Есть слова, которые технологический рынок умеет портить с удивительной скоростью.
Когда-то это было «нейросеть».
Потом «искусственный интеллект».
Потом «ИИ-сотрудник».
Теперь настала очередь агентов.
Сегодня агентом называют вообще всё.
Бот отвечает на вопросы клиентов? ИИ-агент.
Нейросеть пишет посты? Контент-агент.
ChatGPT подключили к таблице? Бизнес-агент.
Сделали форму, которая отправляет один запрос в модель и возвращает ответ?
Ну разумеется:
Автономный интеллектуальный агент нового поколения.
😁
Проблема не только в маркетинге. Из-за этого становится совершенно непонятно, что именно человек покупает.
Потому что хороший чат-бот может быть очень полезным.
Но чат-бот и агент решают принципиально разные задачи.
И разница проходит не по линии «умный — глупый».
Она проходит по гораздо более интересной границе:
может ли система сама выполнить работу после того, как поняла, чего от неё хотят?
Чат-бот прежде всего разговаривает
Возьмём самый простой пример.
Клиент пишет интернет-магазину:
— Где мой заказ?
Обычный хороший бот может:
понять вопрос;
попросить номер заказа;
найти в базе статус;
ответить:
— Заказ передан в СДЭК, ожидаемая доставка 18 августа.
Отлично.
Клиент получил информацию.
Задача решена.
И мне совершенно всё равно, называется эта штука искусственным интеллектом, чат-ботом или Геннадием.
Она полезна.
Но представим другой запрос:
— Я уезжаю 18-го. Если заказ не успеет, перенесите доставку на пункт выдачи возле моего офиса и напишите мне новый адрес.
Вот здесь начинается разница.
Бот может ответить:
— Конечно! Чтобы изменить способ доставки, обратитесь в службу поддержки.
А агент потенциально способен сделать следующее:
понять намерение клиента;
найти заказ;
проверить его текущий статус;
понять, можно ли ещё изменить маршрут;
найти подходящий пункт выдачи;
изменить доставку через API службы;
проверить, что изменение принято;
сохранить информацию в CRM;
и только потом написать:
— Готово. Заказ перенаправлен сюда. Вот адрес.
То есть один говорит о действии.
Другой совершает действие.
Вот здесь термин «агент» уже начинает иметь смысл.
OpenAI сейчас описывает агентов именно как системы, которые способны управлять выполнением рабочего процесса, использовать инструменты и принимать решения по ходу задачи, а не просто генерировать единичный ответ.
Но одной кнопки «вызвать API» тоже недостаточно
И здесь рынок немедленно попытался схитрить.
Допустим, мы сделали такой сценарий:
Пришла заявка
→ отправить её в ChatGPT
→ если написано «хочу купить» — создать сделку в CRM
→ отправить шаблонное сообщение
Это автоматизация с ИИ.
Полезная.
Рабочая.
Но я бы всё-таки не спешил называть её полноценным агентом.
Почему?
Потому что маршрут заранее определил программист.
Система не решает, что делать.
Она идёт по рельсам:
А → Б → В → Г.
Anthropic очень удачно разделяет такие конструкции на workflows и agents. В workflow языковая модель и инструменты движутся по заранее определённому программному пути. В агентной системе модель сама динамически определяет, какие действия и инструменты ей нужны для выполнения задачи
Вот это различие мне нравится гораздо больше рекламных определений.
Представим двух ИИ-продавцов
Первому дали жёсткий сценарий:
- спросить имя;
- узнать продукт;
- спросить проблему;
- узнать бюджет;
- спросить сроки;
- записать ответы;
- передать менеджеру.
Это уже может быть очень хорошая система.
Мы даже можем подключить большую языковую модель, чтобы вопросы звучали естественно.
Но траекторию определили заранее.
Теперь второй вариант.
Клиент пишет:
— Продаж мало стало, заявки в основном с Авито, отвечаю сам, иногда просто не замечаю сообщения.
Агент должен решить:
так, источник заявок уже известен;
способ обработки известен;
проблема тоже фактически названа;
вопросы №2 и №3 задавать бессмысленно;
мне нужно понять сам продукт и достаточно ли здесь информации для передачи дальше.
Он выбирает следующий шаг из контекста, а не потому, что в блок-схеме загорелась стрелочка.
