Автономные ИИ-агенты в бизнесе: как внедрять с умом, а не ради тренда

Что такое ИИ-агент простыми словами

Проще всего понять агента через сравнение с двумя типами сотрудников. Первый работает по чек-листу: шаг 1, шаг 2, шаг 3, ни шагом в сторону. Второй получает задачу «сделай так, чтобы получился результат» и сам решает, что для этого нужно сделать. Агент — это программа второго типа: ей ставят цель, а не пошаговую инструкцию, и она сама выбирает, какие системы открыть и какие действия выполнить.

Обычная автоматизация (RPA) — это первый сотрудник с чек-листом: повторяет одну и ту же последовательность действий и не отклоняется от неё. Чат-бот в этом сравнении ближе к справочнику, он отвечает на заданный вопрос и останавливается. Агент действует самостоятельнее их обоих и может на ходу поменять план, если первый способ не сработал.

Как это выглядит на практике в разных отделах:

• Кадры. Агент получает отклики на вакансию, сам сопоставляет их с требованиями, отсеивает неподходящих и предлагает время для собеседования тем, кто прошёл отбор.

• Финансы. Агент сверяет счета от поставщиков с банковской выпиской и бухгалтерской системой, находит расхождения и помечает их для проверки бухгалтером.

• Склад. Агент следит за остатками товара сразу в нескольких системах учёта и сам создаёт заказ поставщику, когда запас опускается ниже нормы.

• Разработка. Агенту поручают «привести в порядок тестовую базу данных». Он сам решает, какие записи считать лишними, и вносит правки — без инструкции на каждое отдельное действие.

Во всех четырёх случаях агент сам решает, как дойти до результата, а не просто выполняет заданный шаблон. Эта самостоятельность и даёт эффект, и создаёт риск: если не задать её границы явно, агент может сделать больше, чем от него ждали. К последнему примеру, с разработкой, мы ещё вернёмся.

Зачем бизнесу агенты и когда это оправдано

Агенты полезны там, где процесс нельзя расписать заранее пошагово: разбор нетипового случая, сверка данных из разных систем, подготовка отчёта из разрозненных источников. Там, где процесс и так жёстко описан, обычно дешевле и надёжнее обычная автоматизация.

Оправданный повод для внедрения — конкретная задача с измеримым результатом. Например, бухгалтер тратит два часа в день на сверку счетов вручную. Похожую идею команда Скорозвона уже проверила на себе — правда, не агентом в привычном смысле, а конвейером обработки данных, которые годами копились без дела:

Неоправданный повод — ощущение, что агент нужен, потому что о нём пишут все отраслевые издания.

«У всех уже есть агент» — не повод его внедрять

Компании, которые запускают агента ради соответствия тренду, чаще всего пропускают этап постановки задачи. Агенту дают доступ «с запасом», чтобы он точно справился, а критерий успеха придумывают уже задним числом под то, что получилось. Тот же разрыв между утверждением «у нас есть ИИ-агент» и реальной автономностью решения виден и по независимым исследованиям рынка. Вот как об этом говорит Дмитрий Лукьянов, генеральный директор сервиса «Скорозвон»:

Как компании внедряют агентов, если решение обосновано

Аудит процессов и выбор задачи для пилота

Первый шаг — выбор процесса. Технологию подбирают уже под него. Для пилота лучше взять задачу с понятным результатом и ограниченным набором систем. Например, сверку счетов в одной бухгалтерской программе, а не автоматизацию всего финансового отдела разом.

Пилотный запуск и ограничение доступа

На пилоте агенту дают доступ ровно к тем системам, которые нужны для конкретной задачи, и фиксируют каждое его действие. Именно на этом этапе компания закладывает правила доступа — и здесь же чаще всего совершают ошибку.

Масштабирование и контроль

После пилота процесс переносят на соседние задачи постепенно, с тем же правилом: новая задача — новый, отдельно описанный набор доступа, а не расширение старого. На каждом шаге смотрят метрики: сколько задач агент завершил без вмешательства человека и сколько раз пришлось его поправить.

