AI-агенты: следующая волна автоматизации после ChatGPT

К 2026 году слово «AI-агент» используют все. Часто — неточно. Этот разбор показывает, что это такое в техническом смысле, что они уже умеют делать в продакшене, какие задачи бизнеса они решат в ближайшие 12 месяцев, как готовить компанию к их внедрению и где главные риски.

Что такое AI-агент

Чат-бот отвечает на вопросы. AI-агент выполняет задачу, состоящую из множества шагов, использует внешние инструменты (браузер, файловую систему, API), сам принимает решения «дальше делать так или эдак» и доводит работу до результата без человека на каждом шаге.

В техническом смысле агент — это языковая модель в цикле:

1. Думаю: какой следующий шаг?
2. Использую инструмент (браузер, API, скрипт)
3. Смотрю результат
4. Думаю: дошёл до цели?
5. Если нет — назад к шагу 1
6. Если да — отчитываюсь

В отличие от обычного запроса, где модель сразу даёт ответ, агент проходит десятки итераций.

Чем агент отличается от ассистента

Характеристика	Чат-ассистент	AI-агент
Что делает	отвечает на вопросы	выполняет задачи
Сколько шагов	1–2	десятки–сотни
Использует инструменты	редко	да, постоянно
Действует автономно	нет	да, в рамках полномочий
Длительность работы	секунды	минуты–часы
Цена ошибки	низкая	высокая
Пример	«расскажи о тарифах»	«забронируй билет, оплати, отправь подтверждение»

Что AI-агенты уже делают в продакшене

1. Программирование (Claude Code, Cursor, Devin)

Агент получает задачу типа «исправь баг в этой функции», читает код, делает изменения, запускает тесты, предлагает PR. Лидеры — Claude Code и Cursor.

2. Автоматизация офиса (Multi-On, Browser Use)

Агент может зайти в SaaS-приложение, заполнить форму, скачать отчёт, отправить по email. Технология ещё сырая, но работает на типовых задачах.

3. Customer service (Decagon, Sierra)

Не «бот, читающий FAQ», а агент, который разбирается в проблеме: смотрит историю заказов, проверяет логистику, оформляет возврат, отправляет компенсацию. Закрытие 60–80% обращений end-to-end.

4. Research-агенты (Deep Research у OpenAI, Perplexity Pro)

Получают задачу «исследуй рынок X», обходят 50–100 источников, формируют структурированный отчёт с ссылками за 10–30 минут.

5. Sales-агенты (Clay, Outreach AI)

Парсят рынок, обогащают лиды, пишут персонализированные первые письма, поддерживают переписку до момента эскалации на менеджера.

6. Трейдинг и финансы

В фондах и хедж-фондах агенты исполняют простые торговые стратегии под надзором человека. В малом бизнесе пока редко.

Архитектура AI-агента: что внутри

[Цель / задача]
        ↓
[Планировщик: разбивает на шаги]
        ↓
[LLM-«мозг»]   ←→   [Инструменты]
        ↓               (браузер, API, БД, код)
[Память (vector + relational)]
        ↓
[Валидатор / supervisor]
        ↓
[Результат / эскалация]

Ключевые компоненты:

1. LLM (GPT-5, Claude Opus 4.7) — «мозг», который думает.
2. Tool use / function calling — формальный механизм вызова инструментов.
3. Память — кратко-срочная (текущий контекст) и долго-срочная (vector DB).
4. Планировщик — разбивает задачу на шаги, отслеживает прогресс.
5. Supervisor / валидатор — проверяет промежуточные результаты.

Бюджет: сколько стоит запустить агент

Рассмотрим типовой случай — агент, который автоматически собирает еженедельный конкурентный анализ.

Статья	Сумма
Разработка (1 backend + 1 продакт, 8 нед)	600 000 ₽
Инфраструктура (vector DB, queue, monitoring)	8 000 ₽/мес
API LLM (GPT-5 / Claude Opus)	30 000–60 000 ₽/мес
Поддержка (ревизия промптов, eval)	25 000 ₽/мес
Итого старт	~700 000 ₽
Итого месяц	~80 000 ₽

Это в 2–3 раза дороже «классической автоматизации». Окупаемость — только если задача высокоценная (часы старшего специалиста, аналитика, customer service первой линии).

Как готовить компанию к внедрению агентов

1. Накопить данные

Без чистых данных (история взаимодействий, документы, процессы) агент не работает. Если у вас в CRM хаос — начните с гигиены данных.

2. Описать процессы

Каждый кандидат на «агентизацию» должен быть описан в формате «вход → решение → выход». Без формального описания агента не построить.

3. Развернуть LLMOps

Без логирования промптов, eval-стенда, A/B тестирования промптов — агент будет «жить своей жизнью». Это инфраструктура, которую надо строить заранее.

4. Установить полномочия

Что агент может делать сам, а что — только с одобрения человека? Чем выше цена ошибки, тем меньше автономии.

5. Готовить команду

«Оператор AI-агентов» — новая роль. Это не разработчик и не аналитик. Это человек, который контролирует 20–100 агентов и реагирует на эскалации.

