Что такое AI-агенты и как они работают

Что такое AI-агент простыми словами

AI-агент — это программа на основе большой языковой модели, которая получает задачу и сама решает, как ее выполнить: какие инструменты использовать, к каким системам обращаться и в каком порядке действовать.

Агент доводит задачу до результата самостоятельно. Человек подключается, чтобы проверить итог, разобрать сложный случай или принять решение там, где полномочия программы заканчиваются. AI проделывает значительную часть работы, но финальное решение остается за специалистом.

У работы с AI-агентами есть несколько характерных признаков:

• он сам выбирает шаги — пользователь задает цель, а не последовательность действий;
• умеет обращаться к внешним инструментам — CRM, почте, базе данных;
• помнит контекст задачи и учитывает результат каждого действия;
• меняет план, если шаг не сработал.

Вот варианты задач, которые AI-агент может выполнить за человека:

• Разобрать входящие обращения — понять из текста письма, что нужно специалисту, и передать вопрос в профильный отдел.
• Собрать утреннюю сводку для руководителя — какие сделки зависли, какие задачи просрочены.
• Ответить сотруднику по базе знаний — например, найти регламент отпусков и процитировать нужный пункт.
• Написать клиентам, у которых заканчивается подписка, и зафиксировать ответы в CRM.
• Отследить упоминания компании в интернете и прислать маркетологу отчет с выводами.

Чем AI-агент отличается от чат-бота, ассистента и обычной нейросети

AI-агент следует цели, которую ему поставил пользователь, и сам продвигает задачу к результату. Вот в чем разница:

• Нейросеть — например, ChatGPT или GigaChat — отвечает на вопрос и на этом останавливается, чтобы подождать решение или действие человека. Нейросеть может составить текст для письма клиенту, но не будет его отправлять.
• Сценарный чат-бот работает по алгоритму. Компания программирует его так, чтобы он присылал клиентам конкретные сообщения в ответ на типовые запросы. Он может подсказать покупателю статус заказа, но если получит вопрос вне сценария, переведет его на оператора.
• AI-ассистент берет на себя рутину внутри задачи, которую выполняет человек. В CRM он может расшифровать звонок и заполнить карточку клиента, но дальше менеджеру надо изучать историю общения с клиентом и готовить коммерческое предложение.
• AI-агент получает многосоставную задачу и самостоятельно доводит ее до результата. Если попросить его назначить встречу с клиентом на этой неделе — он сверит календари, забронирует переговорку и разошлет приглашения.

Подробнее о том, чем AI-агент отличается от AI-ассистента, читайте в статье Битрикс24 Журнала.

Из чего состоит AI-агент

В AI-агента входит пять частей: модель, инструменты, память, цели и петли обратной связи. Разберем подробнее архитектуру AI-агента и посмотрим, как он подключается к внешним сервисам через протокол MCP.

Модель

В основе AI-агента LLM лежит большая языковая модель — например, ChatGPT или Claude. Она разбирает задачу и решает, что делать дальше: к какому инструменту обратиться и какие данные ему передать.

Модель не заходит в CRM и не открывает почту — эту работу выполняют инструменты. Она решает, когда и какой из них нужен. В примере с заказом она определяет: сначала надо проверить остатки, а потом подготовить ответ клиенту.

Инструменты

Инструмент — это конкретное действие, которое агент умеет выполнять: посмотреть карточку клиента в CRM, свериться со складской системой, отправить письмо. К каждому действию разработчики прилагают описание, по которому агент понимает, какой инструмент вызвать на очередном шаге. Чем точнее его составили, тем реже агент путает похожие команды — например, «проверить остатки» и «зарезервировать товар».

Память

У AI-агентов есть три вида памяти.

1. Краткосрочная хранит детали текущей задачи: что агент уже выяснил и сделал. Например, помнит, что проверил остатки и товара на складе не оказалось.
2. Долгосрочная накапливает опыт: например, правило «если товара нет, нужно сначала предложить замену, а не отменять заказ».
3. Третий вид — это не память AI-агента в прямом смысле, а доступ к документам компании — инструкциям, регламентам и договорам. Агент не заучивает их, а открывает в момент работы, как сотрудник, который сверяется со справочником: например, уточняет, за чей счет доставка при замене товара.

Третий подход называют Retrieval-Augmented Generation (RAG) — с англ. «генерация с дополненным поиском». AI-агент с RAG принимает решения на основе свежих версий документов.

