Готова ли компания к ИИ-агентам: чек-лист перед запуском

Агенты — модели, которые не просто отвечают на запрос, а выполняют цепочку действий: читают базу, вызывают внешние сервисы, принимают решения и передают результат дальше — стали главным маркетинговым словом 2024–2025 годов. OpenAI, Anthropic, Google и десятки стартапов продают их как способ заменить рутину целых отделов. Реальность скромнее: значительная часть корпоративных пилотов не доходит до продакшена не из-за качества модели, а из-за того, что компания к ней не готова — нет данных, нет процессов, нет ответственного. Прежде чем подписывать контракт на внедрение, стоит честно оценить свою готовность по нескольким осям.

Что вообще считать «агентом»

Терминологическая путаница мешает оценке. Чат-бот, который отвечает на вопросы по документам, — это не агент. Это RAG*-система: она ищет фрагменты в базе и подставляет их в ответ. Агент отличается тем, что он действует: вызывает API, создаёт заявки, меняет данные в системах, планирует следующий шаг на основе результата предыдущего.

Разница принципиальна для оценки рисков. Ошибка чат-бота — неверный ответ, который человек перепроверит. Ошибка агента — оформленный возврат не тому клиенту, отправленное письмо, изменённая запись в CRM. Чем больше у агента прав на действия, тем выше цена сбоя и тем строже должна быть проверка готовности.

Главный вопрос перед внедрением не «какая модель лучше», а «что случится, когда агент ошибётся, и кто за это отвечает».

Пять осей готовности

Оцените компанию по каждой из осей. Если хотя бы две из пяти в красной зоне — с полноценным агентом стоит подождать и начать с ассистента под контролем человека.

1. Данные

Агенту нужен доступ к актуальным, структурированным данным. Если ваши регламенты живут в головах сотрудников, инструкции противоречат друг другу, а половина знаний — в переписке, агент будет ошибаться ровно там, где ошибаются новички. Признак готовности: есть база документов и процедур, которую можно дать на чтение и которой доверяют сами сотрудники.

2. Процессы

Автоматизировать можно только то, что описано пошагово. Если процесс возврата товара в вашей компании каждый раз идёт по-разному в зависимости от того, кто им занимается, агент не найдёт закономерности. Готовый к автоматизации процесс имеет чёткие входы, выходы и правила ветвления.

3. Интеграции и права доступа

Агент бесполезен без доступа к системам, в которых он должен действовать: CRM, ERP, почта, тикеты. Проверьте, есть ли у этих систем API и кто отвечает за выдачу токенов. Отдельно — вопрос ограничения прав: агент не должен иметь доступ ко всему сразу, только к тому минимуму, что нужно для задачи.

4. Контроль и откат

До запуска решите, какие действия агент делает сам, а какие — только предлагает человеку. Нужен журнал всех действий и механизм отката. Без этого первая же ошибка в продакшене превратится в разбор полётов без улик.

5. Команда и владелец

У проекта должен быть человек, который отвечает за результат, а не «инициатива отдела инноваций». Нужен тот, кто разбирает жалобы на работу агента, дообучает промпты, следит за метриками. Без владельца проект превращается в демо, которое показали руководству один раз.

Уровни автономности: с чего начать

Не обязательно сразу давать агенту полную свободу. Практичнее двигаться по уровням, повышая автономность по мере накопления доверия к системе.

Большинству компаний имеет смысл начинать со второго уровня. Он даёт экономию времени, но оставляет человека в контуре принятия решений — а значит, ошибка агента не уходит в мир автоматически.

Кому это пригодится, а кому нет

Пригодится, если у вас:

• объёмная поддержка с типовыми обращениями, где ответы предсказуемы и описаны в базе знаний;
• рутинная обработка документов: разбор счетов, сверка данных, заполнение форм по шаблону;
• внутренние процессы вроде онбординга, где сотрудник задаёт одни и те же вопросы по регламентам;
• задачи с чёткими правилами и низкой ценой отдельной ошибки.

Не стоит спешить, если:

• процессы не описаны и держатся на конкретных людях;
• цена ошибки высока — деньги клиентов, юридические последствия, медицинские решения;
• данные разрознены, устарели или им не доверяют сами сотрудники;
• нет никого, кто возьмёт проект под личную ответственность.

Отдельный красный флаг — желание внедрить агента «потому что у конкурентов есть». Без измеримой задачи и метрики успеха проект превращается в дорогую презентацию.

Сколько это стоит по времени и деньгам

Цена складывается из трёх частей: подписка на модель (тарифы API у OpenAI, Anthropic и Google меняются каждые несколько месяцев — сверяйте на официальных страницах провайдера), работа команды на интеграцию и постоянная стоимость сопровождения. Последнюю часто недооценивают: агент не «настроил и забыл», ему нужен человек, который следит за метриками и правит поведение.

Честный минимальный пилот — один узкий процесс, один владелец, срок в несколько недель на прототип и заранее оговорённые критерии, при которых проект признают провальным. Если критериев успеха и провала нет с самого начала, вы не сможете понять, сработало ли внедрение вообще.

* RAG (retrieval-augmented generation) — подход, при котором модель перед ответом ищет релевантные фрагменты в базе знаний и использует их как контекст. Позволяет отвечать по вашим данным, не дообучая саму модель.