Что такое ИИ-агент простыми словами

Чаще всего к запросу «что такое ИИ-агент» дописывают «простыми словами» — и это говорит о теме больше, чем любое определение: читатель заранее готовится к тому, что объяснять будут сложно.

Попробую без терминов. А те термины, которые вам всё равно встретятся, разберу отдельным словарём — их всего восемь, и после них любая статья про агентов читается спокойно.

Определение в одном абзаце

ИИ-агент — это программа, которой дают цель, а не инструкцию.

Обычной программе говорят: сделай шаг один, потом два, потом три. Агенту говорят: разберись с обращением клиента. Дальше он сам решает, что для этого нужно — посмотреть историю, проверить статус заказа, уточнить деталь, предложить решение.

Всё остальное — следствие этой самостоятельности.

Из чего он состоит

Четыре части. Уберите любую — агента не будет.

Модель. Нейросеть, которая понимает текст и принимает решения. Это «мозг», но сам по себе он ничего не может: только рассуждать.

Инструменты. Действия, которые агент умеет выполнять: запросить данные из вашей системы, создать заявку, проверить наличие, отправить сообщение. Это «руки». Технически это вызов функций моделью — она возвращает не текст, а команду выполнить действие, а выполняет её уже обычный код на вашей стороне.

Память. То, что агент помнит: контекст диалога, историю клиента, ваши документы и правила. Без памяти каждое обращение начинается с чистого листа.

Ограничения. Что агенту можно, а чего нельзя ни при каких условиях. Это не техническая деталь, а обязательная часть: агент без ограничений рано или поздно пообещает клиенту то, чего у вас нет.

Как агент обрабатывает одно обращение

Получил цельот человека или от события

Решил, что нужнокакие данные и откуда

Вызвал инструментысходил в ваши системы

Оценил результатхватает или нужен ещё шаг

Ответил или сделалв рамках разрешённого

Восемь слов, которые вам встретятся

Словарь короткий намеренно: этих восьми хватает, чтобы понимать разговор с подрядчиком и не кивать вслепую.

Модель, она же LLM. Та самая нейросеть, которая работает с текстом. GPT, Claude, DeepSeek, GigaChat, YandexGPT — это разные модели. Агент не привязан к одной: модель в нём меняется, как двигатель.

Промпт. Текст запроса к модели. Всё, что вы ей отправили, — это промпт.

Системный промпт. Постоянная инструкция, которую агент получает перед каждым обращением: кто он, что делает, чего не делает никогда, когда зовёт человека. Клиент её не видит. На поведение агента она влияет сильнее, чем выбор модели, — и именно её обычно не удосуживаются написать нормально.

Токен. Кусочек текста, примерно треть слова в русском языке. Модель считает не символы и не слова, а токены, и платите вы за них — отдельно за то, что отправили, и за то, что она ответила.

Контекст. Всё, что модель видит за один раз: системный промпт, история диалога, поднятые документы, ответы инструментов. Он ограничен по размеру, и это объясняет две вещи сразу: почему в длинном диалоге агент «забывает» начало и почему длинный диалог стоит дороже короткого.

Вызов инструментов (function calling). Механизм, которым модель просит выполнить действие. Она не лезет в вашу базу сама — она возвращает «вызови проверку заказа с номером таким-то», а дальше работает ваш код. Отсюда важный вывод: агент физически не может сделать того, чего вы ему не дали.

База знаний, она же RAG. Способ дать агенту ваши документы, не переучивая модель: нужный кусок находят поиском и подкладывают в контекст перед ответом. Так агент отвечает по вашим регламентам, а не по интернету.

Галлюцинация. Ответ, который выглядит уверенно и правдоподобно, но выдуман. Это не поломка, а свойство: модель предсказывает правдоподобное продолжение текста. Лечится не «выбором модели получше», а тем, что факты агент берёт из ваших данных, а не из головы.

Как это выглядит на примере

Клиент пишет: «Заказывал у вас плитку две недели назад, часть привезли битой, что делать».

Чат-бот покажет меню: «Оформить возврат / Связаться с оператором / Часто задаваемые вопросы». Дальше клиент сам ищет свой случай.

ИИ-агент сделает иначе. Найдёт клиента по контакту, поднимет заказ двухнедельной давности, увидит в нём позиции и условия доставки, проверит по вашим правилам, попадает ли случай под замену, и ответит по существу: что именно вы готовы сделать и что для этого нужно от клиента. Если случай спорный — соберёт всю информацию в одно сообщение и передаст человеку, чтобы тот не выяснял заново.

Разница не в вежливости ответа, а в том, что во втором случае работа уже сделана.

Второй пример: где агент не нужен

Клиент пишет: «Во сколько вы работаете в субботу?»