Цель и инструкции

Цель описывает результат, к которому агент должен прийти, например: обработать заказ и ответить клиенту. Инструкции уточняют условия: нужно проверять остатки до ответа, предлагать замену не дороже исходного товара, сообщать менеджеру о заказах от постоянных клиентов. Чем точнее сформулированы цель и инструкции, тем увереннее агент доводит задачу до нужного результата.

Петля обратной связи

После каждого шага агент сверяет то, что получилось, с целью. Если заказ оформлен и клиент получил ответ, задача закрыта. А если товара не оказалось на складе, агент возвращается на шаг назад, подбирает замену и снова проверяет результат, пока не дойдет до цели.

Что такое MCP и зачем он нужен AI-агенту

Автономному AI-агенту часто нужны данные из внешних программ: бухгалтерских систем, курьерских служб, сервисов проверки контрагентов. Раньше, чтобы их получить, разработчики использовали API — способ, по которому системы обмениваются данными между собой. Он подходит, когда заранее известно, что именно одной программе нужно от другой. Связь через API настраивают один раз, и потом она работает годами.

С AI-агентом так не получится: его запросы каждый раз зависят от цели, и нельзя предугадать, что ему понадобится завтра. Поэтому используют MCP (Model Context Protocol) — общий протокол, по которому внешний сервис один раз описывает, что и как в нем можно сделать, а AI-агент с MCP находит возможность, когда она ему нужна.

Для бизнеса это значит, что список задач, которые умеет решать агент, со временем увеличивается — по мере того как к MCP подключают новые сервисы.

Как работает AI-агент: шаг за шагом

Агент подходит к задаче циклично: разбирается в ситуации, составляет план, действует и проверяет результат. Если итог не устраивает, он возвращается на предыдущий шаг и выбирает другой путь.

Разберем, как AI ИИ-агент обрабатывает заявку клиента с сайта.

1. Восприятие. Агент получает заявку и выясняет детали: проверяет, есть ли такой клиент в CRM, и изучает историю его обращений.
2. Рассуждение. Модель раскладывает задачу на шаги: ему нужно узнать, есть ли товар на складе, рассчитать срок доставки, подготовить ответ клиенту и поставить задачу менеджеру.
3. Действие. Агент по очереди обращается к нужным инструментам — складской системе, службе доставки и почте — в том порядке, который определила модель.
4. Наблюдение. После каждого действия агент сравнивает итог с планом. Если фактический промежуточный результат соответствует плану, агент переходит к следующему шагу. Если нет — подбирает другой вариант, например, ищет замену товара.
5. Завершение. Если агенту хватает данных, он закрывает задачу сам. Если нет, он передает заявку менеджеру вместе с готовым черновиком ответа.

Иногда цикл работы AI-агента дает сбой. Например, данные устарели или неполные, цель сформулирована нечетко. Или компания подключила слишком много инструментов сразу, и агент путается в том, какой ему выбрать.

Есть и другой риск — агент работает без ошибок, но слишком самостоятельно: отправляет письмо клиенту или отменяет сделку без подтверждения менеджера. Поэтому для важных действий агенту нужно заранее задать правила: подготовить — показать человеку — дождаться положительного ответа.

Какие виды AI-агентов существуют

Разберем подробнее, какие есть AI-агенты — их различают по устройству и назначению.

По устройству выделяют четыре типа AI-агентов:

1. Реактивный отвечает на событие по простой логике: пришло письмо со счетом — сохранил его в папку сделки. Его легко спутать с чат-ботом — разница в том, что агент сам достает данные из систем, а не выдает заготовленный текст.
2. Целеориентированный строит план к цели. Если от клиента пришел запрос, нужно довести его до покупки. Агент анализирует обращение и историю его покупок и отправляет подборку наиболее релевантных товаров.
3. Обучающийся учитывает результаты прошлых действий в процессе работы. Он смотрит, на какие рассылки аудитория откликается лучше, и в соответствии с этим меняет будущие письма.
4. Мультиагентный — это когда несколько агентов делят одну большую задачу. Первый собирает данные о продажах, второй считает показатели, а третий оформляет отчет.

Начинать разумно с одного агента для конкретной задачи. К связке из нескольких стоит переходить позже, когда потребности вырастут — мультиагентная система стоит дороже, работает медленнее, а искать причину ошибки в ней труднее.

