Что такое ИИ-агент для бизнеса и чем он отличается от чат-бота

Что такое ИИ-агент простыми словами?

ИИ-агент получает задачу и сам решает, какие шаги сделать и какими системами воспользоваться. В руководстве OpenAI 2025 года агент описан как система, которая самостоятельно выполняет задачи от имени пользователя.

Anthropic в статье от 19 декабря 2024 года выделяет два типа систем. В рабочем процессе модель и инструменты идут по пути, который программист заранее прописал в коде. Агент сам направляет свой процесс и сам выбирает инструменты под задачу.

Возьмем одно действие в отделе продаж. Клиент пишет на почту, что не получил счет. Агент находит клиента в CRM, видит сделку и выставленный накануне счет, готовит ответ с копией счета и делает отметку в карточке клиента. Менеджер видит ответ до отправки.

Если сделки в CRM нет, агент ничего не придумывает и пересылает письмо менеджеру с короткой сводкой о том, кто пишет и что уже проверено.

Руководство OpenAI делит агента на три части: модель, инструменты и инструкции. В документации Yandex AI Studio частей четыре: добавляется память. Модель рассуждает и выбирает следующий шаг. Инструменты дают доступ к системам, а инструкции задают правила и запреты.

Чем ИИ-агент отличается от чат-бота?

Агент действует в системах. Чат-бот принимает вопрос и возвращает текст, а найти заказ, поправить карточку и отправить документ потом приходится сотруднику вручную. Агент сам решает, какой инструмент вызвать: найти запись, создать задачу, обновить поле в CRM.

OpenAI относит такие программы к другому классу. Если модель встроена в приложение, но ходом процесса не управляет, руководство не считает систему агентом. Сюда попадают простые чат-боты, одиночные запросы к модели и классификаторы тональности.

Документация Claude описывает один шаг агента как обмен сообщениями. Модель читает описание инструмента, решает, нужен ли вызов, и возвращает структурированный запрос. Ваше приложение выполняет запрос и отдает результат обратно модели, поэтому агент умеет ровно то, что разрешают подключенные инструменты.

Цикл повторяется, пока задача не решена. Anthropic советует задавать условие остановки, например предельное число шагов. Без предела ошибки накапливаются, а каждый лишний шаг к тому же оплачивается как отдельный запрос к модели.

Агент нужен не всегда. Если шаги известны заранее, хватает рабочего процесса с жестким порядком. Anthropic в статье о построении агентов рекомендует начинать с самого простого решения и усложнять его, только когда оно перестает справляться с задачей. В руководстве OpenAI та же мысль: где задача не требует суждения, может хватить обычной автоматизации по правилам.

Какие задачи отдела можно отдать агенту?

OpenAI называет три признака подходящей задачи. Решения в ней зависят от исключений и контекста. Правил так много, что их трудно поддерживать в актуальном виде. В работе много неструктурированного текста, например писем, договоров и обращений клиентов.

Под эти признаки подпадают задачи в 4 отделах, с которыми я работаю.

• Продажи и поддержка. Агент первой линии разбирает входящие обращения, отвечает по базе знаний и передает сложный вопрос менеджеру. Как я настраиваю такого агента, описано на странице ИИ-агент для отдела продаж. Его работу по шагам показывает разбор агента первой линии поддержки.
• Финансы. Агент проверяет полноту заявки на оплату, сверяет сумму с договором и собирает реестр платежей. Решение о платеже остается у ответственного сотрудника. Подробности на странице ИИ в финансовом отделе.
• База знаний. Агент отвечает сотрудникам по регламентам и инструкциям со ссылкой на документ. Схема описана на странице база знаний компании на ИИ.
• Юридический отдел. Агент сравнивает договор с правилами проверки и показывает отклонения с цитатой. Решение по каждому пункту принимает юрист. Детали на странице ИИ для юристов компании.

Хуже всего агенту даются расчеты по формуле с одним правильным ответом. Скидку по таблице надежнее считать обычной программой. Агент полезен там, где сотрудник сейчас читает текст и решает, что с ним делать.

