Первый AI-агент для малого бизнеса: с чего начать

Термин «AI-агент» за 2024–2025 годы перекочевал из статей исследователей в маркетинговые лендинги CRM и конструкторов ботов. За словом теперь скрывается всё подряд — от кнопки «спросить у ИИ» до автономных систем, которые сами ходят по вашим базам и совершают действия. Для малого бизнеса важно отличать одно от другого: за первое переплачивают, второе внедряют неаккуратно и получают ошибки в клиентских письмах и счетах.

Ниже — как выглядит реально работающий первый агент в компании из 3–30 человек, сколько времени и денег на него уходит и какие задачи ему отдавать не стоит.

Что такое агент и чем он отличается от бота

Обычный чат-бот и «ассистент» на базе GPT — это диалог: вы спросили, он ответил текстом. Агент¹ отличается тем, что между вопросом и результатом он совершает действия: читает документ, дёргает внешний сервис, записывает данные в таблицу, отправляет письмо. Он работает в цикле «подумал — сделал — проверил результат — сделал следующий шаг».

Для малого бизнеса это значит вот что: боту вы даёте вопрос, агенту — задачу. «Сформулируй ответ клиенту» против «проверь статус заказа в таблице, составь ответ и отправь его на почту клиента».

Правило простое: если задачу можно описать как «сделай X, а потом Y на основе результата X» — это работа для агента. Если это просто «ответь на вопрос» — вам хватит обычного ассистента, и платить за агента незачем.

С каких задач начинать

Первый агент не должен трогать деньги, договоры и всё, где ошибка стоит дорого. Начинайте с задач, которые отнимают время, но прощают промах:

• Первичная сортировка входящих обращений — агент читает письмо или заявку, определяет тему и срочность, помечает и складывает в нужную папку или задачу.
• Черновики ответов на типовые вопросы — доставка, сроки, наличие. Агент готовит текст, человек проверяет и отправляет.
• Сбор данных из документов — вытащить из счёта или акта реквизиты, сумму, дату и занести в таблицу.
• Мониторинг и сводки — раз в день собрать упоминания, отзывы, новые заявки в один дайджест.

Общий признак хорошего первого сценария: человек остаётся в контуре и подтверждает финальное действие. Полностью автономный агент, который сам пишет клиентам без проверки, — это второй-третий шаг, а не первый.

Три способа собрать агента

Малому бизнесу доступны три уровня — от готового конструктора без кода до кастомной разработки. Выбор зависит от того, есть ли у вас технический человек и насколько нестандартна задача.

Для первого агента почти всегда правильный ответ — первый или второй вариант. Собственная разработка оправдана, когда задача уникальна и завязана на ваши внутренние системы, а готовые решения её не покрывают.

Сколько это стоит на практике

Прямых расходов два: подписка на платформу-конструктор и плата за обращения к языковой модели. Второе считается по токенам — грубо говоря, по объёму текста на входе и выходе. Точные тарифы у OpenAI, Anthropic, Google и российских провайдеров (YandexGPT, GigaChat) меняются регулярно и зависят от выбранной модели, поэтому актуальные цифры смотрите на официальных страницах тарифов, а не в статьях. Ориентир для планирования: чем длиннее контекст и чем «умнее» модель, тем дороже каждый запрос.

Скрытая статья расходов больше прямой — это время на настройку, написание инструкций для агента и проверку его ошибок в первые недели. Заложите на пилот 2–4 недели работы одного человека, который будет вычитывать результаты и править формулировки.

Кому это пригодится, а кому нет

Агент имеет смысл, если у вас есть повторяющийся поток однотипных задач с текстом или данными. Несколько конкретных сценариев:

• Интернет-магазин на 50–200 заказов в день — агент разбирает вопросы «где мой заказ» и готовит ответы со статусом из таблицы. Экономит время оператора на рутине.
• Небольшое агентство — агент собирает еженедельную сводку по проектам из разрозненных источников в один отчёт.
• Локальный сервис (ремонт, услуги) — первичная квалификация заявок: что за проблема, срочно ли, каким мастерам передать.

А вот кому спешить не стоит:

• Если поток задач маленький и разнородный — настройка и проверка съедят больше времени, чем агент сэкономит.
• Если задача связана с деньгами, юридическими последствиями или медициной — цена ошибки слишком высока для автономного действия.
• Если у вас нет описанного процесса — агент автоматизирует хаос и получится хаос быстрее. Сначала опишите шаги словами, как для нового сотрудника.

Как запустить пилот: пошагово

1. Выберите одну задачу с высоким объёмом и низкой ценой ошибки. Не две, не пять — одну.
2. Опишите её словами так, будто инструктируете стажёра: что на входе, какие шаги, что на выходе, чего делать нельзя.
3. Соберите агента на готовой платформе или в вашем сервисе. Не программируйте с нуля на первом заходе.
4. Поставьте человека на проверку: первые 1–2 недели агент готовит, человек утверждает. Считайте долю правок.
5. Смотрите на метрику: сэкономленное время минус время на проверку и правки. Если минус — сценарий выбран неудачно, меняйте задачу, а не увеличивайте автономность.
6. Только когда доля правок стала стабильно низкой — можно давать агенту больше самостоятельности на этом конкретном участке.

Где агенты ломаются

Две типичные проблемы. Первая — галлюцинации: модель уверенно выдумывает факт, которого нет в данных. Поэтому агенту дают доступ к вашим документам и таблицам (это называют RAG³) и требуют опираться на них, а не на «общие знания». Вторая — накопление ошибки в длинной цепочке: агент неверно понял первый шаг и уверенно построил на нём остальные. Отсюда правило коротких сценариев и человека на финальном подтверждении.

Отдельно про приватность: если агент обрабатывает персональные данные клиентов, вы отвечаете за то, куда эти данные уходят. Проверьте, где физически работает модель и что провайдер делает с запросами. Для чувствительных данных это может стать причиной выбрать российского провайдера или локальное развёртывание.

¹ AI-агент — программа на базе языковой модели, которая не просто генерирует текст, а выполняет последовательность действий для достижения цели: обращается к инструментам, читает и записывает данные, оценивает промежуточный результат.

² Токен — единица, которой модель измеряет текст (примерно часть слова). Плата за использование модели по API обычно считается за количество токенов на входе и выходе.

³ RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает нужные фрагменты из ваших документов и опирается на них, а не только на знания, зашитые при обучении.