По назначению агенты чаще всего делятся так:

• голосовые — ведут разговор по телефону или в мессенджере;
• агенты поддержки — отвечают на обращения клиентов и передают сложные случаи специалисту;
• агенты продаж — квалифицируют лидов и готовят предложения;
• кодовые — работают внутри редакторов кода и помогают программистам;
• исследовательские и браузерные — ищут и собирают информацию в интернете;
• внутренние корпоративные — ищут информацию в базе знаний компании, закрывают вопросы HR и первой линии IT-поддержки.

Какие задачи бизнес уже отдает AI-агентам

Компании внедряют агентов ради того, чтобы экономить время, снижать количество ошибок и находиться на связи с клиентами 24/7. В основном агентам передают повторяющиеся задачи с понятным результатом, а финальные решения остаются за человеком.

Вот в каких сферах сейчас используют AI-агентов:

• Продажи. Агент квалифицирует лидов, готовит черновики коммерческих предложений, напоминает клиентам об оплате и заполняет карточку сделки после звонка. Сотрудник проверяет черновики и ведет переговоры по крупным сделкам.
• Поддержка клиентов. Первую линию обращений закрывает агент: ищет ответы в базе знаний и готовит черновики ответов для операторов. Сложные конфликтные ситуации остаются за человеком.
• Маркетинг. Здесь агентам доверяют подготавливать черновики контента, сегментировать базу подписчиков и отчитываться по рекламным кампаниям. Стратегию и творческую идею формулирует специалист.
• HR. Агент первично отбирает отклики по формальным критериям, отвечает новичкам на вопросы по регламентам и ведет часть онбординга. Оценка кандидатов на собеседовании и решение о найме остаются за людьми — рекрутером и руководителем.
• Финансы и бэк-офис. Рутинную работу с документами забирает на себя агент. Он сверяет платежи из банковской выписки со счетами в учетной системе, переносит суммы и реквизиты в базу, готовит черновик отчета за период. Проверяет и утверждает все бухгалтер.

AI-агент нужен не всегда. Если это типовая задача с одними и теми же данными — например, раз в неделю сотрудник выгружает отчет и отправляет его руководителю — можно настроить автоматизацию, которая обойдется дешевле. Рано подключать агента и там, где цена ошибки высока, а проверять за ним некому.

Какие AI-агенты доступны в России

Российский рынок агентов делится на три группы решений, и в каждой — свои задачи и ограничения.

• Массовые ассистенты и агентные режимы. Это готовые помощники для повседневных дел: например, Алиса AI от «Яндекса». Они предназначены для личных задач: готовых интеграций с корпоративными системами — CRM, складом или бухгалтерией — у них нет.
• Платформы и конструкторы. Например, GigaChat Enterprise от «Сбера» или Yandex AI Studio от «Яндекса». Обе платформы позволяют собрать агента из готовых блоков и связать между собой разные сервисы. Они подходят для компаний, которым нужен агент под собственные процессы, и которые готовы самостоятельно настраивать его логику.
• Агенты внутри бизнес-систем. Например, в Битрикс24 есть готовые агенты для поиска по базе знаний и контроля проектов. Отдельно разрабатывать и обучать такого помощника не нужно. Он с первого дня видит все, что компания хранит в системе, — сделки, задачи и переписку. Такой вариант подходит компаниям, которые хотят запустить агента быстро и без разработки.

Какие AI-агенты работают в Битрикс24

• Готовые AI-агенты. В Битрикс24 их три: для поиска по базе знаний, для обучения и тестирования, для управления проектами. Каждого можно запустить несколько раз с разными настройками. Например, создать две версии агента для поиска по базе знаний — одну по документам продаж, другую по инструкциям маркетинга. Доступны в тарифах «Профессиональный» и «Энтерпрайз».

  

• Битрикс24 Вайбкод — это платформа, на которой можно создать приложения, ботов или дашборды без навыков программирования. Сотрудник описывает задачу простыми словами, а AI пишет код, разворачивает готовое решение на защищенном сервере и подключает к данным портала Битрикс24. Для работы нужны платный тариф и подписка «BitrixGPT + Маркетплейс», есть демодоступ на 14 дней.

  

• Hermes — AI-агент, который подключается к Битрикс24 через Вайбкод. Появляется как бот в чатах платформы: сотрудники пишут ему напрямую. Он понимает голосовые сообщения и файлы, помнит контекст разговора, а главное — самообучается: из повторяющихся задач формирует навыки и с каждым разом справляется быстрее. Hermes — это проект с открытым исходным кодом, доступным на GitHub.

  

Данные портала компании в Битрикс24 открыты для AI-агентов с первого дня, а к внешним сервисам, например бухгалтерской программе или проверке контрагентов, их можно подключить через MCP.

