ИИ‑агенты для бизнеса: что это и когда они окупаются

Что такое ИИ-агент простыми словами

ИИ-агент — это языковая модель, которой дали цель, инструменты и право решать, что делать дальше. Инструменты — ваши системы: CRM, почта, база знаний, таблицы. Модель выбирает, чем воспользоваться, смотрит на результат и решает, какой шаг следующий. И так до тех пор, пока задача не решена или не нужен человек.

От привычных инструментов его отличает то, кто принимает решение о следующем шаге:

Последний столбец важнее первых. Чат-бот может ошибиться словом, агент — действием: отправить письмо, изменить запись, провести возврат.

Чем агент отличается от обычной автоматизации

Понятнее всего различие описала Anthropic, разработчик моделей Claude. Сценарий — система, в которой модель и инструменты идут по заранее написанному в коде пути. Агент — система, в которой модель сама управляет ходом работы и выбором инструментов.

Там же главный совет: искать самое простое решение и усложнять, только когда без этого нельзя. Иногда это значит обойтись без агента совсем. Он нужен там, где число шагов заранее не угадать и путь нельзя прописать жёстко. Плата за это: расходы выше, а ошибки накапливаются от шага к шагу. Поэтому такую систему сначала испытывают в песочнице и ставят ей ограничения.

Схема условная: она показывает, кто выбирает шаг, а не сроки и объёмы.

Где агенты уже работают

Самый известный пример — ассистент Klarna, сервиса оплаты покупок частями. В феврале 2024 года компания сообщила, что за первый месяц он провёл 2,3 млн разговоров — две трети всех обращений в поддержку. По подсчёту компании, это работа 700 сотрудников на полной ставке. Вопросы стали решаться меньше чем за две минуты вместо 11, повторных обращений стало на 25% меньше. Ассистент не только отвечает, но и оформляет возвраты — то есть действует в системах компании.

Продолжение менее известно. В мае 2025 года глава Klarna сказал Bloomberg, что при внедрении слишком много значила стоимость, и в итоге пострадало качество. Компания снова стала нанимать людей в поддержку. Ассистент при этом остался и по-прежнему закрывает две трети обращений, а людям отдали сложные и деликатные случаи.

Урок Klarna в разделении труда: машина забирает поток типовых задач, человек — всё, где важны суждение и доверие клиента. Довести такое разделение до работы в процессе — задача инженера внедрения, FDE-инженера.

Почему проекты с агентами закрывают

В июне 2025 года Gartner спрогнозировала, что больше 40% проектов с ИИ-агентами закроют к концу 2027 года. Причины: растущие расходы, неясная польза для бизнеса и слабый контроль рисков.

Там же аналитики описали «агент-вошинг» — переименование старых продуктов под модное слово. Под новым словом продают обычных чат-ботов, ассистентов и роботизацию без способности самостоятельно выбирать шаги. По оценке Gartner, из тысяч таких поставщиков настоящие решения есть примерно у 130.

Возможности самой технологии тоже пока скромнее рекламы. В исследовании TheAgentCompany ИИ-системы посадили работать в смоделированную небольшую IT-компанию с внутренними сайтами, документами и коллегами. Лучший из них самостоятельно довёл до конца 30% задач. Тесты устаревают быстро, но порядок цифр полезно помнить, когда подрядчик обещает «полную автоматизацию».

Как понять, нужен ли вам агент

Пять вопросов до разговора с подрядчиком:

• Шаги известны заранее? Тогда хватит сценария: он дешевле, быстрее и ведёт себя одинаково.
• Во что обойдётся ошибка? Если система может отправить деньги или письмо клиенту, опасный шаг проверяет человек или отдельная модель. Как это устроено, разобрано в статье про модель Jev.
• Можно ли проверить результат? Без способа отличить хороший результат от плохого не понять, работает ли система.
• Есть ли поток? Агент окупается на большом числе похожих, но не одинаковых задач.
• Есть ли доступ к данным? Агент без доступа к CRM и почте остаётся чат-ботом.

Идею стоит проверить до разработки, на реальных примерах и с понятным критерием успеха. Как это сделать, разобрано в статье о том, как проверить идею ИИ-инструмента.

ИИ-агенты в России: на чём их собирают

Яндекс и Сбер в марте 2026 года показали конструкторы для таких систем.

• Yandex AI Studio. В обновлении от 3 марта 2026 года появились рассуждающие агенты на модели DeepSeek-V3.2. Среди примеров задач — сравнение тендерных предложений, разбор технических инцидентов, работа с кодом. Платформу можно подключить по выделенному соединению без записи запросов в журнал, развернуть на своих серверах или в гибридной схеме.
• ГигаЧат Бизнес (GigaChat Enterprise) от Сбера. Корпоративная платформа, где их собирают в конструкторе без программирования. Среди примеров — поиск по регламентам, подбор аналогов оборудования по справочникам, перевод документов. Три варианта размещения: в периметре компании, в облаке или гибридно.

Примеры задач здесь называют сами платформы, независимых замеров пока нет. У подрядчика в любом случае стоит спросить, где обрабатываются и хранятся ваши данные и что из запросов попадает в журналы.

Что это меняет для руководителя

Начинать стоит с задачи, а не с агента. Если шаги известны, сценарий сделает то же самое дешевле и предсказуемее.

Агент оправдан на потоке похожих, но не одинаковых задач, когда у него есть доступ к данным, а у вас — способ проверить результат. Опасные действия он выполняет только после проверки.

Главный вопрос к подрядчику: что в его решении выбирает модель, а что прописано заранее? Ответ сразу отделяет настоящую разработку от переименованного чат-бота.