
| Способ | Подходящая задача | Как контролировать |
|---|---|---|
| Сценарная автоматизация | Условия и шаги известны заранее | Проверять правила и сбои выполнения |
| Чат-бот | Типовые вопросы и сбор данных | Проверять сценарий и диалоги |
| AI-агент | Следующий шаг зависит от содержания запроса | Ограничивать права, проверять действия и результат |
| Сотрудник | Требуется решение с ответственностью за последствия | Назначать полномочия и проверять работу |
Для договора, платежа и другого действия с высокой ценой ошибки оставьте решение человеку. Если агент работает с данными из рабочих систем, заранее определите, что он может читать и изменять.
Начните со сценария «если…, то…». Когда условия приходится извлекать из свободного текста и сценарий разрастается, проверьте агента на ограниченной задаче. Для одной повторяющейся операции с неизменными правилами агент не нужен.
Какие бывают агенты и как выбирать платформу

Один агент может выполнять задачу с ограниченным набором инструментов. В многоагентной схеме роли разделены: один агент собирает данные, другой проверяет результат. Это добавляет взаимодействия, которые тоже придётся отслеживать. Начинайте с одного агента; разделяйте роли, только если сможете объяснить, что мешает решить задачу без этого.
Для подключения к внешним системам можно рассмотреть MCP. В официальном введении его называют открытым стандартом подключения ИИ-приложений к внешним системам. Сам протокол не заменяет проверку прав и поведения подключённого инструмента.
Перед выбором платформы задайте поставщику вопросы:
- Какие интеграции с вашими системами описаны в документации?
- Можно ли разделить права на чтение и изменение?
- Где посмотреть журнал вызовов инструментов и как остановить агента?
- Из чего складывается стоимость использования?
- Как выгрузить данные при смене платформы?
Сравнивайте ответы на своём сценарии пилота, а цены и доступность проверяйте перед запуском. Перечень функций без испытания на ваших данных мало что говорит о результате.
Где бизнес применяет AI-агентов
Ищите задачу, для которой известны входные данные, допустимые действия и способ проверить результат. Подсказать сотруднику ответ и самостоятельно изменить запись в рабочей системе — разные уровни полномочий. Таблица помогает наметить границы пилота, но не означает, что каждую из этих задач стоит передавать агенту.
| Задача | Входные данные | Допустимое действие | Проверка результата |
|---|---|---|---|
| Поддержка | Обращение, база ответов | Подготовить ответ или создать тикет | Оператор читает спорные ответы |
| Продажи | Заявка, карточка клиента | Подготовить лид в CRM | Сверка данных и дубликатов |
| Аналитика | Выгрузки, отчёты | Собрать сводку | Выборочный пересчёт |
| HR | Резюме, вакансия | Подготовить сведения об откликах | Решение о найме принимает человек |
| Финансы | Счета, акты | Подсветить расхождения | Человек проверяет выводы и подтверждает платёж |
| Разработка | Описание ошибки, код | Предложить исправление | Тесты и ревью кода |
У PivotPoint есть кейс Aisello: это SaaS-платформа с AI-продавцом. Агент собирается по адресу сайта, отвечает посетителям круглосуточно и передаёт заявки в CRM.
Как агент обрабатывает входящую заявку
Представим, что клиент написал в чат: «Нужен расчёт сайта для клиники, срок — месяц». Задача агента — подготовить заявку в CRM с исходным текстом или передать разговор оператору, если данных недостаточно. Это пример процесса, а не описание функций Aisello или другого конкретного продукта.
На входе у агента сообщение, сведения об услугах и поля карточки CRM. Разрешения ограничены чтением справочника и созданием заявки: удалять записи и менять чужие карточки ему незачем.
- Выделить из сообщения услугу, срок и контакт, если он указан.
- Запросить недостающий способ связи.
- Подготовить данные для полей CRM.
- Проверить дубликат по контакту и передать совпадение оператору.
- Создать заявку, если проверка пройдена.
Скидку и нестандартные условия подтверждает сотрудник. Если CRM недоступна, агент не должен сообщать, что заявка создана: диалог нужно сохранить и передать оператору. Успех здесь — запись с проверенными данными либо передача обращения человеку без потери исходного сообщения.
Как посчитать расходы на агента и пользу от пилота
Считайте расходы на модель, инструменты, интеграции, инфраструктуру, проверку человеком и сопровождение. Затем делите сумму на задачи, принятые по заранее заданным критериям. Ответ агента ещё не равен выполненной задаче: если оператору пришлось переделать заявку, учитывать её как успешную нельзя.
