Что такое ИИ-агент без красивых слов
По сути это программа, которая получает задачу, сама решает, какие инструменты подключить (базы, API, MCP), уточняет детали и выдаёт результат. В отличие от чат-бота он не просто болтает, а реально действует. В отличие от макроса — не следует жёсткому сценарию, а рассуждает.
Простыми словами: даёшь цель и инструменты, агент сам собирает шаги. У него есть роль, права и чёткие границы. Поэтому просьба «сделай агента, который делает всё» сразу обречена — такой штуки никто не отладит и не поддержит. Хорошие агенты всегда узкие, особенно первый пилот.
Почему не стоит брать самую важную задачу
Классическая ошибка — начинать с процесса, который реально болит у гендира. Продажи, ключевые клиенты, отток. Я обычно отговариваю. Если агент ошибётся на критичном участке, все ошибки обсуждают на планёрке, а не в чате. Команда тратит время на подстраховки вместо того, чтобы понять, как вообще работает агент.
Первый пилот — это учебная площадка. Учимся мы, учится команда заказчика, учится сам процесс. Поэтому я ищу что-то скучное: рутинную операцию, которую несколько человек делают каждый день по одному шаблону. Вход и выход понятны, а ошибка легко поправляется людьми.
Как я выбираю этот процесс
Собираюсь с руководителями отделов и проверяю четыре вещи:
- Объём. Делают раз в неделю — не трогаем. Нужно, чтобы повторялось десятки раз в день.
- Вход-выход. Прошу десять реальных примеров. Если вход примерно одинаковый, а выход — конкретное действие, берём. Если каждый раз всё по-новому — агент не поймёт, чему его учить.
- Цена ошибки. Если один раз выдаст ерунду и клиент просто переспросит менеджера — нормально. Если уйдёт платёж не туда — даже не начинаем.
- Человек внутри. Нужен хотя бы один сотрудник, который варится в процессе и хочет, чтобы стало проще. Без него агент так и останется чужой игрушкой.
Как было в последнем проекте
Производственная компания, оптовики по всей стране. Хотели «ИИ везде», начиная с продаж. Мы прошлись по критериям и взяли обработку запросов на прайс и наличие.
Менеджеры каждый день получали одинаковые письма: «дайте цены на позиции, есть ли в наличии, когда отгрузите». Всё лежало в 1С, но собирать вручную уходило от 5 до 30 минут. Ошибка здесь недорогая — менеджер всё равно проверяет.
Сделали агента на GigaChat Pro (данные не должны покидать контур). Три инструмента к 1С через MCP-сервер, плюс шаг проверки, что все артикулы нашлись. Агент читает письмо, тянет данные, формирует черновик и отдаёт менеджеру.
Что важнее модели
Модель мы поменяли один раз — полдня работы. Гораздо больше времени ушло на другое:
- Разметку ста реальных писем и ответов менеджеров.
- Формулировку коротких и однозначных правил («если нет в наличии — не предлагай аналог сам»).
- Промежуточный слой, чтобы данные из 1С агент мог нормально читать.
По сути разработка агента — это не «написать промпт», а спроектировать роль, границы, инструменты и способ передачи задачи человеку.
Как я замеряю результат
Через две недели просто спросил менеджеров: «Стало легче?». Ответ: «Раньше на письма уходила половина дня, теперь управляемся до кофе». Ещё считали, сколько черновиков уходит без правок. В первую неделю правили почти всё, к концу месяца заметная часть уходила клиенту как есть.
Что я советую тем, кто начинает
Не бери самый болезненный процесс. Бери скучный, который люди делают каждый день и хотели бы отдать. Проверь, что данные уже есть в системах. Найди внутри отдела союзника. И первые недели пусть агент работает под присмотром.
Через пару месяцев у тебя будет не только живой пилот, но и команда, которая понимает, как устроены такие агенты изнутри. Следующий — уже по критичному процессу — пойдёт заметно быстрее.