За последний год слово «агент» появилось в каждой презентации про искусственный интеллект. При этом, если спросить трёх человек, что это значит, ответы будут разные: у одного это чат-бот, у другого — робот, у третьего — что-то, что скоро всех уволит.
Разберу по-человечески: что это на самом деле, чем отличается от привычного чат-бота, как устроено внутри и где уже работает в российских компаниях. Без формул и без хайпа.
Короткий ответ
ИИ-агент — это программа на базе языковой модели, которая получает задачу и сама решает, какие действия и в каком порядке выполнить, чтобы её закрыть.
Ключевое слово — «сама решает». Не следует заранее прописанному сценарию, а выбирает путь по ходу дела.
Всё остальное в статье — расшифровка этого предложения.
Чем агент отличается от чат-бота и ассистента
Три уровня, которые в отчётах часто валят в одну кучу.
Чат-бот по сценарию. Работает по заранее нарисованному дереву: нажали «1» — попали в раздел доставки, нажали «2» — в раздел оплаты. Шаг влево от сценария — и он отвечает «я вас не понял». Такие боты живут в поддержке уже лет десять, к ИИ они отношения почти не имеют.
Ассистент. Понимает обычный человеческий язык и отвечает текстом. Вы спрашиваете — он выдаёт сводку, черновик письма, объяснение. Дальше действуете вы. Это ChatGPT, Алиса, GigaChat в привычном виде: собеседник, а не исполнитель.
Агент. Понимает задачу и выполняет её. Не «напиши мне текст письма», а «разберись с этой заявкой»: сходит в базу, найдёт клиента, проверит историю заказов, сформирует ответ, при необходимости заведёт задачу в системе.
Разница не в уме модели — она может быть одна и та же. Разница в том, что агенту дали руки: доступ к инструментам и право выбирать, какой из них применить.
Как это работает внутри
Здесь механика проще, чем кажется, и понимать её полезно, чтобы не покупать волшебство.
Агент работает циклом. Получил задачу — подумал, что сделать первым шагом. Сделал: например, отправил запрос в базу данных. Посмотрел на результат. Решил, достаточно этого или нужен ещё шаг. И так по кругу, пока не сочтёт задачу закрытой или пока не упрётся в лимит.
Внутри у него три составляющие:
- Модель — та самая языковая модель, которая рассуждает и формулирует. Она же выбирает следующий шаг.
- Инструменты — то, что агенту разрешили вызывать: поиск по базе, отправка письма, запрос в CRM, создание документа. Каждый инструмент описан для модели человеческим языком: что делает, какие параметры принимает.
- Контекст — данные, которые ему подали: регламенты, история переписки, результаты прошлых шагов.
Из этой конструкции сразу следуют две практические вещи.
Во-первых, агент никогда не умнее своих инструментов. Если доступа к учётной системе нет — он не узнает остаток на складе, как бы хорошо ни рассуждал. Он в этом случае не скажет «не знаю», а предположит. Уверенно и неправильно.
Во-вторых, количество шагов заранее не известно. Он сам решает, сколько итераций сделать. Отсюда и приятная гибкость, и неприятная непредсказуемость счёта — каждый шаг это платное обращение к модели.
Пример: как это выглядит в реальной компании
Абстракции надоедают, поэтому конкретный случай.
Максим Катрушенко из Первой Грузовой компании — крупного железнодорожного оператора — описывал их агента для логистов. Задача узкая: сменно-суточное планирование. Сотрудник обычным языком спрашивает, что происходит с выгруженными вагонами, и получает ответ. То, на что вручную уходил час, закрывается за несколько минут.
Внутри есть решение, ради которого этот пример и стоит приводить. Агент не обращается к базе напрямую языком запросов. Между ним и хранилищем стоит семантический слой — словарь, который переводит человеческие понятия в структуру данных: что в этой компании считается «вагоном под выгрузкой», какие таблицы за это отвечают, как связаны справочники.
Без такого слоя модель начинает угадывать устройство базы. Угадывает правдоподобно и неверно.
И второе: доступ только на чтение. Агент физически не может ничего изменить в системе. Скучное решение, которое снимает целый класс рисков.
Где ИИ-агенты уже работают в России
Не в будущем, а сейчас.