Здесь агент — лишняя трата. Ответ один, он не зависит ни от клиента, ни от истории, ни от данных. Кнопка в меню бота отвечает мгновенно, бесплатно и без единого шанса ошибиться, а агент потратит обращение к модели, чтобы прочитать ту же строчку.

Правило, которое из этого следует: агент нужен там, где ответ зависит от данных, а не от текста вопроса. Если на вопрос есть один правильный ответ для всех — это работа для бота.

Четыре вещи, которые путают

Половина непонимания вокруг агентов возникает из-за того, что четыре разные штуки называют одним словом «ИИ».

Разница практическая, а не терминологическая: она определяет и цену, и сроки, и то, кто будет за это отвечать, когда сломается.

Цифровой сотрудник, ассистент, копилот: где здесь агент

Продавцы называют одно и то же устройство разными словами, и наоборот: за одним словом стоят разные устройства. Вот как маркетинговые названия ложатся на таблицу выше.

Отличить по демонстрации проще, чем по описанию. Спросите: может ли система сделать что-то в вашей CRM или 1С без человека? Если нет — перед вами ассистент, как бы он ни назывался, и цена должна быть соответствующей. Если может — спросите, что произойдёт при ошибке и кто её откатит. Разбор того, что скрывается за «цифровым сотрудником» и как считать его цену, — в отдельной статье.

Один продукт может жить в двух строках сразу. У 1С:Напарника, помощника разработчика 1С, есть режим подсказок в редакторе и есть агентный режим, где он сам ищет объекты в проекте, планирует и правит код, причём с четырьмя уровнями подтверждения от «подтверждать всё» до «только чтение» (сайт продукта, проверено 07.09.2026). В первом режиме это копилот, во втором — агент, и разница между ними определяется не названием, а тем, кому дано право нажать кнопку. Подробнее про него и про то, что ещё называют агентом для 1С, — в статье ИИ-агент для 1С.

Агенты бывают и не вашими. Одиннадцать агентов Алисы AI в бете бронируют столик, ищут цену дешевле и пересказывают сайты (справка Алисы AI, проверено 07.09.2026): бизнес входит в них не как автор, а как источник данных и место действия. Что это меняет для сайта и для записи клиентов, — в статье про агентов Алисы. Общая картина по России, включая замер доступности 28 сервисов, — в статье ИИ-агенты в России в 2026 году.

Когда с вашим агентом разговаривает чужой агент

Пока речь шла об агенте, который общается с людьми и ходит в ваши системы. Следующий шаг уже сделан: агент одной компании обращается к агенту другой. Агент закупщика спрашивает у агента поставщика цену и срок, агент клиента согласует время с агентом сервиса.

Для этого нужен общий язык, и в 2026 году он устоялся. 12 марта вышла первая стабильная версия открытого протокола A2A (Agent2Agent), 1.0.0 (релизы проекта на GitHub, проверено 04.10.2026). Проект живёт в Linux Foundation. К апрелю его поддерживали больше 150 организаций, а Google Cloud, Microsoft Azure и AWS встроили его в свои платформы для агентов (пресс-релиз Linux Foundation от 09.04.2026).

Устройство понятно и без программирования. Каждый агент публикует визитку: файл по адресу /.well-known/agent-card.json на своём домене, где написано, кто он, что умеет, куда слать запросы и как подтвердить право доступа (спецификация протокола). Работа оформляется задачей со статусом: принята, в работе, нужны уточнения, выполнена, отклонена. Визитку можно заверить цифровой подписью, чтобы посторонний сервис не выдал себя за вашего поставщика (спецификация A2A).

С MCP его путать не стоит. MCP подключает агента к инструментам: базе, CRM, 1С. A2A соединяет агентов между собой, у каждого из которых свои инструменты и своя логика (сравнение на сайте протокола). Как устроен первый стандарт, я разбирал в статье MCP-сервер простыми словами.

В России первые такие связки тоже появились. На ПМЭФ в июне 2026 года Сбер показал GigaNetwork: площадку, где агенты компаний ищут контрагентов, проводят тендеры и согласуют условия сделок. В пилотах участвовали ФосАгро, ЭТМ и Аэрофлот (Код Дурова со ссылкой на пресс-службу банка). Где ИИ помогает в закупках уже сейчас, без сделок между агентами, — в статье ИИ для тендеров и закупок.

Малому бизнесу заводить агента для переговоров с агентами пока рано. Но из этого стоит вынести два правила уже сегодня. Ограничения, которые вы пишете агенту для людей, действуют и для машин: чужой агент тоже может просить скидку или срок, которых у вас нет. А агент, который принимает запросы извне, обязан проверять, кто спрашивает, и не выполнять действие только потому, что запрос пришёл в правильном формате.