Права доступа: почему к ИИ стоит подходить продуманно

Работа с ИИ-агентом — процесс, который растягивается надолго: правила доступа обычно выстраивают через несколько итераций, и на этом пути легко упустить что-то важное даже опытной команде. Такой случай был и в команде Скорозвона. 

Оба случая не связаны со слабостью модели. Причина в доступе, который тогда не был ограничен под задачу. Путь к нужной версии доступа занимает время и пару итераций даже у команды, которая профессионально занимается ИИ-продуктами. Для компании, где искусственный интеллект не основной профиль, это часть процесса.

Правила, которые отсюда следуют

Из истории с репозиторием выводим первое правило: доступ дают под конкретный запуск конкретной задачи — с точным набором действий и сроком, ограниченным временем её выполнения, а не агенту как постоянной роли. Но это не единственный вывод из подобных случаев:

Это правило работает не только для кода. В другой раз в Скорозвоне похожая ситуация возникла в более чувствительном месте:

Именно это правило Скорозвон закладывает не только во внутренние эксперименты, но и в собственные ИИ-продукты.

Обучение операторов продаж — как раз такая задача, где это уже сделано. В AI-тренере модель доступа выстроена архитектурно: виртуальный собеседник на базе ИИ ведёт с менеджером живой диалог в браузере, подстраивается под специфику бизнеса, воспроизводит типичные возражения клиентов и меняет тон разговора. Но всё это происходит в тренировочном контуре — инструмент не имеет доступа к боевой CRM и не может задеть данные реальных клиентов. После диалога менеджер сразу получает оценку и разбор ошибок.

Голосовой ИИ-робот Скорозвона устроен похоже: ведёт звонок по гибкому сценарию, распознаёт речь клиента в реальном времени и реагирует на её смысл, а не только на нажатия кнопок IVR. При этом сценарий конкретного проекта обзвона заранее ограничивает периметр его действий.

Правило работает одинаково в любом отделе

Принцип «доступ под задачу, а не под агента» применяется везде одинаково:

• Юридический отдел. Агент проверяет договор с поставщиком по внутреннему чек-листу компании и подсвечивает рискованные пункты для юриста.

• Маркетинг. Агент собирает данные по рекламным кампаниям из нескольких кабинетов и готовит еженедельную сводку для команды.

• IT-эксплуатация. Агент следит за нагрузкой на серверы и заводит заявку в трекер, если показатель выходит за установленную норму.

• Кадры. Агент готовит пакет документов для нового сотрудника и рассылает их на подпись.

В каждом случае решение одно и то же: задать точные границы доступа под конкретную задачу, а не выдавать его агенту как таковому.

Риски, которые агент не снимает

Кроме доступа, у агентов есть ещё несколько системных слабостей. 

• Первая — накопление ошибок в многошаговых цепочках: если агент неверно понял промежуточный шаг, финальный результат наследует эту ошибку. 

• Вторая — отсутствие контекста, который есть у человека: агент не знает негласных договорённостей команды, если их не прописали явно в инструкции.

• Третья слабость — инфраструктурная.

Ни одну из трёх проблем не снимает отказ от агентов. Их снимают прозрачный учёт действий, обязательная проверка критичных шагов человеком и тот же принцип ограниченного, явно описанного доступа к системам вокруг агента.

Чек-лист: строить агента самим или взять готовое решение

1. Есть ли конкретная задача с измеримым результатом — или повод внедрить агента звучит как «у конкурентов уже есть»?

2. Описан ли точный набор систем и действий для этой задачи, и только для неё?

3. Ограничен ли доступ сроком самой задачи, а не сроком жизни агента?

4. Фиксируется ли каждое действие агента с первого дня пилота?

5. Есть ли у каждого правила доступа «сторож» — тест или хук, который сработает без участия человека?

6. Что обойдётся дешевле именно для этой задачи — построить и поддерживать доступ самостоятельно или использовать готовый инструмент?

Шестой пункт решает простой расчёт: сколько будет стоить построить и поддерживать доступ самим — против стоимости готового инструмента.