По исследованию СберАналитики и Сбер Бизнес Софт, результаты которого представлял зампред правления Сбербанка Анатолий Попов, ИИ-агентов и ассистентов используют 39% российских организаций. Причём список задач совсем не футуристический:
- документооборот и обработка заявок — 70%
- бухгалтерия и финансовый учёт — 55%
- HR-процессы и стратегическое планирование — по 34%
- поддержка клиентов — 30%
- продажи и маркетинг — по 25%
- творческие задачи — 19%
Обратите внимание на верх списка. Агенты пришли не рисовать картинки и не придумывать стратегии — они перекладывают данные из одного места в другое и следят, чтобы ничего не потерялось.
Самое посчитанное место — первая линия поддержки: по оценке экспертов Сбер Бизнес Софт, ИИ-ассистент там сокращает расходы на оплату труда на 30–40%.
География шире, чем принято думать: в выборке 22% — компании на 11–50 сотрудников, почти половина участников не из мегаполисов.
Почему предприниматели вдруг пошли этому учиться
Ещё один сигнал того же порядка.
«Корпорация МСП» — государственный институт развития малого и среднего бизнеса в группе ВЭБ.РФ — проанализировала, какие темы обучения предприниматели выбирали в 2026 году. На первом месте оказалось использование искусственного интеллекта для организации бизнес-процессов. Маркетинг и продажи — на втором.
Для контекста: маркетинг держал первое место годами. Это самая понятная боль любого малого бизнеса — где взять клиентов. И вот его подвинули.
Оговорюсь про сами данные: это спрос на обучение, а не на внедрение. Человек, записавшийся на курс, ещё ничего не запустил. Но направление внимания цифра показывает честно.
Чему на самом деле стоит учиться
Мой взгляд, и он расходится с тем, что продают на курсах.
Курсы учат работать с инструментом: как формулировать запрос, какие сервисы бывают, как подключить готовое решение. Это полезно и осваивается за неделю.
Реальная точка отказа в другом — люди не умеют выбрать задачу.
Типичная история: компания приходит с идеей «сделайте нам ИИ для продаж», потому что продажи — это больно. А в её процессах самое дорогое и самое механическое место — обработка входящих документов, где три человека вручную перекладывают данные из письма в учётную систему. Первое даст красивую презентацию. Второе окупится за квартал.
Навык, который стоит прокачивать: разложить свою работу на шаги и честно отметить, где именно тратится время. Скучно, не продаётся в виде курса, работает.
Практический фильтр для выбора первой задачи — один вопрос: как быстро вы узнаете, что агент ошибся? Если на следующем шаге процесса — задача хорошая. Если по итогам квартала — берите другую.
Чего агент не умеет
Честный список, потому что продавцы его обычно не приводят.
Не наводит порядок в ваших данных. Он их наследует. Если действующий регламент лежит в папке рядом с тремя устаревшими, агент добросовестно возьмёт все четыре и сошьёт из них уверенный ответ.
Не отвечает за результат. Юридически ответственность остаётся на компании и на конкретном сотруднике, который поставил инструмент и принял его работу. «Так решил агент» — не объяснение.
Не заменяет описанный процесс. Если процесс не описан, агенту нечего автоматизировать — он сымитирует деятельность.
Не работает бесплатно и предсказуемо по цене. Раз количество шагов выбирает он сам, счёт заранее не известен. Лимит расходов и потолок числа итераций ставят до запуска, а не после первого сюрприза. Как считать эти деньги и когда они окупаются, я разбирал отдельно — сколько на самом деле стоит ИИ-агент для бизнеса.
Про барьеры есть и цифры. UserGate — российский разработчик решений по кибербезопасности — в январе 2026 опросил 335 топ-менеджеров компаний с выручкой от 100 млн рублей. Среди тех, кто ИИ не внедряет, главные причины: неясная ценность технологии (54%) и неопределённость рисков (38%). Дальше — отсутствие чёткого распределения ответственности (29%), ограниченные бюджеты (29%) и нехватка экспертизы (17%).
Из пяти барьеров технический только один, последний. Остальные четыре — управленческие, и никакой курс по промтам их не закрывает.
Так что «что такое ИИ-агент» — вопрос на две минуты. А вот «какой процесс мы ему отдадим и кто отвечает за результат» — на две недели, и именно он определяет, будет от агента толк или очередная презентация.