ИИ-агент — это не «умный чат», а программа на языковой модели, которая работает в ваших системах: читает почту, ищет в CRM и 1С, готовит черновик ответа или документа. Создать ИИ-агента для компании — это семь шагов, и большая часть работы в них не про выбор модели, а про задачу, доступы и проверку.
01Прежде чем создать ИИ-агента: чем он отличается от чат-бота
Чат-бот отвечает на вопрос. Агент получает задачу, сам решает, какие инструменты вызвать, и возвращает результат: письмо, карточку, сводку, черновик документа.
| Чат-бот | ИИ-агент | |
|---|---|---|
| Что делает | Отвечает текстом по базе ответов | Выполняет задачу: ищет, сверяет, готовит черновик |
| Доступ к системам | Обычно нет | Почта, CRM, 1С, документы — в пределах выданных прав |
| Результат | Подсказка человеку | Готовый черновик, который человек проверяет и отправляет |
| Как понять, что сделал | История диалога | Журнал действий: что запросил, что получил, что подготовил |
02Шаг 1. Выберите одну задачу, а не «ИИ для всего»
Создание ИИ-агента начинается с одной понятной работы, а не со списка всего, что хочется автоматизировать. Хорошая задача для старта:
- повторяется каждый день — разбор почты, запросы поставщикам, проверка контрагента;
- у неё понятный вход и выход — письмо на входе, задача ответственному на выходе;
- результат легко проверить — человек за минуту видит, верен ли черновик.
Чаще всего компании начинают с продаж, документов и отчётности: в разборе вакансий на внедрение ИИ эти направления названы в 61 %, 55 % и 53 % случаев (исследование 1 879 вакансий).
03Шаг 2. Опишите процесс: вход, действия, результат
До любой настройки процесс записывают так, чтобы его понял новый сотрудник. Пример для запроса поставщикам:
| Что | Пример |
|---|---|
| Вход | Заявка клиента: список позиций и количество |
| Что делает агент | Готовит запрос поставщикам, собирает ответы, раскладывает их по позициям и ценам |
| Где берёт данные | Почта, таблица закупок, карточки поставщиков |
| Результат | Сводная таблица предложений — черновиком |
| Что решает человек | Какого поставщика выбрать и что ответить клиенту |
04Шаг 3. Выберите модель по данным, а не по рейтингу
Главный вопрос — какие данные увидит агент, а не какая модель выше в рейтинге.
Персональные данные по 152-ФЗ нельзя просто отправить во внешний сервис, а Anthropic и OpenAI не обслуживают пользователей из России. Поэтому агенту обычно нужно правило: какие данные в какую модель можно отправлять (нейросети для компании). Если данные не должны покидать компанию, модель ставят на свой сервер (корпоративный ИИ в закрытом контуре).
05Шаг 4. Подключите системы: API, MCP или конструктор
Агент полезен ровно настолько, насколько он видит рабочие системы. Способов подключения три:
| Способ | Когда подходит |
|---|---|
| API и вебхуки | У системы есть программный интерфейс — CRM, почта, большинство облачных сервисов |
| MCP-сервер | Нужно дать агенту набор инструментов системы — например, поиск и отчёты в 1С — по единому протоколу |
| Конструктор сценариев (n8n, Make) | Нужно связать несколько сервисов цепочкой шагов без большого кода |
Это видно и по рынку: в вакансиях на внедрение ИИ API и вебхуки упомянуты в 48 %, n8n — в 19 %, MCP — в 9 %. Для учётной системы подробно — на странице ИИ-агент и MCP для 1С.
06Шаг 5. Начните с агента «на чтение»
Первая версия агента ничего не меняет в системах — только читает и готовит черновики. Право записи открывают по одному, туда, где агент уже показал точность на реальных примерах. И даже тогда письмо, счёт или карточка готовятся черновиком, а отправляет или проводит человек.
- Права как у сотрудника. Агент видит и может то же, что разрешено месту, на которое его поставили.
- Разные агенты — разные права. Агент по счетам не видит того, что видит агент по кадрам.
- Журнал действий. Записано, кто попросил, что агент запросил и что подготовил.
07Шаг 6. Проверьте на реальных примерах до запуска
Соберите набор настоящих случаев из работы: обычные, трудные и те, где агент должен отказаться. Прогоните агента по набору и сравните с тем, как сделал бы сотрудник. Этот же набор пригодится после каждой доработки — чтобы новое правило не сломало то, что уже работало.
Мы так проверяем собственные рабочие места: рано утром прогоняется набор из 44 контрольных задач, и событием считается только новое падение, а не старое известное (как мы работаем).
08Шаг 7. Запустите и превращайте ошибки в правила
После запуска агент ошибается — вопрос в том, повторяет ли он ошибку. Каждый сбой стоит записывать, а исправление человека превращать в правило, которое агент получит в следующий раз.
09Сколько агентов нужно компании
Один «универсальный бот на всё» обычно не работает: у разных задач разные данные и разные права. Удобнее набор агентов-специалистов.