Вот это уже гораздо ближе к агентности.
Именно на такой разнице я сейчас постоянно спотыкаюсь в реальных ИИ-продавцах.
Сделать систему, которая красиво проходит список вопросов, несложно.
Сделать систему, которая понимает:
этот вопрос уже не нужен;
здесь надо уточнить;
здесь пора замолчать;
здесь уже можно передавать менеджеру,
— гораздо интереснее.
У агента появляется свобода. А вместе с ней — новая головная боль
Вот почему я немного нервничаю, когда вижу рекламу:
«Наш полностью автономный агент самостоятельно решает задачи бизнеса».
Слово самостоятельно звучит великолепно.
Пока система не решила самостоятельно что-нибудь не то.
Представим агента, которому доступны:
почта;
CRM;
календарь;
база клиентов;
система выставления счетов;
мессенджер.
Это уже очень мощный сотрудник.
Клиент просит назначить встречу.
Агент смотрит календарь.
Находит окно.
Создаёт событие.
Отправляет приглашение.
Обновляет сделку.
Пишет клиенту.
Красота.
А теперь он неправильно понял дату.
Обычный чат-бот написал бы:
— Встреча состоится в четверг.
Человек поправил бы.
А агент:
создал встречу на четверг;
перенёс другую встречу;
пригласил директора;
изменил статус сделки;
отправил клиенту подтверждение.
Интеллектуальная ошибка получила руки.
Вот в этом для меня главная разница между чат-ботом и агентом.
У второго ошибка умеет что-то делать.
Поэтому инструменты важнее красивого промпта
Можно написать агенту системную инструкцию на сорок страниц.
Но если у него нет инструментов — он остаётся очень умным собеседником.
Чтобы действовать, ему нужны реальные функции:
get_customer()
find_order()
create_crm_deal()
send_email()
check_calendar()
book_meeting()
issue_invoice()
search_knowledge_base()
Модель не обязана знать внутреннюю механику каждой системы.
Ей дают понятный инструмент:
проверить свободное время;
и она вызывает его с нужными параметрами.
Anthropic прямо подчёркивает, что эффективность агента сильно зависит от качества предоставленных ему инструментов: их описания, структуры, контекста и того, насколько однозначно агент понимает, когда и как их использовать.
И здесь разработка агента неожиданно превращается из:
«Напишем очень умный промпт»
в обычную серьёзную разработку ПО.
Права.
API.
Состояния.
Ошибки.
Логи.
Тайм-ауты.
Повторные запросы.
Проверки.
Версии.
Аудит.
На этом месте магия обычно немного заканчивается.
Настоящий агент работает не одним запросом
У обычного чата схема примерно такая:
пользователь → модель → ответ.
У агента всё интереснее.
Пользователь:
Найди мне подходящий вариант и назначь встречу.
Дальше система может сделать:
понять задачу
→ найти данные
→ посмотреть результат
→ понять, что данных мало
→ запросить ещё один источник
→ сравнить варианты
→ выбрать подходящий
→ проверить календарь
→ выполнить действие
→ проверить результат
→ сообщить человеку.
То есть модель работает несколько шагов, каждый раз получая новый результат из внешнего мира.
Современные агентские SDK именно это и поддерживают: планирование, вызов инструментов, передачу работы другим специализированным агентам и сохранение состояния многошаговой задачи.
Поэтому фраза:
«Мы дали ChatGPT API»
сама по себе вообще ничего не говорит о наличии агента.
Это всё равно что сказать:
«Мы купили двигатель».
Хорошо.
А машина где?
И тут начинается главный спор: а нужен ли вообще агент?
Вот теперь совсем забавно.
Потому что после всей этой статьи можно подумать:
Отлично. Значит, надо срочно всё переделывать на агентов.
Не надо.
Во многих задачах агент — худшее решение, чем простой сценарий.
Если процесс известен заранее:
получили заказ;
проверили оплату;
создали накладную;
отправили письмо;
— зачем здесь давать нейросети право каждый раз заново придумывать маршрут?
Обычный код сделает это:
быстрее;
дешевле;
предсказуемее;
и без внезапного творческого озарения в бухгалтерии.
Anthropic вообще советует начинать с максимально простого решения и добавлять агентность только тогда, когда она действительно повышает результат. Их рекомендации прямо разделяют предсказуемые workflows и более автономных агентов, отмечая, что автономность приносит дополнительную стоимость и риск ошибок.
