ИИ-агенты для бизнеса

ИИ-агенты (AI-агенты) для бизнеса — это программы на языковой модели, которые сами разбирают входящие данные — переписку, документы, заявки — и выполняют действие в рабочих системах компании: заполняют карточку в CRM, готовят черновик ответа клиенту, собирают ТЗ. Они снимают с сотрудников рутину «прочитать, понять, перенести», а спорные случаи оставляют человеку.

Я пишу из практики: около 70 % процессов нашего агентства уже полтора года работают на собственной цифровой системе, где ИИ — исполнитель, эксперт и ассистент на всех этапах проекта.

Через всю статью пройдёт один пример. На производстве менеджер вручную переносит ТЗ из переписки с клиентом в сделку: марку, размеры, материал, цвет, доставку, фото. Мы сделали инструмент, в котором это делает агент, а менеджер только проверяет.

Что такое ИИ-агент и как он работает

ИИ-агент получает задачу, сам разбирает входящие данные, решает, что с ними сделать, и выполняет действие. Внутри две части:

• языковая модель — понимает свободный текст, фото, документ и делает вывод;
• обвязка из обычных функций — откуда взять данные, куда записать результат, кому показать на проверку.

Зачем модель, если можно написать функцию? Задача бизнес-процесса собирается из однотипных решений, но в ней всегда есть элемент уникальности. Один клиент присылает размеры в сантиметрах, другой — фото с рулеткой, третий — ссылку на прошлый заказ. Сложную функцию под всё это написать можно, но чем она сложнее, тем дольше её докручивать до результата 90 % и выше. Там, где нужен анализ и много сложных условий, модель дешевле и эффективнее.

Поэтому рабочая схема — гибрид. Шаблонные случаи закрывают функции: они быстрые, дешёвые и не ошибаются в том, что прописано. Сложное отдают модели. Модель не привязывают к одному поставщику и выбирают по экономике: дешёвая китайская — на массовую рутину, младшая линейка американской — на средние задачи, дорогая — там, где это обосновано.

На нашем примере: клиент пишет менеджеру, присылает фото и уточнения. Агент читает переписку, раскладывает её по полям ТЗ и показывает менеджеру предпросмотр. Менеджер правит спорное и передаёт заказ в производство. Функции отвечают за то, где взять переписку и куда записать ТЗ, модель — за то, чтобы понять, что заказал клиент.

Так же устроена и наша собственная работа. С февраля 2026 года:

• больше 7 800 сессий агентов;
• не менее 1 900 задач отдано агентам, больше 1 800 выполнено;
• больше 330 рабочих веток агентов — от плана до приёмки, около 260 доведены до приёмки.

Теперь — что агенты делают в обычном бизнесе.

Что ИИ-агенты делают в бизнесе: примеры по отделам

В продажах

• Конец «копировать — вставить». Агент вытаскивает всё из переписки и сам заполняет карточку в CRM: менеджер не тратит время на перенос данных.
• Клиенты, которые замолчали. Клиент получил расчёт и пропал, а писать каждому вручную некому. Агент собирает из переписки черновик и пишет клиенту сообщение с его заказом. Менеджер проверяет черновики пачкой и отправляет. Сколько клиентов вернётся, заранее не обещаем: это покажет первый месяц работы.
• Причины отказов. Когда большая доля сделок закрыта «нецелевой», а поле возражения пусто, не видно, где теряются деньги. Агент сверяет причину закрытия с перепиской и выписывает возражение словами клиента. Видно, кого закрыли по ошибке и кого можно вернуть в продажи.

В контроле качества

В одной компании оценку диалогов менеджеров с клиентами сначала строили на правилах-функциях. Каждую фразу можно трактовать по-разному, и на сотнях диалогов вариаций оказалось слишком много — оценку перевели на модель. Эталоны разметил сотрудник компании. Дальше он даёт обратную связь текстом: повторяющееся становится правилом, тонкие случаи — примерами. Точность растёт на примерах от человека, а не на переписывании правил.

