Один человек и штат из ИИ-агентов: как это работает

В 2024–2025 годах вокруг ИИ-агентов сложился отдельный класс продуктов, которые продают не как чат, а как «сотрудника». OpenAI выпустила режим Operator, а затем Agent Mode для ChatGPT, Anthropic — Computer Use для Claude, Google — Project Mariner на базе Gemini. Параллельно появились фреймворки для сборки собственных агентов: LangGraph, CrewAI, AutoGen от Microsoft. Итог — соло-предприниматель без единого нанятого человека выстраивает подобие команды из нескольких автономных ИИ-процессов, каждый со своей ролью. Ниже — что из этого реально работает, сколько это стоит в месяц и где сценарий разваливается.

Что такое «агент» и чем он отличается от чата

Обычный чат-ассистент отвечает на сообщение и останавливается. Агент^* получает цель, сам разбивает её на шаги, вызывает инструменты — браузер, почту, API, файловую систему — и повторяет цикл «подумал → сделал → проверил результат», пока не дойдёт до цели или не упрётся в ошибку.

* Агент — программа поверх языковой модели, которая умеет не только генерировать текст, но и выполнять действия во внешних системах и оценивать их результат, чтобы решить, что делать дальше.

Для соло-предпринимателя разница принципиальная. Чат экономит время на отдельной задаче: написать письмо, набросать код, свести данные. Агент претендует на то, чтобы забрать процесс целиком — от «найди 50 потенциальных клиентов» до «напиши каждому и занеси ответы в таблицу».

Как выглядит «штат» на практике

Типичная связка, которую собирают предприниматели-одиночки, — это не один универсальный агент, а несколько специализированных, каждый со своей зоной ответственности:

• Ресёрч-агент — собирает информацию о рынке, конкурентах, конкретных людях и компаниях, ходит по сайтам через браузерный доступ.
• Аутрич-агент — пишет и отправляет холодные письма, ведёт переписку по шаблону, фиксирует ответы.
• Контент-агент — готовит посты, рассылки, описания, черновики статей по заданному тону.
• Операционный агент — сводит данные в таблицы, следит за календарём, ставит задачи в трекер.
• Кодинг-агент — для технических основателей: чинит баги, пишет мелкие фичи, разбирает issues в репозитории.

Оркестрируют это либо готовыми платформами (Zapier с ИИ-шагами, Make, n8n), либо кодом на LangGraph или CrewAI, где явно описано, кто кому передаёт задачу. Верхний уровень — сам человек, который ставит цели, проверяет ключевые результаты и вмешивается, когда агент застревает.

Агент не заменяет сотрудника целиком. Он заменяет исполнительскую часть работы, но не ответственность за результат — она по-прежнему на человеке, который нажал кнопку.

Чем инструменты отличаются друг от друга

Сравнивать имеет смысл не «модели», а конкретные агентные режимы и их доступность. Цены и лимиты меняются, актуальные значения смотрите на официальных страницах продуктов.

Готовые режимы вроде Agent Mode проще запустить, но вы ограничены тем, что заложил вендор. Фреймворки дают полный контроль над логикой и выбором модели, но требуют кода и времени на отладку.

Сколько это стоит на самом деле

Соблазн посчитать расходы как «одна подписка вместо зарплаты» обманчив. Реальная стоимость складывается из нескольких статей:

• Подписки на ассистентов — фиксированная плата за доступ к продвинутым режимам, обычно в диапазоне десятков долларов в месяц за место. Точные суммы уточняйте на страницах тарифов, они регулярно меняются.
• Оплата по токенам — если собираете агентов через API, платите за каждый вызов. Агент, который делает по 20–30 итераций на задачу, сжигает токенов кратно больше, чем разовый вопрос в чате.
• Сторонние сервисы — доступ к поиску, парсингу, отправке писем, хранению данных.
• Ваше время на контроль — самая недооценённая статья. Агент, работающий без надзора, рано или поздно сделает не то, и разбор последствий стоит дороже сэкономленного часа.

Ключевой риск автономных агентов — незаметный дрейф стоимости: цикл, зациклившийся на неверной цели, может нагенерировать вызовов на заметную сумму до того, как вы это увидите. Лимиты по расходам на уровне API — не опция, а необходимость.

Кому это пригодится, а кому нет

Скорее да

• Фрилансер с потоком однотипных задач — ресёрч, оформление, рассылки. Здесь агент забирает рутину, а цена ошибки низкая: неудачное письмо можно переписать.
• Технический основатель на ранней стадии — кодинг-агент реально ускоряет разбор багов и прототипирование, пока в команде нет второго разработчика.
• Инфобизнес и контент — генерация черновиков, адаптация под площадки, разбор комментариев, где человек финально всё вычитывает.

Скорее нет

• Всё, где ошибка стоит денег или репутации — юридические документы, налоговая отчётность, публичные заявления от лица бизнеса. Агент ошибается уверенно и правдоподобно.
• Работа с чувствительными данными клиентов — прежде чем отдавать персональные данные во внешний сервис, разберитесь с требованиями к их обработке; автономный агент их не соблюдает сам.
• Процессы без чётких критериев успеха — если вы сами не можете описать, что считается хорошим результатом, агент тем более не сможет.

Что стоит понять до запуска

Модель «один человек — штат агентов» пока ближе к продвинутой автоматизации, чем к настоящей замене команды. Агенты хорошо тянут ограниченные, повторяемые процессы с проверяемым результатом и плохо — задачи, где нужна ответственность, суждение и работа с последствиями. Реалистичный сценарий на сегодня: вы остаётесь единственным сотрудником, а агенты снимают с вас исполнительскую рутину — при вашем постоянном контроле и с заложенными лимитами на расходы.