Что такое ИИ-агент: объясняем простыми словами

Что такое ИИ-агент простыми словами

Представьте нового сотрудника, которому выдали инструкцию, доступ к CRM и почте и объяснили, чего делать нельзя. Он читает обращение, сам соображает, что с ним делать, и делает. Примерно так устроен и ИИ-агент, только вместо сотрудника здесь языковая модель с подключёнными инструментами.

Обычная автоматизация работает иначе. В ней маршрут прописан заранее: пришло событие, выполнили шаг один, потом шаг два. Шаг в сторону ломает сценарий. Агенту маршрут не задают жёстко, ему задают цель, набор разрешённых действий и правила. Дальше он выбирает порядок шагов под конкретную ситуацию.

Вот почему вопрос «что такое ИИ-агент» чаще всего разбивается о другой вопрос: а кто здесь решает, что делать дальше. Если решает разработчик на этапе настройки, перед вами сценарий. Если решение принимается в момент обращения, исходя из текста и данных, перед вами агент.

Простой пример. Клиент в 23:40 пишет в мессенджер: «А вы ремонтируете кофемашины Jura, сколько это стоит?» Агент видит два вопроса сразу, находит модель в списке обслуживаемой техники, называет вилку по прайсу и записывает человека на диагностику. Сценарный бот на такой фразе предлагает выбрать пункт меню.

Чем ИИ-агент отличается от чат-бота и ChatGPT?

Чат-бот ведёт разговор по веткам, которые кто-то нарисовал руками. Он быстрый, предсказуемый и дешёвый в поддержке. Пока выбор у клиента невелик, бот выигрывает: заказ статуса доставки или запись в две кнопки не нуждаются в модели. Как такие сценарии устроены, мы разбирали в статье про Telegram-бота для бизнеса.

Теперь про ChatGPT и похожие сервисы. Это универсальный собеседник. Он не знает ваш прайс, не видит вашу CRM, не помнит клиента из прошлого разговора и не отвечает за результат. Такой ассистент похож на грамотного консультанта, которого вы встретили на улице: рассуждает здраво, но про вашу компанию не знает ничего.

ИИ-агент собран на тех же моделях, но вокруг них появляются база знаний компании, доступы к системам, правила и журнал действий. Это уже не консультант с улицы, а сотрудник с пропуском. Разница не в «уме» модели, а в том, к чему её подпустили и за что она отвечает.

Из чего состоит ИИ-агент

Внутри агента пять частей, и ни одну нельзя выкинуть. Когда внедрение буксует, проседает обычно не модель, а одна из четырёх остальных. Не собрали базу знаний, не описали правила, не дали доступов или не решили, по какому событию агент просыпается.

Отдельно стоит база знаний. Это не «папка документов», а аккуратно собранные ответы: прайс, условия работы, сроки, типовые возражения, что делать в исключениях. Именно из неё агент берёт факты. Чем беднее база, тем охотнее модель заполняет пустоту выдуманными деталями.

Правила нужны не меньше. В них записывают, какую скидку агент называет сам, а какую согласует, можно ли переносить встречу, как отвечать на жалобу. Такие границы пишет не разработчик, а владелец процесса: он один знает цену ошибки.

Какие задачи ИИ-агенты закрывают в бизнесе

ИИ-агенты для бизнеса чаще всего ставят на четыре участка. Первый — входящие обращения: агент отвечает сразу, задаёт уточняющие вопросы, отсекает нецелевые заявки и передаёт менеджеру подготовленного клиента. Второй — поддержка: ответы по базе знаний, статусы заказов, типовые проблемы. Дежурит агент 24/7, поэтому ночное сообщение не ждёт утра.

Третий участок — документы. Агент собирает черновик по шаблону, подставляет реквизиты и условия, подсвечивает незаполненные места и расхождения. Подписывает по-прежнему человек. Четвёртый — сводки и отчёты: собрать цифры из разных источников, сверить их и объяснить, откуда взялось расхождение.

Пятый участок, про который вспоминают реже, — контент. Агент собирает посты по вашим продуктам и тону речи, раскладывает их по площадкам и готовит к публикации. Для компании, которая ведёт сразу несколько каналов, это самая заметная экономия времени редактора. Если данных и правил пока нет, честнее начать с автоматизации процессов.

