Примеры ИИ-агентов для бизнеса: 12 сценариев по отделам

Что умеет ИИ-агент в работе отдела?

ИИ-агент выполняет шаги рабочего процесса в системах компании. Он читает заявку, ищет данные в CRM и готовит запись или черновик. Подробно разницу с чат-ботом я разобрал в статье «Что такое ИИ-агент для бизнеса и чем он отличается от чат-бота».

OpenAI в руководстве «A practical guide to building agents» называет три признака подходящей задачи. Решение зависит от исключений и контекста. Правил много, и их трудно держать в актуальном виде. В работе много неструктурированного текста вроде писем, договоров и обращений.

Сценарии ниже типовые. Я собрал их из разборов на этом сайте и справки Битрикс24, amoCRM и Яндекса, за ними нет историй конкретных компаний. Цифр эффекта здесь тоже нет. Их дает только замер на ваших данных.

Каждый сценарий я разложил в таблицу из четырех строк. Вход показывает, что агент получает. Действия описывают его работу, выход называет результат для сотрудника или системы. В последней строке то, что сотрудник смотрит и решает сам.

Какие ИИ-агенты нужны отделу продаж?

В продажах агент работает с заявками, звонками и перепиской. Все три сценария опираются на CRM. Агент читает карточку и пишет в нее.

1. Разбор входящей заявки

Все девять задач воронки я разобрал в статье «ИИ в продажах: 9 задач отдела, которые можно отдать агенту».

2. Резюме звонка в карточке сделки

Внешнего агента к порталу подключает официальный MCP-сервер портала Битрикс24. Через него агент читает и меняет задачи, сделки, встречи и письма. Методы и права для обеих CRM я собрал в статье «ИИ-агент в Битрикс24 и amoCRM: что он делает в сделках».

3. Ответ клиенту в мессенджере

Схему такого бота с методами передачи в CRM я описал в статье «ИИ-бот для бизнеса в Telegram и MAX: как связать его с CRM».

Что агент делает в финансах и бухгалтерии?

В финансах агент готовит решение и показывает источник каждого значения. Деньги отправляет и документы подписывает сотрудник.

4. Проверка заявки на оплату

Почтовый ящик заявок агент читает через сервер вроде Email MCP, он работает с почтой Яндекса, Mail.ru и Gmail. Полный список проверок до согласования есть в статье «Автоматизация заявок на оплату с помощью ИИ».

5. Сопоставление оплат с договорами

Как агент собирает реестр и где ошибается в финансовых данных, я разобрал в статье «Реестр платежей и контроль оплат: что можно отдать ИИ».

6. Проверка первичных документов

Сканы и PDF с таблицами разбирает Docling MCP, в нем есть распознавание текста. Что в бухгалтерии остается за людьми по закону, я перечислил в статье «ИИ для бухгалтерии: что автоматизировать, а что оставить человеку».

Во всех трех сценариях агенту нужен справочник контрагентов и договоры. Если они лежат в 1С, есть проект сообщества MCP-сервер внутри 1С. Отдельного пользователя и права для агента я описал в статье «ИИ-агент для 1С: как подключить через MCP и что ему доверить».

Как ИИ-агент помогает юристам?

Юристу агент отдает черновик со ссылкой на пункт, шаблон или позицию отдела. Подпись и решение по договору остаются за юристом.

7. Первичная проверка договора

Пример таких правил в коде есть в каталоге. Это скилл проверки договора поставки по главе 30 ГК РФ. Ошибки агента в договорах я показал в статье «Проверка договоров с помощью ИИ: возможности и ограничения».

8. Сборка документа по шаблону

Как хранить юридические документы для такой работы, я объяснил в статье «ИИ в юридическом отделе: какие задачи можно автоматизировать».

9. Ответ по позициям компании

У Anthropic схема с плейбуком собрана в плагинах Claude for Legal, но они рассчитаны на право США и ЕС. Как перенести эту схему на российские документы, я разобрал в статье «ИИ-помощник юриста: как собрать его на ваших шаблонах и практике».

