Первый AI-агент для бизнеса: как выбрать и не переплатить

Осенью 2024 года Anthropic добавила в Claude функцию Computer Use — модель научилась двигать курсор и заполнять формы за пользователя. В начале 2025-го OpenAI выпустила Operator, агента, который бронирует и заполняет данные в браузере, а затем открыла Agents SDK для разработчиков. Термин «AI-агент» из презентаций перекочевал в счета за подписку, и теперь малый бизнес всерьёз спрашивает: какой инструмент взять первым и не выбросить ли деньги на ветер.

Проблема в том, что «агентом» сегодня называют и автоответчик в мессенджере, и систему, которая сама ходит по внутренним базам, вызывает API и принимает решения. Разброс по цене и сложности — от бесплатного конструктора до контрактов на сотни тысяч рублей в год. Ниже — как отличить одно от другого и с чего начать.

Что такое агент и чем он отличается от чат-бота

Обычный чат-бот отвечает на сообщение и на этом останавливается. Агент¹ получает цель и сам выстраивает цепочку шагов: ищет данные, вызывает внешние сервисы, проверяет результат и при необходимости повторяет. Разница как между справочником и сотрудником: первый отвечает на вопрос, второй доводит задачу до конца.

Если задача формулируется как «ответь на вопрос» — вам хватит чат-бота с базой знаний. Если как «сделай и отчитайся» — вам нужен агент. Большинство малого бизнеса переоценивает, к какой категории относятся их задачи.

На практике первый агент в компании чаще всего делает одну из трёх вещей: обрабатывает входящие обращения клиентов, разбирает документы и таблицы или собирает данные из нескольких источников в один отчёт. Всё, что сложнее, требует интеграции с вашими системами и разработчика.

Три типа решений на рынке

1. No-code конструкторы

Платформы вроде Make, n8n или отечественных конструкторов ботов позволяют собрать сценарий из блоков без программирования: «пришло письмо → извлеки данные → запиши в таблицу → отправь ответ». Модель подключается через API. Порог входа низкий, но и потолок близко: сложную логику и работу с вашими внутренними базами так не построить.

2. Готовые агенты от вендоров моделей

OpenAI Operator и Anthropic Computer Use работают внутри браузера и умеют кликать, заполнять формы, копировать данные между вкладками. Это удобно для задач без API — там, где интеграции нет, а руками делать долго. Минус — скорость и надёжность: агент может ошибиться на нестандартном интерфейсе, а каждое действие стоит токенов².

3. Кастомная разработка на SDK

OpenAI Agents SDK, Anthropic Claude с Tool Use, LangChain — это уровень, где нужен разработчик. Здесь агент интегрируется с вашей CRM, складом, 1С, ходит по внутренним документам через RAG³ и работает по вашим правилам. Дороже всего в запуске, но единственный вариант для серьёзной автоматизации.

Сравнение подходов

Цены на подписки и стоимость токенов у OpenAI и Anthropic меняются несколько раз в год — актуальные тарифы смотрите на официальных страницах openai.com и anthropic.com, а не в чужих обзорах полугодовой давности.

Кому это пригодится, а кому нет

Пригодится, если у вас есть:

• поток однотипных обращений клиентов, где 80% вопросов повторяются — первичную сортировку и ответы можно снять с человека;
• рутина по разбору документов: счета, накладные, договоры, из которых нужно вытащить одни и те же поля;
• ручной перенос данных между сервисами, у которых нет прямой интеграции, — тут выручает браузерный агент;
• отчёты, которые собираются вручную из нескольких таблиц и систем раз в неделю.

Не пригодится или рано, если:

• задач мало и они все разные — агент не окупит настройку, дешевле делать руками;
• процесс требует юридической или финансовой ответственности за каждое решение — агента можно поставить помощником, но не заменой человека;
• у вас нет чистых данных: если база в хаосе, агент будет ошибаться на входе, а не на модели;
• вы ждёте, что он «сам разберётся» без описанных правил — не разберётся, агенту нужна чёткая постановка.

С чего начать: пять шагов

1. Выберите одну задачу с измеримым результатом — например, «отвечать на типовые вопросы в чате до 21:00». Не автоматизируйте всё сразу.
2. Посчитайте, сколько эта задача стоит сейчас в часах сотрудников за месяц. Это ваш потолок бюджета на инструмент.
3. Начните с самого простого уровня, который закрывает задачу: если хватает no-code — не заказывайте разработку.
4. Запустите пилот на две-четыре недели и держите человека на контроле — проверяйте выборку ответов агента вручную.
5. Сравните экономию с реальными затратами на токены и подписку. Если агент не окупается — упростите задачу или откажитесь, а не наращивайте бюджет.

Главная ошибка первого запуска — начинать с масштаба. Один узкий сценарий, доведённый до стабильной работы, даёт больше, чем десять полусырых. И помните: агент, который иногда ошибается без надзора, в клиентских задачах может обойтись дороже, чем сэкономил.

¹ Агент — программа на основе языковой модели, которая получает цель и самостоятельно выполняет последовательность действий для её достижения, вызывая внешние инструменты.

² Токен — единица текста (примерно 3-4 символа), которой модель измеряет объём входных и выходных данных; оплата в API идёт за токены.

³ RAG (Retrieval-Augmented Generation) — подход, при котором модель перед ответом ищет нужные данные в вашей базе документов и отвечает на их основе, а не на памяти.