Вайбкодинг — это возможность создавать программы без опыта разработки. Начните с нашей вайбкод-платформой: ИИ сгенерирует код и создаст рабочее приложение или сайт.

Как работать с AI-агентом

Предположим, HR-специалист хочет, чтобы агент отвечал сотрудникам на вопросы про отпуска и больничные согласно регламентам компании. Этапы взаимодействия будут одинаковыми для любого агента.

Шаг 1. Сформулировать цели и ограничения. HR-специалист пишет: «Отвечай сотрудникам на вопросы по отпускам и больничным, опирайся только на загруженные регламенты компании. Если ответа в документах нет, честно сообщай об этом».

Шаг 2. Дать агенту материал для работы. В базу знаний проекта загружают актуальные версии регламентов — положение об отпусках, порядок оформления больничных и внутренние инструкции. На основе них агент будет генерировать ответы.

Шаг 3. Проверить, что агент действительно опирается на документы. Можно задать тестовые вопросы: «Сколько дней отпуска положено сотруднику после года работы?» или «Как оформить больничный, если он выпал на отпуск?».

Шаг 4. Определить ограничения. Нужно прописать в инструкции сложные и нестандартные случаи — например, отпуск с последующим увольнением или совмещение нескольких видов больничного. В таких ситуациях агент будет направлять сотрудника к HR.

Шаг 5. Дать агенту доступ к действиям, если для задачи нужно создавать заявку в кадровой системе или ставить задачу в CRM. Для этого подключают внешние сервисы через MCP, о котором писали выше.

Шаг 6. Постепенно расширить задачи. Когда агент начнет стабильно и качественно отвечать на вопросы по отпускам и больничным, к базе знаний можно добавить новую тему — например, вопросы по премиям или командировкам.

Подробнее о внедрении ИИ в бизнес-процессы читайте в пошаговой инструкции Битрикс24 Журнала.

Какие риски несут AI-агенты и как их снизить

У использования AI-агентов есть риски, которые можно предусмотреть заранее.

Галлюцинации

ИИ-модель выдает неверную или выдуманную информацию, и на основании нее агент совершает ошибку. Снизить риск подобных шагов помогают настройки. Перед необратимыми операциями агент должен останавливаться и запрашивать согласование у сотрудника.

Утечка данных

Агент работает с перепиской и документами компании. Часть информации может уйти за ее пределы — например, на серверы стороннего разработчика. Чтобы данные были в безопасности, их держат в закрытом контуре или запускают агента на собственных серверах, а доступ разграничивают по ролям сотрудников.

Потеря прав доступа при увольнении сотрудника

Если агента подключили через личный аккаунт сотрудника, права на него привязаны к конкретному специалисту. Когда сотрудник увольняется, вместе с ним может пропасть и доступ. Поэтому агента лучше подключить через рабочую роль или отдел, а не через личный аккаунт.

Черный ящик

Иногда агент принимает решение по неясной причине. При неудачном результате это мешает разобраться в ошибке. Компании сохраняют историю каждого шага агента, и там, где цена ошибки высока, выбирают сценарии, в которых ход рассуждений можно проверить.

Юридическая ответственность

Если агент по ошибке списывает не ту сумму или нарушает закон о рекламе, отвечает перед партнером или регулятором компания. Чтобы этого избежать, применяют подход Human-in-the-Loop: все потенциально критичные действия агентов оценивает и проверяет сотрудник.

Что будет с AI-агентами дальше

Агенты постепенно становятся частью обычных рабочих программ. По прогнозу исследовательской компании Gartner, к 2028 году агенты появятся в 33% корпоративных приложений — в 2024 году был всего 1%.

При этом Gartner ожидает, что больше 40% проектов с AI-агентами компании закроют до конца 2027 года: расходы оказываются выше ожидаемых, а польза — неочевидной. Чаще всего дело не в технологии, а в подходе: агента внедряют, потому что так делают все, без четкого понимания, какую конкретно задачу он должен решить и как измерить результат.

Для бизнеса из этого следует вывод: ждать, пока технология дозреет, смысла нет — она развивается плавно, и идеального момента не будет. Но и подключать агентов сразу ко всем процессам рискованно. Разумнее взять одну задачу, посмотреть на результат через месяц и расширить применение в случае удачного эксперимента.

Подробный обзор трендов агентного ИИ на 2026 год с прогнозами аналитиков собрали в статье Битрикс24 Журнала.

Частые вопросы