Как агент работает с базой знаний и поддержкой?

Здесь агент отвечает на вопросы по документам компании. Клиент получает ответ в чате, сотрудник во внутреннем поиске. Источник агент называет в обоих случаях.

10. Первая линия поддержки

Правила передачи диалога и методы Битрикс24 я привел в статье «ИИ-агент первой линии поддержки: как устроен и что умеет».

11. Ответы сотрудникам по регламентам

Какие документы подходят для базы и как разграничить доступ, я разобрал в статье «ИИ-база знаний компании: как собрать ее из документов».

12. Поиск по документам на своем сервере

Открытую модель на своем железе запускает Ollama. Когда такой вариант оправдан, я объяснил в статье «Локальная LLM и RAG в компании: когда данные нельзя отдавать в облако».

Взять готового ИИ-агента или собрать своего?

Готовые агенты есть в CRM и облачных платформах. Таблицу я составил по справке вендоров. Справку о BitrixGPT в CRM Битрикс24 обновил 3 сентября 2026 года.

Встроенный агент работает по правилам вендора. У amoCRM, по справке, агент заканчивает обработку и отправляет свой ответ, даже если менеджер ответил клиенту первым. Такие особенности стоит проверить на тестовой воронке до запуска.

Для первого, второго, третьего и десятого сценариев я бы сначала попробовал встроенного агента своей CRM. Он уже видит сделки и чаты. Свой агент нужен в трех случаях.

1. Проверка идет по вашим правилам, например по плейбуку юристов или списку проверок заявки.
2. В одном сценарии участвуют несколько систем, например почта, 1С и CRM.
3. Место работы модели выбирается под требования к данным, вплоть до своего сервера.

Готовые сервисы на правовых базах для юристов я сравнил отдельно в статье «ИИ для юристов: как выбрать сервис и где проходит граница». Условия BitrixGPT, AI-агента amoCRM и Yandex AI Studio я сверил с официальными страницами 23 октября 2026 года.

Может ли ИИ-агент заменить сотрудника?

Агент готовит, сотрудник решает. Во всех двенадцати сценариях на выходе черновик, пометка или передача диалога. Платеж, подпись, отчетность, обещание клиенту и согласование отклонения остаются за человеком.

Агент видит только записи и поля, которые отдают ему инструменты под его учетной записью. На старте у него права на чтение и копия данных. Право записи он получает позже. Тогда ошибка агента остается в черновике, и сотрудник видит ее раньше клиента или банка.

Отдельно решается, где работает модель. Если агент передает персональные данные модели за рубежом, по части 3 статьи 12 закона № 152-ФЗ оператор до начала передачи уведомляет Роскомнадзор. Часть 5 статьи 18 требует записывать и хранить данные граждан России в базах на территории России, кроме случаев из пунктов 2, 3, 4 и 8 части 1 статьи 6. Что из этого следует для загрузки документов, я описал в статье «Персональные данные и нейросети: что можно загружать по 152-ФЗ».

С какого сценария начать в каждом отделе?

Я бы начинал с одного сценария, где сотрудник сразу видит ошибку агента.

• В продажах я бы взял второй сценарий. Менеджер помнит разговор, а исправить резюме проще, чем отозвать письмо клиенту.
• В финансах подойдет четвертый сценарий на одном потоке, например оплатах поставщикам по действующим договорам.
• У юристов начать стоит с седьмого сценария на одном типе договора. Правила уже лежат в шаблоне и протоколах разногласий.
• В базе знаний первым идет одиннадцатый сценарий. Сначала проверьте права на папки, которые пойдут в базу.

Пилот я бы вел месяц. Агент работает на копии данных и только читает. Запись в систему я бы открывал агенту после того, как сотрудник сравнит его черновики со своей работой. Как описать процесс до запуска, я разобрал в статье «Как подготовить процесс к автоматизации ИИ-агентом: чек-лист».

Обсудить свой сценарий можно на странице отдела. Это ИИ в отдел продаж, ИИ в финансовый отдел, ИИ для юридического отдела или ИИ-база знаний компании.