В поддержке

Поток обращений делят, как в колл-центре: менее интересные — агенту на первой линии, ценные клиенты — менеджеру, которому ИИ ассистирует. Многое зависит от модели. В 2024 году я делал чат-бота для продажи полиэтиленовых труб на слабой модели готового сервиса. Он отвечал неудовлетворительно: не мог подать и продать как менеджер, довести клиента до сделки. Проект не взлетел. Сейчас ситуация кардинально другая: модели понимают переписку и контекст на уровне, которого тогда не было.

В маркетинге

Анализ конкурентов: агент обходит площадки с отзывами, собирает их и строит таблицу — чем недовольны люди при работе с каждой компанией. Это сырьё для позиционирования и рекламы.

В документах

Здесь агент заменяет больше всего ручной работы. В нашем примере он раскладывает переписку и фото клиента по полям ТЗ и показывает предпросмотр. Он же сверяет ТЗ с перепиской и показывает, что клиент просил, а в ТЗ этого нет: каждая пропущенная деталь — лишний круг у дизайнера и задержка заказа.

В аналитике

Причины отказов словами клиентов, возвраты, состав заказов — всё это вырастает из одной основы: агент понимает переписку. Но аналитика начинается с оцифровки. В клинике мы подключили коллтрекинг и сквозную аналитику «реклама → оплата» (июль 2026): теперь видно, какая реклама приводит к оплате, а не просто к звонку. Подробнее — в материале ИИ для клиники.

Следующий вопрос — во что это обходится и сколько ждать.

Сколько стоит внедрение и сколько занимает

Срок

Срок в основном зависит от того, насколько у компании оцифрованы процессы. По ходу всплывает: чтобы здесь сделать и работало, сначала надо закрыть кейс там и там.

• в целом агента можно сделать за неделю;
• большие комплексные проекты чаще занимают два–четыре месяца;
• в моей практике самый короткий проект занял две недели, самый длинный — восемь месяцев.

Чем сложнее задача, тем дольше аудит и предпроектная подготовка. Из шести месяцев проекта планирование, описание кейсов, ТЗ и спецификация могут занять половину — и это признак здоровья. Клиенты иногда напрягаются, что работа якобы ещё не началась. Но в планировании и описательной подготовке сейчас 70 % успеха и качества всего проекта. Как с домом: сначала проект, потом стройка.

»

Как с домом: сначала проект, потом стройка.

Стоимость внедрения

Стоимость индивидуальна: с ИИ функционал вырос так, что без технического задания теперь просто никак. Честно назвать цену можно только после аудита и ТЗ.

Во что обходится сам ИИ

Рутину целой компании закрывают три подписки в месяц:

• сервер — около €20, примерно 10 тыс. ₸;
• подписка сильной модели — около $100, примерно 45 тыс. ₸;
• китайская модель на подмогу — около $20, примерно 9 тыс. ₸.

Всего около 64 тыс. ₸ в месяц по курсу Нацбанка РК на 23.10.2026. Цифры — по нашим примерным замерам. За $20 в месяц китайская модель тянет полноценный функционал на сотни задач в месяц — например, перебрать, рассортировать и заполнить тысячи документов.

У подписки есть лимиты: купить подписку — не значит получить безлимит запросов. Когда объём растёт, массовую рутину отдают дешёвой модели или берут тариф выше. Подписки компания оплачивает напрямую поставщикам, данные и код остаются у неё.

С чем сравнить

• С готовой CRM. Подписка на максимальном тарифе стоит почти 1 млн ₸ в год. CRM — полноценный продукт с кучей функций, напрямую с сервером и подпиской его не сравнить. Но агент может закрыть 50–100 % функций CRM за сумму подписок. Зачем дорогая автоматизация CRM, если её кейсы закрывает агент: выйдет дешевле, и автоматизация полноценная — без костылей и шаблонов.
• С человеком. Час работы агента на подписке может быть сильно дешевле часа сотрудника. А важнее цены — качество, непрерывность и стабильность.

Где агент окупится именно в вашем процессе, можно разобрать на странице внедрение ИИ-агентов в бизнес.

Как внедрить ИИ-агента в бизнес: шаги

Шаг 1. Аудит и планирование. Начинать всегда с них: найти самые объёмные проблемные точки процессов, где эффект виден сразу. В нашем примере это ручной перенос ТЗ — его делают на каждом заказе. Выбор точки — главный барьер и у других: 64 % компаний Казахстана называют главным препятствием выбор сценариев применения ИИ (KPMG, Kazakhstan AI Readiness, 2025).