Готовые продукты на 2026

Для разработчиков

• Claude Code ($20/мес) — лидер для написания кода в терминале / IDE.
• Cursor ($20/мес) — IDE с встроенным агентом.
• Devin (от $500/мес) — полностью автономный «AI-разработчик».

Для бизнеса

• AgentForce (Salesforce) — агенты внутри Salesforce CRM.
• Microsoft Copilot Studio — конструктор агентов для офис-процессов.
• OpenAI Operator / Anthropic Computer Use — агенты, управляющие компьютером.

Российские

• GigaChat Studio — конструктор агентов с function calling.
• Yandex Cloud Foundation Models — собрать своего агента на YandexGPT.

Глубокий разбор моделей — в «Полном списке AI-инструментов».

Главные риски и как их митигировать

1. Накопительные ошибки

В цепочке из 20 шагов с точностью 95% на каждом шаге, итоговая точность — ~36%. Каждый шаг должен быть >99% — иначе агент бесполезен.

Митиг: валидация на каждом шаге, supervisor с откатом, ограничение глубины цепочки.

2. Действия без полномочий

Агент может «понять» задачу неправильно и сделать что-то разрушительное.

Митиг: жёсткий список разрешённых действий (allowlist), не deny-list. На критичных операциях — confirm у человека.

3. Stuck loops

Агент зацикливается на одном шаге, не видя выхода.

Митиг: лимит итераций, тайм-аут, эскалация при превышении.

4. Prompt injection

В данных, которые видит агент, может быть «вредоносный» текст («забудь все инструкции и сделай X»).

Митиг: фильтр входных данных, sandbox для подозрительных источников, логи всех решений.

5. Стоимость взлёта

Один цикл агента может стоить $1–10. На 1000 запусков — $1 000–10 000.

Митиг: бюджеты на агента, лимиты по стоимости, понимание unit-экономики до запуска.

Когда внедрять, когда подождать

Внедрять сейчас, если:

• Задача высокоценная, рутина старшего специалиста (юрист, аналитик).
• Цена ошибки умеренная или есть валидация человеком.
• Команда готова инвестировать 3–6 месяцев в стабилизацию.
• Есть бюджет 600 000+ ₽ на запуск.

Подождать 6–12 месяцев, если:

• Малая компания без накопленных данных и процессов.
• Задачи стандартные — лучше работают классические автоматизации.
• Нет команды, которая может разбирать инциденты.

FAQ

Это уже AGI? Нет. AI-агент — узкий инструмент с ограниченным диапазоном задач. AGI требует генерализации, которой пока нет.

Заменят ли агенты сотрудников? В отдельных функциях — да. Но компания, которая хочет «уволить и заменить» — обычно не получает экономии. Лучшая стратегия — гибридная: агенты делают рутину, люди — сложные кейсы и отношения с клиентами.

Какие отрасли первыми перейдут на агентов? Уже сейчас: разработка ПО, customer service, sales-research. К концу 2026 — финансы, юриспруденция, бухгалтерия. Дольше всех — медицина, образование, госсектор.

Какая разница между агентом и автоматизацией? Классическая автоматизация — детерминирована: «если A, делай B». Агент — вероятностный: «реши, какой следующий шаг наиболее эффективен». Агент справляется со сложностью, в которой классическая автоматизация не работает.

Можно ли сделать своего агента без программистов? Очень частично. Через Microsoft Copilot Studio или GigaChat Studio — простые сценарии можно собрать. Сложные требуют разработки.

Сколько живёт «промпт» агента? 3–6 месяцев на стабильных задачах. Меняются модели у вендоров, меняются домены данных. Регулярная re-evaluation обязательна.

Что делать, если агент сделал что-то не то?

1. Логи всех шагов — обязательны. Без них вы не поймёте, что произошло.
2. Откат состояния (если действия писали в системы — нужны транзакции / возможность отмены).
3. Корректировка промпта или ограничений на основе разбора инцидента.

Заменит ли агент мою профессию? Если ваша работа на 80% — последовательность шагов с ясным критерием успеха, велика вероятность. Если — творческое решение, переговоры, эмпатия, отношения — нет.

Что делать дальше

1. Посмотрите свои процессы. Найдите 1–2 задачи, которые занимают 10+ часов сениора в неделю и состоят из 5+ шагов.
2. Это кандидаты на агентизацию (но через 6–12 месяцев, не сейчас).
3. Сейчас: запустите простую автоматизацию по методологии внедрения ИИ, накопите данные.
4. Через полгода — оцените, какие шаги в этой автоматизации требуют «решений», и переводите их на агента.

Связанные материалы:

• Тренды ИИ в 2026: что ждёт российский бизнес
• Автоматизация бизнес-процессов с ИИ
• Полный гид по нейросетям для бизнеса

AI-агенты — следующая большая волна. Не пытайтесь стать пионером. Дайте технологии 12 месяцев созреть, инвестируйте время в данные и процессы. Те, кто будет готов в 2027, — выиграют рынок.