Что такое ИИ-агент простыми словами

Под словом «ИИ-агент» прячется не одна вещь, а как минимум пять разных типов программ: от простого обработчика правил до системы, которая сама планирует шаги и координирует другие такие же системы. Их объединяет одно: агент не просто отвечает, а действует — сам решает, что сделать, и делает это в ваших системах.

Путаница здесь стоит денег. Компания покупает «ИИ-агента», ожидая систему, которая разберётся сама, а получает обработчик правил — или наоборот, запускает автономную систему там, где нужны были три кнопки.

Коротко

ИИ-агентов разделяют на пять типов по тому, как они принимают решения: рефлекторные, модельные, целевые, утилитарные и обучающиеся. Отдельно стоят многоагентные системы, где несколько агентов работают вместе. От чат-бота любого из них отличает способность действовать, а не только отвечать. Главный признак зрелого агента — он понимает, когда нужно остановиться и позвать человека. По данным Gartner, больше 40 % корпоративных проектов с агентами свернут до 2027 года, и почти всегда причина не в технологии.

Пять типов агентов и чем они отличаются

Классификация пришла из академической работы по искусственному интеллекту и используется до сих пор, потому что хорошо объясняет разницу в поведении.

Рефлекторный агент работает по правилам «если — то». Увидел ключевое слово — выполнил действие. Памяти нет, прошлое его не интересует. Так устроена маршрутизация обращений: в письме слово «возврат» — отправить в отдел претензий.

Модельный агент хранит состояние: он помнит, что было раньше, и учитывает это. Такой агент знает, что этот клиент писал на прошлой неделе и что заказ уже в пути.

Целевой агент планирует последовательность шагов к цели. Не «ответить на сообщение», а «довести обращение до телефона»: для этого сначала ответить по существу, потом выяснить задачу, потом предложить созвон.

Утилитарный агент выбирает между вариантами по нескольким критериям сразу. Классический пример — расчёт, где нужно одновременно учесть стоимость, срок и наличие материала, и выбрать не самое дешёвое, а самое выгодное по сумме условий.

Обучающийся агент меняет поведение по итогам: видит, какие ответы приводили к сделке, и постепенно смещается в их сторону.

Поверх этого есть многоагентные системы — когда несколько агентов делят работу. Один читает переписки, другой считает смету, третий следит за рекламным кабинетом. По оценкам аналитиков, это самая быстрорастущая и самая рискованная конфигурация: чем больше агентов, тем сложнее понять, кто принял неверное решение.

Как это выглядит у нас

Важная оговорка: в живом проекте это редко один чистый тип. Обычно получается гибрид — целевой агент с рефлекторными предохранителями поверх.

Чем агент отличается от чат-бота

Чат-бот — дерево. «Нажмите 1, если по доставке». Разработчик заранее нарисовал ветки, и пока человек идёт по ним, всё работает. Шаг в сторону — «не понимаю, выберите из меню».

ИИ-агент читает сообщение целиком и разбирает, что в нём. Если клиент пишет «а до Челнов довезёте и сколько выйдет с установкой» — агент видит, что вопроса два, и отвечает на оба. Никто не рисовал эту ветку заранее.

Если задача действительно сводится к трём кнопкам — чат-бот дешевле и честнее. Мы такое говорим на разборе, когда видим подходящий случай.

Главный признак зрелого агента

Этан Моллик, профессор Wharton и один из самых читаемых авторов про ИИ в бизнесе, формулирует это так:

И добавляет: большинство поставщиков до сих пор продают первое.

Это ровно то, обо что разбиваются внедрения. Агент, который всегда отвечает сам, рано или поздно пообещает клиенту скидку, которой нет, или назовёт срок, которого не бывает. Агент, который умеет сказать «здесь нужен человек», выглядит менее эффектно на демонстрации, но именно его можно пускать к живым клиентам.

Поэтому у нас в каждом проекте есть четыре вещи: обкатка в теневом режиме, когда ответы генерируются, но клиенту не уходят; проверка перед отправкой, которая режет обещания по цене, срокам, скидкам и гарантиям; передача человеку там, где агент не уверен; и стоп-кран, выключающий ответы одним действием.

Почему проекты с агентами сворачивают

Цифры стоит знать до того, как вы начнёте.