Пример из внедрения в оптовой компании: 9 рабочих мест с личным агентом, 15 агентов-специалистов — «Счета SABY», «Входящие УПД», «Проверка контрагента», «Договорной агент» и другие — и более 2 000 автоматических заданий по расписанию (кейс БИФРЕШ).
10No-code и low-code: можно ли создать ИИ-агента без программиста
Можно, если агенту хватает базы знаний и одного-двух сервисов. Как только нужны 1С, CRM и права по сотрудникам, без программиста обычно не обойтись.
- No-code — конструктор без кода. В браузере задают роль агента, загружают документы в базу знаний и подключают канал: сайт или мессенджер. Из российских платформ так работают, например, Yandex AI Studio и Just AI Agent Platform.
- Low-code — сценарии из готовых блоков. В n8n или Make собирают цепочку «пришло письмо → модель разобрала → строка в таблице», а там, где блоков не хватает, вставляют немного кода. n8n можно поставить на свой сервер.
- Код. Python и фреймворки вроде LangChain и LangGraph — когда логика нестандартная и есть разработчик, который будет её сопровождать.
Работодатели чаще называют инструменты сборки, чем готовые конструкторы агентов: в вакансиях на внедрение ИИ n8n упомянут в 19 %, Make — в 12 %, LangChain и LangGraph — в 12 %, Python — в 39 %, а визуальные конструкторы агентов Dify и Flowise — всего в 6 вакансиях из 460 (разбор вакансий).
11Как создать ИИ-агента: сравнение конструкторов, кода и платформы
Путь выбирают по задаче, по тому, где должны лежать данные, и по тому, кто будет сопровождать агентов.
| Способ | Примеры | База знаний | 1С, CRM, почта | Где данные | Кому подходит |
|---|---|---|---|---|---|
| No-code конструктор | Yandex AI Studio, Just AI Agent Platform | Загружают файлы в сервис | Через готовые коннекторы платформы | В облаке платформы; у части платформ есть установка в контур компании | Ассистент на сайте или в мессенджере, ответы по документам |
| Low-code сценарии | n8n, Make | Подключают отдельным блоком поиска по документам | Через API и вебхуки | n8n — можно на своём сервере | Один-два процесса, связка нескольких сервисов |
| Свой код | Python, LangChain, LangGraph | Пишут сами | Любые системы с API | Где решит команда | Нестандартная логика и свой разработчик |
| Платформа рабочих мест | Как у нас | Документы компании, ответ со ссылкой на источник | С правами сотрудника и журналом действий | На сервере компании или в облаке | Агенты нужны нескольким отделам |
- Конструктор и сценарии быстро дают первый результат, но права, журнал действий и проверку на реальных данных строят отдельно.
- Свой код держится на авторе: его уход останавливает развитие.
- Платформа требует настройки под процессы компании — зато агенты разных отделов живут по одним правилам.
12База знаний: чтобы ИИ-агент отвечал по документам, а не выдумывал
База знаний — это документы компании, по которым агент ищет перед ответом. Без неё модель отвечает «по памяти» и может придумать пункт регламента, условие договора или цену.
Устроено это так: документы делят на фрагменты и индексируют по смыслу. Получив вопрос, агент сначала находит подходящие фрагменты, а потом отвечает по ним и показывает, откуда взят ответ. Такой подход называют RAG — генерация ответа с поиском по документам.
- Одна актуальная редакция. Старые версии регламентов убирают из базы или помечают, иначе агент найдёт их.
- Ответ со ссылкой. Сотрудник видит документ и пункт, а не только вывод агента.
- «Не нашёл» — тоже ответ. Если документа нет, агент говорит об этом, а не догадывается.
- Доступ по правам. Агент показывает документ, только если сотруднику он доступен.
Задачу «база знаний / RAG» называют в 32 % вакансий на внедрение ИИ (148 из 460). У нас так работает бухгалтерия управляющей компании технопарка: вопрос по аренде или путевому листу — ответ агента со ссылкой на источник и пометкой «проверено», если он сверился с действующей редакцией закона (кейс управляющей компании).
13Память ИИ-агента: что он помнит между задачами
Сама модель между разговорами ничего не помнит. Память агенту дают снаружи: историю дела, базу знаний и правила, которые выросли из исправлений человека.
- Контекст задачи. Письмо, переписка по делу, найденные документы — то, что агент видит прямо сейчас.
- Память по клиенту и делу. О чём договорились и что обещали. В Калининской базе агент разбирает разговоры менеджера и сам ставит задачи: 1 372 расшифрованных разговора и 120 задач в CRM без ручного ввода (кейс Калининской базы).
- Правила из исправлений. Когда человек правит работу агента, правка становится уроком, а урок получают все рабочие места, а не только то, где случилась ошибка.
- Чего в памяти быть не должно. Пароли и ключи доступа хранятся в отдельном хранилище, а не в памяти агента.
