Ко мне регулярно приходят с одним и тем же запросом: "мы хотим ИИ-агента, скажите, с чего начать".
За семнадцать лет в корпоративном ИТ и аудите я привыкла смотреть на любой запуск со стороны данных, и первый вопрос, который я задаю в ответ, обычно гасит половину энтузиазма: какую одну задачу агент должен закрыть завтра.
По запросу "как создать ИИ-агента" в поиске Дзена на 01.10.2026 нашлось всего 20 материалов, у самого читаемого 291 просмотр и 25% дочитываний, и это значит, что внятного разборного материала почти нет, а спрос есть.
Дальше я разберу, из чего на самом деле состоит агент, покажу, где такие проекты ломаются, и отдам чек-лист запуска, по которому вы проверите своего агента в тот же день. Без обещаний чуда, зато с механикой.
Из чего состоит агент
Когда в презентации рисуют "умного помощника", обычно рисуют облачко со стрелочками. Я предпочитаю слои, потому что по ним сразу видно, чего в проекте не хватает. Агент стоит на пяти слоях, и каждый следующий работает только если под ним всё уже построено.
Внизу модель: движок, который понимает запрос и формулирует ответ. Над ней база знаний: ваши регламенты, прайсы, инструкции, то есть то, по чему агент отвечает, и без чего он начинает уверенно сочинять.
Дальше инструментарий: действия, которые агент выполняет, например завести заявку, проверить остаток на складе, отправить письмо. Четвёртый слой это сценарии и правила: что агент обязан делать, что может по усмотрению и что ему запрещено категорически. Сверху каналы доставки: Telegram, MAX, сайт, телефонная линия.
Облачко со стрелочками в презентации выглядит лучше, но слои можно проверить пальцем.
Самая частая ошибка на старте: купить доступ к мощной модели и считать, что агент готов. Модель без базы знаний это красивый собеседник, который знает всё вообще и ничего про ваш бизнес. Ответ на вопрос клиента она выдаст, только вот ответственность за него нести будет ваша служба поддержки.
Как запускать: одна задача за раз
Второй по частоте сценарий провала это запуск агента сразу на все процессы компании. Команда тестирует десять сценариев, каждый недоведён, и на второй неделе пилота люди просто перестают на него ссылаться.
Я всегда настаиваю на жёстком порядке: сначала одна узкая задача с понятным результатом, потом база знаний по ней, потом инструменты, правила и тесты.
Выбор первой задачи решает больше, чем выбор модели, потому что хорошая задача отвечает трём признакам: обращения по ней повторяются, ответ есть в ваших документах и результат можно измерить числом. Сложные переговоры с поставщиком требуют ручного подхода из-за специфики каждого кейса.
Про запуск в MAX добавлю отдельно: если ваш канал доставки это MAX, то и инструменты, и приём сообщений строите по официальной документации платформы на dev.max.ru, где описаны интерфейсы для ботов и работы с сообщениями. Держать под рукой первоисточник выгоднее, чем переводить стрелки на подрядчика, когда интерфейсы меняются.
Второй по частоте сценарий провала это запуск агента сразу на все процессы компании. Команда тестирует десять сценариев, каждый недоведён, и на второй неделе пилота люди просто перестают на него ссылаться.
Я всегда настаиваю на жёстком порядке: сначала одна узкая задача с понятным результатом, потом база знаний по ней, потом инструменты, правила и тесты.
Выбор первой задачи решает больше, чем выбор модели. Хорошая первая задача отвечает трём признакам: обращения по ней повторяются, ответ есть в ваших документах и результат можно измерить числом. Сложные переговоры с поставщиком требуют ручного подхода из-за специфики каждого кейса.
Про запуск в MAX добавлю отдельно: если ваш канал доставки это MAX, то и инструменты, и приём сообщений строите по официальной документации платформы на dev.max.ru, где описаны интерфейсы для ботов и работы с сообщениями. Держать под рукой первоисточник выгоднее, чем переводить стрелки на подрядчика, когда интерфейсы меняются.
Где агент окупается
Перед любым запуском я прогоняю задачу через простую развилку: повторяются ли обращения и есть ли ответ в документах. Если вопросы однотипные и ответ лежит в базе знаний, агент закрывает их с первой недели и освобождает людей для сложных случаев.
Если каждый вопрос уникален и требует ручного решения, агент лишь имитирует работу, а платить вы будете за фасад.
Отдельный случай это задачи, где ответа мало и нужны действия: проверить статус заказа, записать на услугу, передать заявку в систему. Здесь в проекте появляется инструментарий и интеграции, и вот здесь проекты дорожают сильнее всего, потому что каждое действие агента это доступ к вашей учётной системе, который надо ограничить и логировать.
Чек-лист запуска
Это тот инструмент, ради которого статью сохраняют. Пройдите его до того, как агент увидит первого живого клиента: каждый пункт проверяемый, ответ "примерно да" считается ответом "нет".