Google сейчас приходит примерно к той же практической идее: production-системы часто разумнее строить гибридными — часть процесса жёстко фиксируется кодом, а агентность используется только там, где действительно нужна гибкость.
И вот такой подход мне сейчас нравится больше всего.
Не:
агент решает всё.
А:
здесь агенту разрешено подумать, а вот здесь он идёт строго по рельсам.
Например, наш продавец
Я бы не позволил ему самостоятельно решать вообще всю судьбу клиента.
Пусть модель решает:
какой вопрос задать;
поняла ли она ответ;
какой кусок базы знаний использовать;
достаточно ли уже информации;
нужно ли уточнение.
Но дальше есть жёсткие правила.
Нельзя придумывать цену.
Нельзя обещать неизвестные сроки.
Нельзя самостоятельно придумать новую услугу.
Нельзя бесконечно продолжать разговор, если выполнены условия передачи человеку.
Наступил handoff?
Всё.
Отдай лид менеджеру и прекрати изображать Джордана Белфорта.
😁
То есть внутри одной системы одновременно живут:
агентное решение — что сейчас лучше сделать;
и
детерминированные границы — чего делать нельзя вообще.
На мой взгляд, именно так и будут выглядеть большинство нормальных бизнес-агентов.
А зачем тогда мультиагентные системы?
Потому что в какой-то момент один агент тоже начинает превращаться в монстра.
Представьте системный промпт:
Ты продавец, маркетолог, аналитик, юрист, исследователь, редактор, программист, фактчекер и финальный директор по качеству.
Прекрасно.
Почему сразу не добавить стоматолога?
На практике сложную работу иногда разумнее разделить.
Один агент собирает данные.
Второй анализирует.
Третий пишет.
Четвёртый проверяет.
Пятый имеет право принять финальное решение.
Google, OpenAI и Anthropic уже отдельно развивают инструменты для подобных многоагентных систем и оркестрации между специализированными агентами.
Но здесь действует та же ловушка.
Пять агентов не становятся автоматически в пять раз умнее.
Иногда вы просто получаете пять моделей, которые очень дорого и вежливо передают друг другу одну и ту же ошибку.
Поэтому разделять роли надо не для красоты архитектуры.
А потому что задача действительно выигрывает от независимых ролей и проверок.
Так где проходит граница между ботом и агентом?
Я бы сформулировал максимально просто.
Чат-бот отвечает.
Workflow выполняет заранее заданную цепочку.
Агент выбирает, какие действия нужны, и использует инструменты, чтобы добиться результата.
В реальной системе всё это может смешиваться.
И обычно должно смешиваться.
Например:
клиент пишет свободным человеческим языком — здесь нужен ИИ;
классифицируем запрос — ИИ;
правила возврата денег — жёсткий код;
нужно найти данные — агент вызывает инструмент;
возврат больше 100 тысяч — только человек;
после подтверждения — снова автоматический workflow.
Получается не красивый футуристический «цифровой сотрудник».
Получается довольно сложная машина.
И это хорошо.
Потому что бизнесу вообще не нужен искусственный человек.
Ему нужен предсказуемый результат.
Через несколько лет термин «агент» тоже станет скучным
Мне кажется, будет примерно как с облаками.
Когда-то каждая презентация кричала:
CLOUD!
Потом все привыкли.
Сегодня обычному пользователю совершенно неинтересно, где физически работает его сервис.
С агентами будет то же самое.
Сейчас:
«Смотрите! Наш ИИ сам вызывает инструменты!»
Через несколько лет:
Ну да. А что он полезного делает?
И вот тогда рынок наконец станет здоровее.
Победит не компания, которая написала слово AGENT самыми большими буквами на лендинге.
А система, которая получила задачу:
обработай клиента,
— и действительно обработала.
Не потеряла.
Не соврала.
Не зациклилась.
Не отправила восемь сообщений.
Не назначила встречу на три часа ночи.
И вовремя поняла:
а вот теперь нужен человек.
Вот это для меня и есть настоящий агент.
Не потому что он умеет разговаривать.
Разговаривать нейросети уже научились.
А потому что между фразами:
«Я могу это сделать»
и
«Готово»
у него наконец появилось что-то кроме текста.