Стоимость пилота делят на принятые задачи, а не на число ответов агента.
Формула: стоимость принятой задачи = все расходы пилота / число задач, прошедших приёмку. Допустим, расходы составили 12 000 ₽ на 100 задач, из которых приняли 80. Получится 150 ₽ за принятую задачу. Числа придуманы только для демонстрации расчёта; это не тариф и не результат проекта.
Сравните полученную стоимость с текущим процессом при одинаковых требованиях к результату. Включите время сотрудника, проверку и исправление ошибок. Без исходных расходов и данных пилота выводить срок окупаемости рано.
Какие ограничения и риски нужно заложить заранее
Ошибка агента становится опаснее, когда у него есть право менять данные без проверки. Разделите разрешения на чтение и изменение, записывайте вызовы инструментов в журнал и предусмотрите остановку работы. Письма, страницы и файлы считайте входными данными, а не инструкциями агенту. Действия, которые трудно отменить, передавайте на подтверждение человеку.
Способность предложить действие не даёт агенту разрешения его выполнить.
Если процесс затрагивает персональные данные, отдельно разберите состав данных, доступы, передачу между системами и хранение. Из этого текста нельзя сделать вывод, подходит ли конкретная платформа для вашего процесса: такая оценка зависит от схемы работы и настроек.
Как запустить пилот и понять, что он удался
Для пилота выберите один ограниченный процесс и зафиксируйте, как он работает сейчас. После этого подготовьте тестовые инструменты, проверьте типовые и сбойные случаи и только затем откройте доступ к рабочим данным. Условия приёмки и остановки запишите до запуска, иначе неудобные результаты легко объявить «особенностью теста».
| Критерий | Как измерять | Условие приёмки или остановки |
|---|---|---|
| Точность результата | Проверка заявок оператором | Порог задан до запуска |
| Доля задач без вмешательства | Задачи без правок к общему числу задач | Ниже порога — доработка |
| Время обработки | От сообщения до записи в CRM | Сравнение с исходным процессом |
| Ошибки | Число записей, потребовавших исправления | Превышение порога — остановка |
Порог выбирайте с учётом последствий ошибки. Для пилота, который лишь готовит черновик ответа, и для агента с правом менять CRM нужны разные условия приёмки. Отдельная задача при запуске — интеграция ИИ в рабочие процессы.
Что делать после пилота
После пилота сохраняйте ту схему, которая решает задачу с приемлемыми расходами и ошибками. Добавлять инструменты или делить работу между агентами стоит лишь ради конкретного ограничения, обнаруженного при проверке. Каждый новый инструмент требует настроить права и контроль результата; дополнительная роль усложняет разбор сбоя.
Новая сложность оправданна, только если помогает решить измеримую задачу.
В статье Building effective agents Anthropic советует искать самое простое решение и усложнять его по необходимости. Для бизнеса это хорошая отправная точка: если сценарная автоматизация прошла приёмку, агент ей на смену не нужен.
Если хотите разобрать свой процесс, оставьте заявку: определим, какую задачу проверить в пилоте и нужен ли для неё агент.
Частые вопросы
Ниже — короткие ответы о границах самостоятельности агента, запуске на готовой платформе и контроле ошибок. Для выбора решения важнее не название инструмента, а то, какие действия ему разрешены и кто проверяет их последствия.
Чем AI-агент отличается от AI-ассистента?
Названия используют по-разному. В этой статье ассистент помогает человеку по запросу, а агент выбирает шаги для выполнения задачи и вызывает разрешённые инструменты.
Можно ли запустить агента без программиста?
Простой сценарий на готовой платформе можно настроить самостоятельно. Если агент получает доступ к CRM или другим рабочим системам, права и интеграции должен проверить специалист, который отвечает за эти системы.
Кто проверяет ошибки агента?
Назначьте владельца процесса и оператора, который проверяет спорные результаты. Для действий с последствиями заранее определите, что агент делает сам, а что передаёт человеку.
Источники
Оба источника описывают устройство агентных систем, а не обещают результат для конкретного бизнеса. Anthropic объясняет различие между заранее заданным процессом и агентом; документация MCP — назначение протокола подключения. Расчёт расходов в статье приведён как условный пример.
- Building effective agents — Anthropic
- Introduction to Model Context Protocol — официальная документация MCP