Что нужно, чтобы агент работал с вашими системами?

Агенту нужны доступы к системам, подготовленные документы и ответственный со стороны компании.

Начну с доступов. Агент подключается к CRM, почте, учетной системе или хранилищу документов, и для таких подключений есть открытый протокол MCP (Model Context Protocol). Anthropic представила его 25 ноября 2024 года, актуальная версия спецификации датирована 28 июля 2026 года. Протокол передает сообщения в формате JSON-RPC 2.0, и через MCP-сервер система отдает агенту данные и список доступных действий.

Спецификация MCP требует явного согласия пользователя перед вызовом любого инструмента и запрещает хосту передавать данные пользователя серверу без такого согласия. Решение о том, какие действия разрешены агенту, остается за вами.

OWASP советует выдавать минимальные права, например доступ к базе только на чтение. С этого стоит начинать. Пока агент только читает и предлагает, менеджер подтверждает каждое его действие. Право на запись вы открываете отдельным решением.

Агент видит только те записи, документы и поля, которые ему отдают подключенные инструменты под выданной учетной записью. Если доступ к карточкам клиентов закрыт, агент о них не знает и сослаться на них не может.

Второе условие касается документов. Агент отвечает по тем материалам, которые ему открыли, и устаревший регламент перескажет так же уверенно, как свежий. Поэтому до запуска документы разбирают: что актуально, что устарело и кто ведет каждую тему. Порядок такой подготовки я описал в статье как подготовить процесс к работе с агентом.

Третье условие касается людей. Ответственный сотрудник разбирает спорные случаи, просматривает выборку ответов агента и отмечает ошибки. По этим отметкам меняется инструкция. Для такой роли нужно знание процесса; программировать не придется.

Отдельно решается, где работает модель. Текст задачи уходит туда, где модель запущена: к зарубежному провайдеру, в российское облако или на серверы компании. Для последнего варианта в Yandex AI Studio есть раздел On-premises об установке в собственной инфраструктуре.

Где ИИ-агент ошибается и как это контролировать?

Агент ошибается там же, где языковая модель. К этому добавляются ошибки в действиях, и стоят они дороже: письмо уже ушло клиенту, запись появилась в CRM.

Модель может додумать недостающее. В документации Claude разобран случай, когда в запросе не хватает обязательного параметра. Claude Opus в такой ситуации чаще переспрашивает, а Claude Sonnet может сам подставить правдоподобное значение. Поэтому программа вокруг агента должна сама проверять обязательные поля перед каждым действием, а при пропуске останавливаться и звать человека.

Опаснее чужие инструкции, спрятанные в данных. Это косвенная инъекция промпта, она входит в риск LLM01 из списка OWASP Top 10 для LLM-приложений 2025 года. Письмо или файл содержит текст, который меняет поведение модели, причем человек этого текста может даже не видеть. Поэтому агенту, который читает входящую почту, нельзя давать право проводить платежи.

С этим связан риск лишних полномочий: в том же списке он записан как LLM06. У агента оказывается больше функций, прав или свободы, чем нужно для задачи. OWASP советует сужать инструменты до нужных функций, выдавать минимальные права, а отправку и удаление отдавать на подтверждение человеку.

Агент может и зациклиться. OpenAI советует ограничить число повторов и действий агента: если он не понял клиента после нескольких попыток, диалог переходит к человеку.

Для рискованных действий в руководстве OpenAI тот же порядок: отмену заказа, крупный возврат или платеж подтверждает человек, пока вы не убедитесь в надежности агента. Anthropic рекомендует до запуска тестировать агента в изолированной среде.

На старте я бы дал агенту копию данных и права на чтение и вел журнал: каждое действие агента и имя сотрудника, который его подтвердил. По журналу видно, на каком шаге агент ошибся.

Процент ошибок я не привожу, потому что он зависит от модели, данных и задачи. Его измеряют на выборке ваших обращений до того, как агент начнет отвечать клиентам.