Слово «ИИ-агент» за последний год стало маркетинговой обёрткой: агентом называют и чат-бота с приветствием, и макрос в таблице. Мы в Gless AI провели больше 100 консультаций по внедрению ИИ и почти на каждой объясняли, что такое ИИ-агент на самом деле. Поэтому написали один текст, на который теперь можно ссылаться: как агент устроен, чем отличается от чат-бота и обычной автоматизации, где он реально работает и, главное, когда он вашему бизнесу не нужен.
Что такое ИИ-агент простыми словами
ИИ-агент — это программа на основе языковой модели, которая получает цель, а не пошаговую инструкцию: сама разбивает задачу на шаги, вызывает нужные инструменты (CRM, почту, базы данных), проверяет результат и решает, что делать дальше. Ключевое слово — «решает»: следующий шаг не прописан заранее, агент выбирает его по ситуации.
Этим агент отличается от всего, что автоматизация умела раньше. Чат-бот отвечает на вопрос и ждёт следующего. Скрипт выполняет заранее нарисованную схему и падает, если реальность в неё не влезла. Агент работает в цикле: план → действие → проверка результата → новый план. И так, пока цель не достигнута или пока агент сам не поймёт, что пора звать человека.
Если совсем коротко: чат-бот разговаривает, скрипт исполняет, агент — добивается результата.
Как ИИ-агент работает: три составляющих
Внутри любого агента, на какой бы платформе он ни был собран, три блока.
Мозг — языковая модель (GPT, Claude, Gemini или открытая модель). Она понимает цель, рассуждает и выбирает следующий шаг. Модель — это способность думать, но сама по себе она умеет только генерировать текст.
Руки — инструменты. Доступ к внешним системам через API: CRM, почта, календарь, таблицы, браузер, внутренние базы знаний. Именно инструменты превращают «умный текст» в действия: создать сделку, отправить письмо, обновить запись.
Память — контекст. Агент помнит, что уже сделал, что ответили системы и о чём договорились с пользователем, и учитывает это в следующих шагах. Без памяти каждый шаг начинался бы с нуля.
В компанию приходит заявка письмом в свободной форме. Агент читает её, вытаскивает суть запроса, находит клиента в CRM, видит, что данных для расчёта не хватает, и сам задаёт уточняющий вопрос. Получив ответ, создаёт сделку и ставит задачу менеджеру, приложив резюме переписки. Ни один из этих шагов не запрограммирован жёстко: спам агент отбросит, нестандартный вопрос передаст живому сотруднику вместе с контекстом.
Чем ИИ-агент отличается от чат-бота и обычной автоматизации
Самый частый вопрос на консультациях — «а чем это отличается от чат-бота, который у нас уже есть?». Короткая шпаргалка:
| Чат-бот | Автоматизация по сценарию | ИИ-агент | |
|---|---|---|---|
| Что делает | Отвечает на типовые вопросы | Выполняет фиксированную цепочку шагов | Сам планирует шаги под цель |
| Входные данные | Ожидаемые формулировки | Строгий формат | Любые: письма, документы, свободный текст |
| Реакция на нестандарт | «Я вас не понял» | Ошибка или тихий сбой | Перепланирует или эскалирует человеку |
| Где уместен | FAQ, первая линия поддержки | Стабильные процессы с чёткими правилами | Процессы с вариативностью и решениями по контексту |
Рядом с «ИИ-агентом» вы встретите термин agentic AI (агентный ИИ) — так называют сам подход: системы, которые планируют и действуют автономно. ИИ-агент — конкретная реализация этого подхода под задачу.
Автоматизация по сценарию при этом часто остаётся правильным выбором. Мы подробно разбирали возможности и пределы no-code автоматизации на примере n8n: если процесс стабильный, сценарий дешевле и предсказуемее агента.
Какие бывают ИИ-агенты
На практике агенты различаются прежде всего ролью в процессе. Мы выделяем три типа.
Агент-ассистент работает по запросу человека: находит информацию, готовит черновик, сводит данные из нескольких систем. Человек остаётся в цикле и принимает решения.
Фоновый агент обрабатывает поток событий без участия человека: входящие заявки, документы, обращения в поддержку. Человеку уходят только исключения.