Сколько времени экономит ИИ-агент?

Посчитаем на условном примере. Все числа здесь являются допущениями, а не результатом конкретной компании. Допустим, в отдел продаж приходит 400 обращений в месяц: сайт, мессенджеры, почта, соцсети. Менеджер тратит на разбор одного обращения около 6 минут: прочитать, уточнить, завести карточку, поставить задачу.

Умножаем и получаем 40 часов чистого времени в месяц, то есть целую рабочую неделю одного сотрудника. Причём ночные и выходные обращения ждут утра. Часть клиентов до утра не доживает и уходит к тем, кто ответил первым.

Теперь допустим, что первичный разбор делает агент, а менеджер только проверяет готовую карточку и решает, что с ней делать. На проверку уходит примерно минута. Те же 400 обращений превращаются в 7 часов работы вместо 40. Освободившееся время уходит на переговоры, а не на переписку.

Проверьте логику на своих числах. Возьмите количество обращений за прошлый месяц и честно замерьте, сколько минут уходит на одно. Если произведение получается меньше десяти часов, агент подождёт. Если больше сорока, вы уже платите за эту работу, просто не отдельной строкой в бюджете.

Где ИИ-агент не работает

Первое ограничение известно всем, кто пробовал нейросети всерьёз. Если ответа нет в базе знаний, модель не говорит «не знаю», а выдумывает факты: придумывает срок, условие гарантии или пункт договора. Звучит это убедительно, и в переписке с клиентом ошибку замечают не сразу.

Лечится это не заклинаниями в промпте, а устройством системы. Агент должен отвечать только тем, что нашёл в проверенных источниках, а при пустом результате останавливаться и передавать вопрос человеку. Плюс обязательный журнал, по которому видно, откуда взялся каждый ответ.

Второе ограничение важнее. Агент не заменяет ответственность человека. Подпись под договором, увольнение, возврат денег, медицинская рекомендация, обещание клиенту нестандартных условий — всё это остаётся за сотрудником. Машина готовит решение, отвечает за него живой человек с фамилией.

И последнее. Персональные данные клиентов, которые агент читает и хранит, подпадают под 152-ФЗ. Согласие на обработку, хранение переписки в вашей CRM и ограничение доступа сотрудников — не формальность, а часть проекта. Подробнее о том, куда всё это складывается, в статье про интеграцию ИИ в CRM.

Что уже работает в наших проектах

Чужие результаты пересказывать не будем, расскажем про свои. Первый проект — агент, который ведёт восемь социальных сетей клиента: готовит посты, адаптирует их под площадку и держит единый тон. Экономия по сравнению с командой авторов составляет минимум 1 200 000 ₽ в год, а запуск занял 7–14 дней. Детали в кейсе ИИ-агента для контента.

Второй проект ближе к продажам. Для компании по ремонту квартир мы собрали ИИ-менеджера в связке с Битрикс24. Он отвечает клиенту до 10 секунд, собирает площадь, сроки и бюджет и передаёт карточку человеку. Внедрение заняло 1–2 недели, экономия на найме доходит до 600 000 ₽ в год. Подробности в кейсе ИИ-менеджера для ремонта квартир.

С чего начать

Не начинайте с выбора модели или платформы. Начните с одной задачи, которая повторяется каждый день и раздражает команду сильнее прочих. Опишите её на листе: что приходит на вход, что должно получиться, кто проверяет результат и чего нельзя делать никогда.

• Соберите 30–50 реальных переписок или обращений: из них видно настоящие вопросы клиентов, а не придуманные.
• Сведите факты в один документ: прайс, сроки, условия, ответы на частые возражения. Это и станет базой знаний.
• Решите заранее, где агент обязан остановиться и позвать человека. Этот список важнее списка его умений.

Дальше запускают агента на одном участке и смотрят на журнал две-три недели. Если хочется сравнить с более простым вариантом, посмотрите, что умеет ИИ-менеджер для бизнеса, и загляните в раздел про ИИ-агентов. Обычно первой задачи хватает, чтобы понять не только что такое ИИ-агент, но и нужен ли он вам.

Частые вопросы