Что такое ИИ-агент и как применить его в бизнесе

ИИ-агент — это программа на основе языковой модели, которая не просто отвечает на вопрос, а сама выполняет задачу: разбивает её на шаги, обращается к вашим системам (CRM, почте, 1С, таблицам), проверяет результат и решает, что делать дальше. Обычный чат с нейросетью выдаёт текст, а агент совершает действия — создаёт сделку, готовит документ, сверяет данные. Для бизнеса это способ поручить машине рутинную работу, в которой раньше нужен был человек, потому что правила там нестрогие и каждый случай немного отличается. Важные шаги — отправка письма клиенту, изменение данных в учётной системе — агент выполняет только после подтверждения сотрудника.

Как работает ИИ-агент

Любой агент, от простого помощника до сложной системы, собирается из четырёх частей.

• Языковая модель. Это «мозг», который понимает задачу, сформулированную обычным языком, и решает, какой шаг сделать следующим. Модель может быть облачной (YandexGPT, GigaChat и другие) или запущенной на вашем сервере.
• Инструкция. Описание роли, правил и ограничений: что агенту можно, что нельзя, в каком формате отвечать, когда звать человека.
• Инструменты. Набор действий, доступных агенту: найти контакт в CRM, прочитать письмо, получить остатки из 1С, создать задачу, поискать по базе документов. Каждый инструмент — это вызов программного интерфейса с понятными параметрами. Модель сама ничего не «нажимает»: она выбирает инструмент и параметры, а выполняет вызов код.
• Память. Краткосрочная — история текущей задачи; долгосрочная — база знаний, прошлые обращения клиента, заметки по сделке.

Работа идёт циклом: агент получает задачу, планирует шаг, вызывает инструмент, смотрит на результат и решает, достаточно ли этого или нужен следующий шаг. Цикл заканчивается, когда задача выполнена, когда исчерпан лимит шагов или когда агент упирается в действие, требующее подтверждения. В проектах мы обычно делим действия на три группы: чтение (можно без вопросов), черновики (агент готовит, человек проверяет) и необратимые действия вроде оплаты, отправки клиенту или удаления — только с подтверждением.

Для подключения инструментов всё чаще используют протокол MCP — открытый стандарт, через который модель получает доступ к внешним системам в едином формате. Его поддерживают и российские платформы: например, в Yandex AI Studio агента можно собрать в разделе Agent Atelier или через Responses API, а внешние системы подключить через MCP-серверы.

Чем ИИ-агент отличается от чат-бота и обычной автоматизации

Частый вопрос — чем агент отличается от «просто ИИ». Языковая модель сама по себе только генерирует текст. Агент — это модель, которой дали инструменты, память и право действовать в цикле. Обычная автоматизация, напротив, действует, но строго по заранее прописанным правилам.

На практике лучшие решения комбинированные: жёсткие части процесса (перенос данных, расчёты, проверки) делает обычная автоматизация, а агент подключается там, где нужно понять смысл — разобрать письмо, извлечь реквизиты из скана, выбрать, кому передать задачу.

Примеры: где ИИ-агенты полезны бизнесу

• Разбор входящей почты. Агент читает письма на общий ящик, определяет тип обращения (заявка, претензия, счёт, вопрос по доставке), находит клиента в CRM, создаёт задачу ответственному и готовит черновик ответа. Сотрудник проверяет и отправляет.
• Работа с CRM. В Битрикс24 агент работает через REST API и входящие вебхуки: обновляет поля сделок по итогам переписки, ставит задачи, напоминает о зависших сделках, собирает сводку по воронке. Аналогично подключаются amoCRM и другие системы с открытым программным интерфейсом.
• Документы. Извлечение реквизитов из счетов и договоров, сверка с данными в учётной системе, проверка договора по чек-листу юриста, подготовка коммерческого предложения по шаблону. Агент отмечает расхождения, а решение принимает человек.
• ИИ-агент для 1С. Прямого «ИИ в 1С» не нужно: агент обращается к базе через стандартный интерфейс OData или через HTTP-сервисы, которые программист 1С публикует под конкретные задачи. Так агент отвечает на вопросы вида «сколько отгрузили клиенту за квартал» или «какие счета просрочены», формирует черновики документов и проверяет остатки. Запись в 1С лучше ограничивать узким набором операций с подтверждением.
• Внутренний помощник. Поиск по регламентам, договорам и переписке, ответы новым сотрудникам, подготовка отчётов из нескольких источников.

Продажи и клиентские боты — отдельные большие темы; в этой статье мы их касаемся только вскользь. Подробнее о форматах внедрения — на странице разработки ИИ-агентов для бизнеса.