Шаг 2. Общий контур — заранее. Внедрять можно этапами, точечно и недорого, но цифровой фундамент строят под высоту будущего здания. Раньше недопланирование чинили по ходу проекта. Теперь агентная среда за сутки делает работу месяца — скорректировать не успеешь. Сэкономленное на разработке ушло в проектирование: программист стал больше архитектором систем, чем писателем кода. Семь раз отмерь.

Шаг 3. Механизм улучшения — сразу. Чаще компании оцифровали один раз — и получили «умную гугл-таблицу», которая больше не меняется. Механизм оптимизации закладывают с первого дня: оцифрованный процесс прозрачен на промежуточных стадиях, и видно, где он буксует.

Шаг 4. Человек на проверке. Агент ошибается, когда клиент пишет размеры или марку неточно или присылает только фото. Поэтому в нашем инструменте ТЗ уходит в производство только после подтверждения менеджера. Проверка встроена в процесс, а не остаётся на совести сотрудника.

Прежде чем начинать, стоит проверить, нужен ли агент вообще.

Когда агент не нужен

• Процесс не оцифрован. «Якобы результат» я видел, когда внедрение саботировали и сделали частично или оцифровали кусок, а на стыках до и после остались дыры. Весь поток идёт со скоростью самого медленного звена. Пример: внедрили Битрикс24 — сделки и лиды есть, но товары в сделках не заводят, в лучшем случае сумму. CRM работает как трекер задач, и агенту не из чего собрать ни КП, ни спецификацию, ни договор. Подробнее — в статье сначала процесс, потом ИИ.
• Клиенту не нужен разговор с ИИ. Если ценность продажи в человеке, агент полезнее как ассистент менеджера, чем как собеседник клиента.
• Модель слабая. Экономить на модели там, где агент разговаривает с клиентом, — значит проверять проект на прочность деньгами.
• Некому разбираться в своём решении. Качество своего софта зависит от строителей, проекты долгие. Если бегать от подрядчика к подрядчику и не разбираться — лучше любое готовое решение.

»

Весь поток идёт со скоростью самого медленного звена.

Если агент нужен, стоит знать его слабые места.

Риски и ограничения

Агенты ошибаются, и это нормально. Систему строят на этом знании и закладывают этапы постоянного самоулучшения. Так устроена и наша работа: исполнитель не принимает свою работу сам — её смотрит независимый проверяющий; система записывает ошибки агентов, а вопросы, которые агент не решает сам, уходят человеку. Записанных ошибок больше 600. По повторам система сама завела 24 задачи на починку — все закрыты. В примере с ТЗ последнее слово за менеджером.

Рынок подтверждает, что риск реальный:

• 23 % компаний масштабируют агентную систему хотя бы в одной функции, ещё 39 % экспериментируют (McKinsey, The state of AI, 2025);
• более 40 % проектов агентного ИИ отменят к концу 2027 года из-за затрат, неясной ценности и слабого контроля рисков — прогноз Gartner, июнь 2025;
• по оценкам, которые приводит RAND, более 80 % ИИ-проектов проваливаются — вдвое чаще ИТ-проектов без ИИ (RAND, 2024);
• 95 % организаций не получают измеримой отдачи от пилотов генеративного ИИ — выборка малая, самооценка (MIT NANDA, The GenAI Divide, 2025).

Вторая группа рисков — данные. Стопроцентной защиты нет: кто захочет вытащить чувствительные данные — вытащит. Дообученные локальные модели без предохранителей это упрощают. Самое слабое место — человек: сертификат доступа можно вытащить с компьютера пользователя.

В Казахстане к этому добавляется закон «О персональных данных и их защите»:

Текст закона — на adilet.zan.kz. Дальше — справочная часть: чем агент отличается от бота и на чём его строить.

ИИ-агент, чат-бот и автоматизация: в чём разница

Автоматизация выполняет заранее прописанные правила: пришла заявка — создать сделку, оплатили счёт — сменить стадию. Чат-бот ведёт диалог по сценарию: кнопки, ветки, готовые ответы. ИИ-агент понимает свободный текст и сам решает, какое действие выполнить.

