AI-агент для бизнеса: как собрать первого
Четыре блока AI-агента: повторяемая задача, данные из CRM, триггер и измеримый результат. Плюс тесты, ограничения и запуск на пилоте.
AI-маркетинг · Новости
Все новости
Маркетологи и продавцы уже собирают AI-агентов без строчки кода, а часть команд делает это впервые. HubSpot в разборе о сборке агентов приводит цифры опроса 2026 года: из 5 000 взрослых пользователей ИИ в США каждый четвёртый обращался к агенту, а 24% пользуются ими регулярно. Ниже - схема, по которой агента можно довести от идеи до первой рабочей смены.
Агент отличается от чат-бота тем, что сам выбирает инструмент, проверяет результат и решает, что делать дальше, пока не закончит задачу или не упрётся в лимит. Чат-бот отвечает на вопрос, автоматизация по правилам срабатывает по жёсткому условию. Все три конструкции работают вместе: бот служит окном разговора, а внутри процесса остаётся агентный шаг.
Четыре блока, без которых агент не заработает
Эль Оширо с HubSpot Academy описывает агента как набор из четырёх частей. Проверять идею стоит по ним, пока она ещё на бумаге.
- Повторяемая работа. Задача, которую команда делает регулярно и умеет описать словами. Пример: раз в месяц разбирать проигранные сделки и находить, чего не хватило покупателю.
- Данные уже в CRM. Свойства сделок, заметки менеджеров, записи звонков. Перед сборкой проверьте, что информация есть, она свежая и агент имеет к ней доступ.
- Триггер. Ручной запрос, расписание или изменение записи в CRM. Триггер задаёт момент старта.
- Измеримый результат. Что агент отдаёт, как выглядит правильный ответ и как команда считает успех.
Подготовка передачи клиента вручную занимает 20 минут, с агентом - 8. Экономия 12 минут имеет смысл, если качество результата осталось прежним и проверка не съедает разницу.
Агент нужен не всегда
Если задача сводится к пересказу текста или разовому анализу, хватит одного промпта. Anthropic в своих рекомендациях советует начинать с простейшего решения, потому что агент добавляет расходы и задержку. Четыре шага, где всё решается по заранее описанной ветке, закрывает автоматизация без ИИ: назначить лид на региональную команду, создать задачу после заявки на демо, напомнить о продлении.
Агент оправдан, когда в задаче есть суждение: понять замечание покупателя, сопоставить его с каталогом контента и предложить правку. Нет суждения - хватит правил.
Первая сборка: узкая цель и тест на знакомых записях
До открытия конструктора напишите короткий бриф: цель, границы, что на выходе, кто проверяет. Дальше выдайте агенту одну сделку, а не всю базу. Проверяющему нужно несколько записей, которые он знает наизусть, иначе качество ответа оценить не выйдет.
Критерии успеха прописывают заранее и превращают их в чек-лист. В примере HubSpot это выглядит так: у каждой претензии покупателя есть ссылка на источник, которую можно открыть, рекомендованный материал есть в утверждённом каталоге и отвечает на вопрос, агент помечает нехватку данных и случаи, где контент не поможет.
Тест ведут в таблице. Для каждой записи заполняют ожидание, потом прогоняют агента и оценивают ответ. Один и тот же кейс запускают дважды: выдача модели меняется от попытки к попытке. В отдельных колонках фиксируют время проверки, число правок, стоимость прогона и версию агента - по ним считается доля успешных задач и цена одной успешной задачи.
Ограничения и передача человеку
Типичные сбои агента укладываются в пять категорий: устаревшие данные в справочнике, пропавший источник, не та запись на входе, вывод без доказательств, лишнее действие. Лечатся они по-разному: обновить документ, подключить источник, перейти на уникальный идентификатор записи, потребовать ссылку на источник, урезать права инструментов.
Ограничения ставят до запуска: что агент делает, к каким данным не прикасается, где останавливается и кто подхватывает задачу. Возвраты денег и удаление данных остаются под утверждением человека, причём рабочая система должна показать, кого именно затронет действие и на какую сумму.
Первая смена проходит на пилоте. Каждый результат первых прогонов смотрят вручную, статус успеха означает только отсутствие ошибки исполнения - полезность ответа оценивает человек.
Что это значит для бизнеса
Агент стоит дешевле, чем кажется, пока задача узкая. Расходы и риск растут с каждым новым инструментом и каждой дополнительной ролью, поэтому вторая и третья итерации обычно приносят больше пользы, чем второй агент в цепочке. Мультиагентную схему вводят, когда тесты показывают: разные задачи требуют разных прав доступа или один агент путает роли даже при узкой инструкции.
Для команд во Владивостоке и на Дальнем Востоке это шанс закрыть рутину без разработчика: конструктор в той же CRM, где уже лежат данные, и первый агент на разборе проигранных сделок запускается за неделю. Дальше вопрос дисциплины - вести журнал сбоев и пересматривать инструкции при каждой смене модели или источника данных.