Три уровня самостоятельности

«ИИ-агент» — не одно устройство, а диапазон. В рабочих проектах уровень выбирают под цену ошибки, и почти всегда — не самый высокий.

Первый: советует. Агент собирает информацию и предлагает решение, действие выполняет человек. Ошибка стоит секунды внимания. Отсюда всегда начинают.

Второй: делает обратимое. Агент сам отвечает клиенту, заводит заявку, ставит задачу, — то есть делает то, что можно откатить. Большинство боевых агентов живут здесь и дальше не идут.

Третий: делает необратимое. Меняет заказ, проводит оплату, подтверждает клиенту условия. Здесь агенту дают права только под жёсткие правила, а часто оставляют подтверждение человеком навсегда.

Больше самостоятельностибыстрее и дешевле в работе

• Человек не участвует в типовом
• Обработка идёт круглосуточно
• Ошибка доходит до клиента
• Нужны подробные правила и надзор

Больше контролядороже, но предсказуемо

• Ошибку ловят до клиента
• Правила можно писать по ходу
• Человек остаётся в цикле
• Экономия времени меньше

Что агенты реально делают в бизнесе

Без обещаний про революцию — список задач, которые они закрывают сегодня:

• Первичный разбор обращений. Понять, о чём человек, поднять его историю, ответить на типовое, а сложное передать человеку с готовой сводкой.
• Подбор по описанию. Клиент говорит своими словами, что ему нужно, агент ищет по каталогу и предлагает варианты с обоснованием.
• Работа с документами. Извлечь данные из счетов и договоров, сверить с системой, подготовить к проверке человеком.
• Сбор информации перед звонком. К моменту, когда менеджер набирает клиента, у него уже есть история, статусы и суть вопроса.
• Рутина между системами. Перенести данные, проверить расхождения, сформировать отчёт — там, где раньше человек копировал из одного окна в другое.

Закономерность видна: агент хорош там, где надо собрать разрозненное и принять типовое решение. Он плох там, где нужна ответственность за нестандартный выбор. Самый частый заказ из этого списка — продажи: как агент проходит по воронке и на каких этапах он бесполезен, разобрано отдельно в статье про ИИ-агентов для продаж.

Куда идти дальше по теме

Дальше тема расходится на несколько отдельных разговоров — каждый разобран в своей статье.

• Как сделать агента: пять способов создания и готовые платформы, доступные из России.
• Что внутри: RAG и база знаний — как агент отвечает по вашим документам.
• Где применяют: в продажах, в голосовых звонках, в аналитике.
• Особые случаи: локальный агент, если данные нельзя отдавать в облако.
• Как подключать к системам: MCP-сервер простыми словами — единый стандарт доступа агента к 1С, CRM и почте.
• Как настроить и защитить: четыре слоя настройки агента и как агентов атакуют и чем закрывать.
• Что доступно в России: обзор агентов и платформ 2026 года, агент на Claude и что из него открывается из России, агенты Алисы AI, агент для 1С.
• Прежде чем решаться: чем агент отличается от чат-бота, сколько он стоит и какие риски у внедрения.

Сколько это стоит и из чего складывается

Про цену агента обычно пишут «зависит от задачи» и на этом останавливаются. Разберу механику — считать по ней сможете сами.

Расходы делятся на две части, и путать их дорого.

Разовая — разработка. Описать правила, подключиться к вашим системам, собрать проверочные вопросы, обкатать на части потока. Основное время здесь уходит не на модель, а на доступ к данным: у системы может не быть интерфейса для внешних запросов, доступ даёт подрядчик, который не отвечает, данные лежат в виде, из которого их не достать.

Постоянная — работа модели. Каждое решение агента — платное обращение. Считается так:

• в цену входит и то, что вы отправили, и то, что модель ответила;
• отправляете вы не одно сообщение клиента, а весь контекст: системный промпт, историю диалога, поднятые документы, ответы инструментов;
• за один диалог агент обращается к модели не один раз, а столько, сколько ему нужно шагов.

Отсюда следствие, которое удивляет чаще всего: длинный диалог дорожает быстрее, чем растёт. Каждый следующий шаг тащит с собой всё, что было раньше, поэтому десятое сообщение стоит заметно дороже первого.

Что с этим делают на практике: отсекают лишнее из истории, не подкладывают документы «на всякий случай», простые вопросы уводят на бота до того, как они дойдут до модели, и ставят потолок расходов — на диалог и на день. Потолок обязателен: без него ошибка в логике превращается в счёт, которого никто не ждал.

