Самая дорогая ошибка при создании ИИ-агента: три месяца собирать чат-бота, который красиво отвечает на вопросы, а работу за людей не делает. Заявки по-прежнему разбирает менеджер, карточки на маркетплейсе правит контентщик, договоры читает юрист. Цена: квартал зарплаты разработчика и три месяца, за которые конкуренты запустили рабочий контур. Gartner в июне 2025 года спрогнозировал, что больше 40% проектов с агентным ИИ закроют до конца 2027 года из-за размытой бизнес-ценности и неконтролируемых затрат. Проблема не в моделях, а в постановке: вопрос «как создать ИИ-агента» задают 2405 раз в месяц по Вордстату, а вопрос «какую работу он заберёт» почти никто.
Как создать ИИ-агента, который работает: взять один измеримый процесс, дать модели доступ к данным и инструментам этого процесса, описать правила и границы, прогнать реальные задачи под контролем человека и только потом снимать контроль. ИИ-агент это программа на базе языковой модели, которая получает цель, сама выбирает шаги, вызывает инструменты (CRM, почту, API маркетплейса, документы) и доводит задачу до результата без человека на каждом шаге. Если в конце цепочки сидит сотрудник, который всё переписывает, у вас не агент, а подсказчик.
Почему ИИ-агент не работает: чат-бот вместо агента
Главная причина провала: бизнес заказывает «умного бота» и получает окно для вопросов, а не исполнителя. Чат-бот отвечает, агент действует: берёт заявку из CRM, квалифицирует, назначает встречу, пишет клиенту и фиксирует результат.
Проверка простая. Опишите процесс глаголами и посчитайте, сколько из них агент закрывает сам. Если только первый, экономии не будет: бот плодит черновики, люди их вычитывают, нагрузка на отдел растёт.
Как создать ИИ-агента, а не игрушку: с какого процесса начинать
Начинать нужно с процесса, который повторяется каждый день, имеет измеримый результат и терпимую цену ошибки. Типовые ответы в поддержке, первичная квалификация лидов, заполнение карточек товаров, проверка договора по чек-листу подходят, переговоры о скидке с ключевым клиентом нет.
Вторая ошибка: закрыть агентом сразу всё. Один агент «на продажи, поддержку и контент» это три набора данных, три набора инструментов и три метрики. Собирайте вертикального агента под одну функцию, добивайтесь стабильности, потом добавляйте следующего.
Какие ошибки при создании ИИ-агента стоят дороже всего
Дороже всего обходятся не ошибки в промте, а ошибки в архитектуре и контроле. Промт правится за час, а отсутствие журнала действий вскрывается через месяц, когда клиент уже получил неверный ответ.
| Ошибка | Как выглядит | Что делать иначе |
|---|---|---|
| Нет данных | Агент отвечает по общим знаниям модели, а не по вашему прайсу | Подключить базу, CRM и документы до первого теста |
| Нет инструментов | Агент «предлагает», но не может создать сделку | Дать доступ к действиям, а не только к чтению |
| Нет границ | Агент обещает скидку, которой нет | Список запрещённых тем и передача человеку |
| Нет журнала | Никто не знает, что агент написал клиенту ночью | Логировать каждое действие, читать выборку раз в неделю |
| Нет метрики | «Вроде работает» вместо цифры | Одна метрика до запуска: время ответа или конверсия |
| Запуск без надзора | Агент сразу пишет клиентам от имени компании | Первые две недели агент готовит, человек подтверждает |
Правило, которое я даю каждому заказчику: агент получает право действовать без подтверждения только в тех операциях, где вы прочитали не меньше ста его решений и не нашли ни одного, которое стыдно показать клиенту.
Самому, через конструктор или готовый агент: что выбрать
Выбор зависит не от бюджета, а от того, кто будет поддерживать агента через полгода. Модели обновляются, API маркетплейсов меняются, регламенты переписываются, и агент без хозяина деградирует за один-два квартала.
Своя разработка оправдана при уникальном процессе и разработчике в штате. Конструктор без кода подходит для одного канала без интеграций и упирается в потолок через несколько месяцев. Готовый вертикальный агент закрывает типовую функцию: поддержку, продажи, маркетплейсы, документы. Отчёт MIT NANDA за август 2025 года показал, что около 95% корпоративных пилотов генеративного ИИ не дали измеримого эффекта на прибыль, потому что не встраивались в рабочие процессы. Готовые агенты выигрывают не моделью, а тем, что процесс уже описан и интеграции сделаны.
С чего начать: план на первые 30 дней
За 30 дней реально пройти путь от выбора процесса до агента под надзором человека. Срок из нашей практики внедрений в Solaris AI и держится при одном условии: данные компании уже существуют в цифровом виде.
Первая неделя: один процесс, записанный глаголами, и одна метрика. Вторая: данные, инструменты, правила и запрещённые темы. Третья и четвёртая: агент готовит, человек подтверждает, вы читаете журнал и правите правила. После месяца решение принимается по цифре, а не по ощущению.
Я, Антон Баранов, основатель Solaris AI, за 16 лет в предпринимательстве видел достаточно проектов автоматизации, чтобы сказать: гибнут они не от слабой технологии, а оттого, что никто не назначил процесс, метрику и хозяина.
Частые вопросы про создание ИИ-агента
Можно ли создать ИИ-агента без программиста?
Да, если процесс типовой и укладывается в готовый вертикальный агент или конструктор. Программист нужен для интеграции с нестандартной учётной системой. Главная работа в любом случае не кодовая: описать процесс, правила и границы.
Чем ИИ-агент отличается от чат-бота?
Чат-бот отвечает на сообщение и ждёт следующего. ИИ-агент получает цель, сам выбирает шаги, вызывает инструменты и доводит задачу до результата: создаёт сделку, отвечает клиенту, правит карточку товара. Разница не в модели, а в доступе к действиям.
Какие данные нужны, чтобы ИИ-агент работал?
Те же, которыми пользуется человек в этом процессе: прайс, остатки, регламент, история переписок, шаблоны документов. Если сотрудник держит ответы в голове, сначала их придётся записать. Без данных агент отвечает по общим знаниям модели и ошибается.
Как понять, что ИИ-агент ошибается, и не потерять клиентов?
Первые две недели агент только готовит действия, человек подтверждает. Каждое действие пишется в журнал, раз в неделю вы читаете выборку. Самостоятельность агент получает по операциям, где вы просмотрели не меньше ста решений без единого стыдного.
Если процесс типовой (поддержка, продажи, маркетплейсы, контент, юридические документы) и нет желания проходить все шесть ошибок самостоятельно, один из вариантов GiG Agents - вертикальные AI-агенты: готовые агенты под конкретную функцию с собранными интеграциями и регламентом, которые стартуют в режиме надзора и постепенно забирают работу.
Разборы ИИ для бизнеса раньше, чем в обзорах, выходят в моём канале «Антон про бизнес»: там показываю, какие агенты у нас работают прямо сейчас и на чём спотыкаются.