Мультиагентная система — несколько агентов с разными ролями, которые передают работу друг другу: один разбирает документ, второй сверяет с базой, третий готовит ответ. Отдельный класс таких систем — агенты поверх базы знаний компании (RAG): на международном хакатоне Agentic Legal RAG Challenge 2026 наше решение этого класса заняло 2-е место среди 350+ команд.
Примеры ИИ-агентов из нашей практики
Абстрактные определения не дают почувствовать, где агент полезен. Три примера из проектов Gless AI.
Hermes Agent — агент, которому владелец бизнеса описывает процесс обычными словами, а тот строит и выполняет автоматизацию сам, работая 24/7 без разработчиков. Типичный сценарий: мониторинг заявок, их классификация и раскладка по нужным людям.
Claude Tag — агент-сотрудник внутри Slack: его упоминают в треде, как коллегу, он читает контекст обсуждения, идёт в нужные источники и возвращается с результатом. Команда не переключается в отдельный интерфейс — агент встроен туда, где уже идёт работа.
Агенты для документов и заявок — самый частый запрос от бизнеса: агент читает входящие документы, извлекает данные, сверяет их с учётной системой и готовит решение для человека. Несколько таких проектов мы разобрали в кейсах — с цифрами до и после.
Когда бизнесу нужен агент — а когда хватит скрипта
Правило, которое мы вынесли из сотни консультаций, помещается в два списка.
Агент оправдан, если:
- входные данные вариативны: письма, документы, свободный текст;
- процесс требует решений по контексту, а не по фиксированным правилам;
- по ходу дела нужно переписываться: уточнять данные, запрашивать недостающее;
- задача размазана по нескольким системам, и склеивать их жёстким сценарием дорого или невозможно.
Агент не нужен, если:
- правила процесса выписываются на одной странице;
- формат входных данных стабилен;
- вариативность низкая, а цена ошибки высокая: здесь скрипт надёжнее и дешевле.
К нам регулярно приходят с запросом «сделайте ИИ-агента» или даже «ИИ-платформу с нуля», где 80% задачи решается связкой готовых инструментов за неделю. Сказать об этом прямо — честный ответ, который экономит клиенту бюджет, и именно с такой оценки мы начинаем проекты по разработке ИИ-агентов.
Сколько стоит ИИ-агент и сколько занимает внедрение
Вопрос цены встаёт на первой же встрече, поэтому отвечаем как есть. Стоимость разработки ИИ-агента определяют три вещи: сколько систем нужно подключить, насколько чувствительна цена ошибки и кто будет сопровождать решение.
По срокам разумный путь такой: сначала рабочий прототип на реальных данных, обычно это счёт на недели, а не месяцы. Его задача — проверить гипотезу до серьёзных вложений. Производственная версия с интеграциями, обработкой исключений и логированием занимает заметно дольше, и срок здесь определяется не моделью, а числом систем, которые нужно подключить. Дороже всего обходятся интеграции с легаси-системами и проработка сценариев, где агент обязан передать работу человеку; сами модели занимают меньшую часть бюджета.
Дешевле всего сэкономить на этапе выбора задачи: агент на неправильно выбранном процессе — потерянный бюджет вне зависимости от качества разработки. Поэтому мы всегда начинаем с короткой диагностики процесса, а не с кода.
Что говорят цифры: агенты в 2026 году
Агенты перестали быть экспериментом. По опросу McKinsey State of AI (ноябрь 2025, 1993 компании из 105 стран), 62% организаций как минимум пробуют ИИ-агентов в работе, но только 39% видят влияние ИИ на прибыль. Разрыв объясним: по тому же исследованию, компании-лидеры почти в три раза чаще перепроектируют рабочие процессы под ИИ, а не «прикручивают бота» к старому процессу. По исследованию IBM среди 2000 CEO из 33 стран, 61% руководителей уже внедряют агентов. Аналитики MarketsandMarkets оценивают рынок ИИ-агентов в $7,8 млрд в 2025 году с прогнозом роста до $52,6 млрд к 2030-му.
Практический вывод из этих цифр: выигрывают компании, которые правильно выбрали процесс для технологии. Используйте определение из начала статьи как фильтр: если в процессе нечего «решать», агент там не нужен.
Если хотите разобраться, где ИИ-агент даст эффект именно в вашем бизнесе, — напишите нам: разберём ваш процесс и честно скажем, нужен ли вам агент или хватит решения попроще.