Почему пилоты не доходят до работы

Самое частое, что я вижу: агент собран, на демонстрации работает, а через месяц о нём никто не вспоминает. Причины повторяются.

Правил не было, а были ожидания. «Отвечай вежливо и помогай клиентам» — это не инструкция. Инструкция — что делать при каждом типе обращения, что говорить, когда не знаешь, когда звать человека, чего не обещать никогда. Обычно выясняется, что в компании эти правила не записаны нигде и живут в голове у одного сотрудника.

Данных не дали. Агента подключили к сайту, но не к системе, где лежат заказы. Он вежливо разговаривает и ничего не знает — то есть делает ровно то же, что и старый бот, только дороже.

Начали со всего сразу. «Внедрим ИИ во все процессы» заканчивается ничем предсказуемо. Одна задача, доведённая до цифр, полезнее пяти начатых.

Некому было ловить ошибки. Первые недели агента нужно читать: смотреть, где он ошибся, и дописывать правила. Если этим никто не занимается, ошибки не исчезают — они просто перестают быть заметными.

Чего от агента ждать не стоит

Что он заменит сотрудника целиком. Реально он забирает часть работы — обычно самую механическую. Человек остаётся там, где нужно решать и отвечать за решение.

Что он не ошибается. Ошибается, и уверенным тоном. Поэтому в рабочих системах ограничивают и то, что он может делать, и то, откуда берёт факты.

Что он настроится сам. Агент требует: доступа к вашим данным, описанных правил, набора проверочных вопросов и надзора первые недели. Это работа, и её надо закладывать.

Что он дешёвый. Каждое решение стоит обращения к модели. На небольшом потоке это копейки, на большом — заметная статья расходов, которую считают заранее.

С чего начинают, когда решают попробовать

1. 1
   Выбирают одну задачуСамую повторяющуюся и самую раздражающую. Не «внедрить ИИ», а конкретное действие
2. 2
   Считают, сколько она стоит сейчасЧасы человека в месяц. Без этого числа успех потом не с чем сравнить
3. 3
   Проверяют, есть ли доступ к даннымЕсли данные в тетради или в закрытой программе — сначала это, потом агент
4. 4
   Запускают на части потокаНе на всех клиентах сразу: сначала десять процентов и с проверкой человеком
5. 5
   Смотрят ошибки, а не успехиЦенность даёт разбор того, где агент ошибся: там видно, каких правил не хватает
6. 6
   Расширяют или останавливаютПо цифрам из второго шага, а не по ощущению «вроде работает»

Пять вопросов, чтобы понять, нужен ли вам агент

Отвечать честно, вслух и про конкретную задачу, а не про компанию вообще.

1. Ответ зависит от ваших данных? Если нет — хватит бота с кнопками, и он будет надёжнее.
2. Эти данные доступны программе? Не «есть в компании», а именно доступны: у системы есть интерфейс, кто-то может дать к нему доступ.
3. Правила записаны? Если они только в голове у сотрудника, первый этап — записать их, а не выбирать подрядчика.
4. Сколько стоит ошибка? Ответ определяет уровень самостоятельности, а не бюджет.
5. Кто будет читать ошибки первый месяц? Нет такого человека — агент не приживётся, каким бы хорошим он ни был.

Что спросить у того, кто предлагает вам агента

Четыре вопроса, по ответам на которые видно, будет результат или красивая демонстрация.

• К каким моим системам он подключится и как? Ответ «через ИИ» — это не ответ.
• Что агент делает, когда не знает? Правильный ответ — «признаёт и передаёт человеку», а не «отвечает всегда».
• Как поймём, что стало лучше? Должна быть цифра до и цифра после, а не ощущение.
• Сколько будет стоить работа через месяц? Постоянный расход на модель обязан быть посчитан заранее.

Чем агент отличается от чат-бота

Коротко: бот исполняет заранее описанный сценарий, агент строит его сам. Бот предсказуем целиком и дёшев, агент гибок и дороже. Подробный разбор с примерами — в отдельной статье, там же признаки, по которым понятно, что вам достаточно бота.

Проверка на месте такая: если все возможные пути умещаются в дерево — берите бота. Если нет — смотрите в сторону агента. А если хотите собрать агента своими руками, разобрал пять способов — от конструкторов до своего кода.

Что делаю я

Разрабатываю ИИ-агентов под конкретную задачу: с доступом к вашим данным, ограничениями на действия и потолком расходов. Не «внедряю ИИ вообще», а беру одну задачу и довожу её до работающего состояния.

Техническое задание не нужно — расскажите словами, что отнимает время. Честно скажу, если задача решается обычным чат-ботом вдвое дешевле: продавать агента там, где хватает бота, невыгодно нам обоим.