Agent-as-a-Service: что это и как встроить в работу

За последний год формулировка в описании ИИ-продуктов поменялась: вместо «доступ к модели» и «чат-помощник» всё чаще пишут про «агентов, работающих за вас». OpenAI выпустила режим агента и Operator, Anthropic добавила в Claude инструмент Computer Use, Google развивает агентские сценарии в экосистеме Gemini. Так появился слой продуктов, который стали называть agent-as-a-service — агент как услуга. Разберём, чем он отличается от привычного API и в каких сценариях за него имеет смысл платить.

Что такое agent-as-a-service

Agent-as-a-service (AaaS) — это готовый ИИ-агент^*, который поставщик предоставляет как облачную услугу: вы формулируете цель, а не пошаговую инструкцию, а система сама планирует действия, вызывает внешние инструменты и возвращает результат. Разница с обычным доступом к языковой модели принципиальная. Через классический API вы отправляете запрос и получаете текст — дальше всё делаете сами. Агент же получает задачу вроде «найди среди этих 200 писем неоплаченные счета и собери сводку» и сам решает, сколько раз обратиться к модели, какие файлы открыть и когда остановиться.

Ключевое отличие — цикл «рассуждение → действие → наблюдение → снова рассуждение». Агент не выдаёт один ответ, а работает итерациями, пока не достигнет цели или не упрётся в ограничение по шагам, времени или бюджету токенов.

Обычная модель отвечает на вопрос. Агент выполняет задачу. Разница в том, кто держит в голове план: вы или система.

Из чего состоит агент

• Модель-«мозг» — языковая модель, которая планирует и принимает решения (GPT, Claude, Gemini и другие).
• Инструменты (tools) — функции, которые агент может вызывать: поиск в интернете, доступ к базе, отправка письма, запуск кода, работа с браузером.
• Память и контекст — то, что агент помнит между шагами: промежуточные результаты, историю действий.
• Оркестратор — управляющая логика, которая гоняет цикл и следит за лимитами.

Три уровня, которые путают под одним ярлыком

Под вывеской «agent-as-a-service» продают три разных вещи, и от этого зависит цена и то, что вам придётся делать самому.

1. Готовый вертикальный агент — узкая услуга под конкретную задачу: агент поддержки клиентов, агент для холодных продаж, агент-рекрутёр. Настраивается мышкой, кода не требует.
2. Платформа для сборки агентов — конструктор, где вы собираете своего агента из блоков и подключаете свои данные и инструменты. Нужна техническая команда, но не обязательно глубокая разработка.
3. Агентский фреймворк или API — библиотеки и интерфейсы, на которых разработчики строят агентов с нуля. Максимум гибкости, максимум ответственности на вашей стороне.

Как это выглядит у крупных игроков

Приведённые ниже возможности заявлены поставщиками; конкретные ограничения и доступность быстро меняются, поэтому детали и цены сверяйте на официальных страницах продуктов.

Точные названия платных планов, лимиты запросов и стоимость меняются несколько раз в год — не полагайтесь на цифры из чужих статей, открывайте прайс поставщика на момент покупки.

Сколько это стоит на самом деле

Ценник у агентов устроен хитрее, чем у обычного чат-бота. Помимо подписки или платы за токены, вы платите за каждый шаг цикла. Одна задача может потребовать десятков обращений к модели: агент читает данные, планирует, проверяет себя, переделывает. В деньгах простой вопрос и «сходи собери отчёт из пяти источников» отличаются на порядок.

• Токены за весь цикл, а не за один ответ — главный скрытый расход.
• Вызовы внешних инструментов — поиск, парсинг, сторонние API часто тарифицируются отдельно.
• Инфраструктура, если вы строите на открытом фреймворке: серверы, векторная база, мониторинг.

Практический вывод: прежде чем масштабировать агента на весь отдел, прогоните 20–30 реальных задач и посмотрите фактический счёт. Оценка «по одному запросу» здесь обманчива.

Кому это пригодится, а кому нет

Пригодится

• Поддержке с потоком однотипных обращений: агент разбирает запрос, лезет в базу знаний и в CRM, готовит ответ или эскалирует.
• Аналитику, который тонет в ручном сборе данных: собрать сводку из нескольких источников, свести таблицы, оформить отчёт.
• Отделу продаж: обогащение лидов, первичная квалификация, подготовка персонализированных писем.
• Разработке: агент читает репозиторий, предлагает правки, гоняет тесты в цикле.

Не пригодится или опасно

• Задачам с юридической или финансовой ответственностью без проверки человеком: агент ошибается, и цена ошибки может быть выше экономии.
• Разовым простым запросам: если нужен один ответ, обычный чат дешевле и быстрее.
• Процессам с чувствительными данными без контроля доступа: агент, который сам ходит по системам, — это и новая поверхность для утечек.
• Строго регламентированным операциям, где важна предсказуемость каждого шага, а не «сообразительность».

Как начать без больших рисков

1. Возьмите одну узкую задачу с понятным результатом, а не «автоматизируем всё».
2. Начните с готового вертикального агента или платформы, а не с фреймворка — так быстрее поймёте ценность.
3. Оставьте человека в контуре: пусть агент готовит, а решение подтверждает сотрудник, особенно на первых неделях.
4. Ограничьте права и бюджет: лимит шагов, лимит токенов, минимально необходимый доступ к системам.
5. Измерьте до и после: время на задачу, доля переделок, фактическая стоимость. Без этого «стало удобнее» — не аргумент.

^* Агент — ИИ-система, которая для достижения поставленной цели самостоятельно планирует действия, вызывает внешние инструменты и повторяет цикл «решение — действие — оценка результата», а не просто выдаёт единичный ответ на запрос.