Из таблицы три вывода:

• Бот на функциях хорош, где вариантов мало. Если собрать на функциях все варианты живого процесса, выйдет огромная неповоротливая махина, которую придётся постоянно администрировать и оптимизировать. Подробнее о ботах — на странице разработка чат-ботов.
• Не всем бизнесам нужен ИИ-чат с клиентами. Чаще лучше дать ИИ менеджеру, чтобы он снимал рутину, — тогда менеджер отвечает быстрее, больше и лучше. В примере с ТЗ клиент вообще не видит агента: он переписывается с менеджером, как раньше.
• Одна основа агента питает несколько задач. Если агент понимает из переписки, что заказывает клиент, на этом строятся ТЗ в производство, возврат клиентов, причины отказа и аналитика.

Какие бывают ИИ-агенты и платформы

Платформы для агентов делятся на четыре типа:

• ИИ, встроенный в CRM — помощник внутри системы, которой вы уже пользуетесь;
• платформы автоматизации с ИИ-узлами — визуальные сценарии, в которые вставляют шаг с моделью;
• конструкторы без кода — агент собирается мышкой для сайта и мессенджеров;
• фреймворки для разработчиков — свой агент на коде.

Цены в тенге публикуют только двое из двенадцати. У большинства доступ и оплата из Казахстана официально не подтверждены. «Неизвестно» в таблице значит «официального ответа нет», а не «не работает».

Как выбирать — мой опыт:

• Без привязки к одному поставщику моделей и на подписке. На старте оплата за каждый запрос может не окупиться — это субъективно. Модели дешевеют и меняются, и агент, который умеет работать с любой, не заставит переделывать систему под нового поставщика.
• Типовое — на готовых CRM, но с оглядкой. На старте бизнесу нужно процентов 30 их функций, за остальное он каждый месяц переплачивает подпиской. Готовая CRM — громоздкая махина, в которой неизбежны компромиссы с регламентами и удобством. Но это палка о двух концах: подгонка под шаблон CRM бывает полезна — кривой процесс так выстраивают грамотно.
• Своя система — слой за слоем. Мой совет — строить свою внутреннюю систему процессов, переводя в неё процессы по одному. Так компания копит свой цифровой потенциал, а не арендует чужой.

Частые вопросы

Можно ли сделать ИИ-агента бесплатно

Попробовать — да, рабочего агента — нет: более-менее качественный вариант, который реально закрывает задачи, стоит от $20 в месяц. Бесплатное — это тестовые варианты, чтобы обкатать кейсы: на OpenRouter можно найти бесплатные модели, у части платформ из таблицы есть бесплатные тарифы. Но Make и подобные — конструкторы: модель к ним ещё надо подключить за деньги. На базовом уровне агента для себя сделать можно — проделать работу с моделью, зашить её в навык и поставить по расписанию. Это личная продуктивность, а не агент для бизнеса.

Может ли ИИ-агент заменить менеджера

Часть работы — да: простые обращения и перенос данных уходят агенту. Ценные клиенты остаются за человеком, а ИИ ему ассистирует. Как делить поток — в разделе с примерами по отделам.

Безопасно ли передавать агенту данные клиентов

Да, если соблюдать закон и строить границы экологично — без паранойи и без наивности. База клиентов хранится в Казахстане, передача в зарубежную модель требует согласия клиента. ИИН, медицинские и финансовые данные во внешнюю модель на зарубежном сервере не отправить: по п. 16 Правил защиты персональных данных их обрабатывают только на объектах в Казахстане. Защита подбирается под проект: против внутренних утечек — например, зашифрованные флешки для чувствительных данных; CRM клиники, доступную из интернета, мы закрыли самоподписанным цифровым сертификатом: если он не установлен на компьютере сотрудника, адрес CRM не отвечает на запрос — случайный взлом извне отсекается. Подробнее — в разделе о рисках.

Какой ИИ-агент лучше для бизнеса

Тот, что не привязан к одному поставщику моделей и работает на подписке, а данные и код остаются у компании. Конкретную платформу выбирают под процесс: сравнение — в таблице выше.

Что забрать