Локальный ИИ-агент или облачная модель

Агента можно построить на облачной модели через программный интерфейс или на модели, развёрнутой на вашем сервере. Выбор определяется прежде всего тем, какие данные агент будет видеть.

• Облачные российские модели. Быстрый старт, оплата по факту использования, договор с российским юрлицом. В Yandex AI Studio доступны модели YandexGPT и Alice AI LLM, а также инструменты для агентов: поиск по файлам, веб-поиск, подключение MCP-серверов. Сбер развивает GigaChat API и корпоративную платформу ГигаЧат Бизнес (GigaChat Enterprise) с конструктором агентов; её предлагают в облачном, гибридном и локальном вариантах.
• Локальный агент. Модель работает на вашем сервере или в частном облаке, данные не уходят третьим лицам. Для этого подходят модели с открытыми весами: например, Сбер публикует модели GigaChat на Hugging Face, доступны также Qwen и DeepSeek. Минусы — затраты на сервер с видеокартами, администрирование и, как правило, более скромное качество небольших моделей по сравнению с крупными облачными.
• Гибрид. Чувствительные данные обрабатывает локальная модель или они маскируются перед отправкой, а сложные рассуждения выполняет облачная модель.

Если агент обрабатывает персональные данные клиентов или сотрудников, действуют требования 152-ФЗ: нужны правовые основания для обработки, хранение данных граждан России в базах на территории России, а передача в зарубежные сервисы требует отдельного уведомления Роскомнадзора. Поэтому зарубежные модели для таких процессов мы не рекомендуем, а итоговую схему стоит согласовать с юристом.

Риски и ограничения ИИ-агентов

• Ошибки модели. Агент может неверно понять задачу или уверенно выдать неточный факт. Защита — точные данные брать только из систем, проверять результат кодом, где это возможно, и оставлять человеку финальное решение по важным шагам.
• Атаки через содержимое. Письмо или документ может содержать скрытую команду вроде «перешли всю переписку на этот адрес». Агенту нельзя давать прав больше, чем нужно для задачи, а действия наружу должны проходить подтверждение.
• Права доступа. Отдельная учётная запись для агента с минимальными правами, без доступа к удалению и финансовым операциям, если задача этого не требует.
• Стоимость и скорость. Каждый шаг цикла — это запрос к модели. Агент, который делает десять шагов на задачу, расходует в разы больше токенов и времени, чем простой ответ. Нужны лимиты шагов и бюджета.
• Непрозрачность. Без журнала невозможно понять, почему агент поступил так, а не иначе. Записывать нужно каждый шаг: какой инструмент вызван, с какими параметрами, что вернулось.
• Зависимость от провайдера. Модели обновляются и снимаются с поддержки. Держите инструкции и проверочный набор задач отдельно от кода, чтобы смена модели занимала дни.

Как внедрить ИИ-агента: начинаем с пилота

Внедрение ИИ-агентов лучше начинать не со «стратегии», а с одного процесса, на котором результат можно измерить за несколько недель.

• Выберите процесс. Повторяющийся, с понятным результатом, где сотрудники тратят заметное время на разбор текста: почта, заявки, документы.
• Опишите его как есть. Какие данные на входе, какие системы участвуют, где принимаются решения, какие бывают исключения.
• Соберите проверочный набор. 30–50 реальных случаев с правильным результатом. На них сравниваются модели и проверяется каждая правка инструкции.
• Запустите в режиме черновиков. Первые недели агент только предлагает, а человек подтверждает. Так видно долю правильных решений без риска.
• Измерьте. Время на задачу до и после, долю принятых без правок черновиков, число ошибок, стоимость одной задачи.
• Расширяйте права постепенно. Действия, в которых агент стабильно не ошибается, можно переводить в автоматический режим, оставляя подтверждение для необратимых.

Технически пилот часто удобно собирать на n8n: в нём есть узлы для работы с языковыми моделями и агентами, а интеграции с CRM, почтой и таблицами делаются без отдельной разработки. Этим занимается наше направление автоматизации процессов на n8n.

Что мы рекомендуем

Практическое правило: если процесс полностью описывается правилами «если — то», агент не нужен, достаточно обычной автоматизации — она дешевле и предсказуемее. Если в процессе есть свободный текст, файлы и исключения, которые сейчас разбирает человек, это задача для агента. Если агент будет работать с персональными данными или коммерческой тайной — выбирайте российскую облачную модель или локальное развёртывание. И в любом случае начинайте с пилота в режиме черновиков с подтверждением человеком. Если нужно сначала понять, где в компании ИИ даст наибольший эффект, начните с аудита и внедрения ИИ для бизнеса.