Gartner прогнозирует, что больше 40 % проектов с агентным ИИ будут свёрнуты до 2027 года — из-за неконтролируемых расходов, неясной ценности и поведения, которое нарушает внутренние правила компании.

Project NANDA при MIT Media Lab в исследовании 2025 года, построенном на 150 интервью с руководителями и анализе 300 внедрений, обнаружил, что 95 % пилотов генеративного ИИ не дали измеримой отдачи. Важная деталь: авторы прямо пишут, что дело не в слабости моделей, а в том, как компании внедряют. Они называют это «разрывом в обучении» — организация не меняет процесс под новый инструмент.

RAND Corporation оценивает долю корпоративных ИИ-проектов, не доносящих обещанную ценность, в 80 %.

Что отличает тех, у кого получилось: по данным опросов, компании с конкретной измеримой задачей добиваются результата примерно в 58 % случаев, а с расплывчатой целью вроде «внедрить ИИ» — почти никогда. Ещё 57 % неудач руководители объясняют завышенными ожиданиями: ждали слишком многого и слишком быстро.

И отдельная причина, которую недооценивают: 85 % провалов упираются в качество данных. Если прайс живёт в голове у сметчика, а условия работы нигде не записаны — агенту неоткуда их взять.

Как это выглядит на самом деле

Фрагмент переписки нашего агента в чатах Авито, 18 сентября. Клиент занимается натяжными потолками.

Клиент: Добрый день! Такая задача, создать сайт + добавить туда ии агента, чтобы консультировал, делал рассчеты. Мы занимаемся натяжными потолками любой сложности. Возможно создать такое? Напишите пожалуйста сразу цену и всю информацию, спасибо!

Агент: Здравствуйте! Да, делаем и то, и другое: сайт и агента, который отвечает круглосуточно, сам задаёт нужные вопросы по объекту и сразу считает стоимость по вашим правилам — площадь, тип полотна, углы, светильники, монтаж.

Цена упирается в две вещи: сайт с нуля или переделка, и насколько сложный расчёт у агента. Поэтому назову её после короткого разбора, а не наугад.

Первый вопрос: как у вас сейчас считается заказ — прайс за квадрат плюс допы или считает замерщик по месту?

Это целевой агент: его задача не «ответить», а довести до разговора. Он не назвал цену наугад, хотя его прямо просили, объяснил, от чего она зависит, и задал вопрос, который задал бы сметчик. По ответу на этот вопрос становится ясно, можно ли вообще автоматизировать расчёт в этой компании.

Чего агент не умеет

Он не продаёт. Довести до телефона, снять первые вопросы, отсеять нецелевых — да. Закрыть сделку на 300 тысяч — нет.

Он не знает того, чего вы ему не дали. Половина работы при внедрении — вытащить из голов сотрудников то, что нигде не записано. Это и есть те самые 85 % провалов из-за данных.

Он не чинит процесс. Если заявки теряются, потому что менеджер уволился и его никто не заменил, — агент это не решит. Он ускорит то, что есть.

Он не окупается везде. Если обращений меньше десяти в месяц, менеджер справится дешевле.

Что можно забрать прямо сейчас

Шесть вопросов, по которым видно, нужен ли вам агент и какого типа:

1. Сколько обращений в месяц приходит в переписку — больше тридцати?
2. Приходят ли они в нерабочее время и по выходным?
3. Сколько времени проходит до первого ответа — больше часа?
4. Знаете ли вы, какая доля обращений доходит до телефона?
5. Записаны ли где-нибудь ваши правила расчёта и условия работы — или живут в головах?
6. Можете ли вы сформулировать задачу одним измеримым предложением?

Если на последний вопрос ответ «нет» — начинать рано. Именно расплывчатая формулировка и даёт ту самую статистику свёрнутых проектов.

Частые вопросы

Источники

• Gartner, прогноз по проектам агентного ИИ до 2027 года
• Project NANDA, MIT Media Lab. The GenAI Divide: State of AI in Business, 2025 — 150 интервью с руководителями, 300 внедрений
• RAND Corporation, оценка доли ИИ-проектов без заявленной отдачи
• Ethan Mollick, One Useful Thing — о критерии зрелости корпоративных агентов
• Классификация агентов по типам принятия решений — общепринятая академическая таксономия