- Задача выбрана одна и сформулирована в одну строку: агент делает X, результат измеряется метрикой Y.
- База знаний собрана из живых документов, каждая страница датирована и имеет владельца.
- Проверено на десяти реальных вопросах: агент отвечает по документам и ссылается на них, выдуманных фактов нет.
- Правила описаны письменно: что агент обязан, что может по обстоятельствам, что запрещено.
- Эскалация на человека работает: агент распознаёт тупик и передаёт диалог с контекстом.
- Инструменты выданы по минимуму: ровно те действия, что нужны для задачи, без лишних доступов.
- Логи всех диалогов пишутся и доступны для разбора спорных ответов.
- Метрики успеха зафиксированы до запуска: доля ответов без эскалации, время ответа, оценка клиента.
- План отката есть: вы знаете, как выключить агента за минуту без потери диалогов.
- Ответственный за базу знаний назначен поимённо, обновление документов стоит в его регламенте.
Пункты 3 и 8 проваливаются чаще остальных: агента тестируют на выдуманных вопросах и запускают без метрик, после чего спорить о пользе становится нечем.
Если по чек-листу всё закрыто, агент можно выпускать в пилот. Если три и более пункта открыты, вы запускаете демо, и читатели это почувствуют на первом же диалоге.
Что проверить уже сегодня
Возьмите статистику обращений за последний месяц и посчитайте, какие десять вопросов повторяются чаще всего. Затем проверьте, есть ли ответ на каждый из них в действующем документе. Это и есть черновик первой задачи для агента, и на эту проверку уходит пара часов без всякой разработки.
Когда черновик готов и чек-лист не пугает, агенту нужен исполнитель. Мы в PROMAREN разрабатываем ИИ-агентов под конкретную задачу и собираем их послойно, ровно по той схеме, что описана выше, а чек-листом запуска пользуемся сами на каждом проекте: разработка ИИ-агентов.
Вопросы, которые задают перед запуском
Сколько времени занимает создание ИИ-агента?
Срок зависит от слоя, который строится дольше всего. База знаний и правила для узкой задачи собираются быстро, а вот инструментарий с доступом к учётным системами обычно занимает большую часть проекта, потому что каждый доступ надо ограничить и описать. Честная оценка возможна только после выбора первой задачи.
Нужен ли программист, чтобы создать ИИ-агента?
Для агента, который отвечает по базе знаний и передаёт сложные вопросы человеку, программист нужен на стыках: подключение канала, логирование, интеграция с вашей системой. Попытка обойтись совсем без кода заканчивается тем, что агент нельзя ни проверить, ни выключить в аварийной ситуации, а это уже риск для данных.
Как агент узнаёт, что не знает ответа?
Это задаётся правилами на четвёртом слое: в сценарии прямо описано, при каких признаках агент обязан признать тупик и передать диалог человеку с контекстом. Без такого правила модель по своей природе продолжит отвечать, и читатель получит уверенную выдумку вместо эскалации.
Чем ИИ-агент отличается от обычного бота?
Обычный бот идёт по заранее написанному дереву кнопок и вариантов, и любой шаг в сторону ломает диалог. Агент ищет ответ в базе знаний, принимает решение по правилам и вызывает инструменты, поэтому держит живую формулировку вопроса и обрабатывает её по смыслу, а разница эта видна уже на третьем сообщении.
С какой задачи вы начали бы своего первого агента: поддержка, продажи или внутренние вопросы сотрудников? Напишите в комментариях, из какой вы отрасли, и я разберу, подходит ли она под первую задачу по развилке из этой статьи.
Новые разборы выходят в моём канале: t.me/promaren.
AI-агенты и консультанты
Отвечают по вашим документам и показывают источник ответа, от 300 000 ₽
Первоисточники
Частые вопросы
Сколько времени занимает создание ИИ-агента?
Срок зависит от слоя, который строится дольше всего. База знаний и правила для узкой задачи собираются быстро, а вот инструментарий с доступом к учётным системами обычно занимает большую часть проекта, потому что каждый доступ надо ограничить и описать.
Нужен ли программист, чтобы создать ИИ-агента?
Для агента, который отвечает по базе знаний и передаёт сложные вопросы человеку, программист нужен на стыках: подключение канала, логирование, интеграция с вашей системой.
Как агент узнаёт, что не знает ответа?
Это задаётся правилами на четвёртом слое: в сценарии прямо описано, при каких признаках агент обязан признать тупик и передать диалог человеку с контекстом. Без такого правила модель по своей природе продолжит отвечать, и читатель получит уверенную выдумку вместо эскалации.
Чем ИИ-агент отличается от обычного бота?
Обычный бот идёт по заранее написанному дереву кнопок и вариантов, и любой шаг в сторону ломает диалог.
Марина Погодина, основатель PROMAREN
17 лет в ИТ и управлении технологическими рисками, из них 14 лет в аудите ИТ и внутреннем контроле. Более 60 аудитов ИТ и информационной безопасности.