Память стоит мерить так же, как всё остальное. Мы каждый понедельник считаем, стало ли лучше за неделю. На 5 октября 2026 года правок людей на 100 сессий стало 6,8 вместо 9,5, повторов уже исправленных ошибок — 13 вместо 19, а экзамен памяти показал 75 % против 81 % — стало хуже, и эту цифру мы тоже публикуем (как мы работаем).
14Какой эффект ИИ-агента можно измерить
Считайте объём работы, которую агент сделал без человека, и то, как часто человеку приходится его поправлять. Обещания вида «экономия 40 %» без замера «до» ничего не значат.
| Внедрение | Что считали | Результат |
|---|---|---|
| Калининская база | Разговоры менеджера → задачи в CRM | 1 372 расшифрованных разговора, 120 задач без ручного ввода |
| ПитерТрейд | Почта → CRM | 1 333 записи перенесены из почты в CRM автоматически |
| Производственная группа | Звонки менеджеров | 1 100+ разобранных звонков, 30+ рабочих мест на своём сервере |
| Наши рабочие места | Правки людей на 100 сессий | 9,5 → 6,8 за неделю |
Для пилота достаточно трёх чисел. До запуска — сколько таких задач в неделю и сколько времени на них уходит. После — сколько черновиков агента человек принял без правок и сколько раз агент повторил уже исправленную ошибку. Если третье число не падает, агент не учится, и его рано расширять на новые задачи.
15Частые ошибки при создании ИИ-агента
Чаще всего проекты буксуют не из-за модели, а из-за пяти организационных ошибок.
- Начинать с модели, а не с задачи. Модель меняется легко, а плохо описанный процесс — нет.
- Сразу давать право записи. Агент, который сам отправляет письма с первого дня, — риск, а не экономия.
- Не проверять на реальных случаях. Демонстрация на трёх удачных примерах ничего не говорит о работе.
- Не собрать базу знаний. Агент без документов компании отвечает общими словами или выдумывает.
- Не назначить владельца. У агента должен быть человек, который ставит задачи и принимает результат.
16Как это сделать у вас
Мы собираем агентов на рабочих местах сотрудников: почта, CRM, 1С, документы, с правами как у сотрудника и журналом действий. Что умеют агенты и как они встают в работу — на странице ИИ-агенты для бизнеса. Если пока непонятно, какого агента поставить первым, — бесплатный 30-минутный разбор задач.
17Частые вопросы
Коротко — о том, что чаще всего спрашивают, когда собираются создать ИИ-агента для компании.
Можно ли создать ИИ-агента самостоятельно?
Да. Простого агента собирают в конструкторе сценариев вроде n8n или пишут на Python. Сложность начинается не с первого запуска, а с доступов к рабочим системам, прав, проверки на реальных данных и сопровождения, когда агентов становится несколько.
Чем ИИ-агент отличается от чат-бота?
Чат-бот отвечает текстом. Агент работает в системах компании: читает почту, ищет в CRM и 1С, готовит черновик письма, счёта или карточки. Отправляет, проводит или подписывает — человек.
Нужен ли программист, чтобы сделать ИИ-агента?
Для одного сценария в конструкторе — не всегда. Для подключения 1С, CRM и почты с правами и журналом действий обычно да: в 48 % вакансий на внедрение ИИ компании прямо требуют работы с API.
Можно ли создать ИИ-агента без программирования?
Да, в no-code конструкторе: задают роль, загружают документы в базу знаний и подключают канал — сайт или мессенджер. Такой агент отвечает по документам. Если ему нужно работать в 1С, CRM и почте с правами сотрудника, обычно понадобятся low-code сценарии или код.
Что такое база знаний ИИ-агента?
Это документы компании — регламенты, договоры, прайсы, — по которым агент ищет перед ответом. Он отвечает по найденному фрагменту и даёт ссылку на документ, а если документа нет, говорит об этом, а не придумывает ответ.
Как ИИ-агент запоминает ошибки?
Модель сама не запоминает. Исправление человека записывают как правило, и агент получает его в следующих задачах. Работает ли это, видно по числу повторов уже исправленных ошибок: у нас за неделю их стало 13 вместо 19.
Сколько времени занимает создание ИИ-агента?
Зависит от числа систем и от того, есть ли к ним доступ по API. Поэтому срок честнее называть после разбора процесса, а не до него.
Можно ли запустить ИИ-агента на своём сервере?
Да. Если данные не должны покидать компанию, агент работает с моделью, развёрнутой на вашем сервере, — так устроен закрытый контур.
18Источники
Откуда взяты цифры и факты в статье.
- Разбор 1 879 вакансий на внедрение ИИ — AIKraft, выгрузки hh.ru 19.08 и 04.10.2026: доли тем и инструментов.
- Как мы работаем — AIKraft, цифры на 05.10.2026: сбои за неделю, контрольные задачи.
- Кейс БИФРЕШ — AIKraft: число рабочих мест, агентов и заданий.
- Кейс управляющей компании — AIKraft: ответы по базе знаний со ссылкой на источник.
- Кейсы Калининской базы, ПитерТрейда и производственной группы — AIKraft: разговоры, записи в CRM, звонки; мера пользы — как мы работаем, цифры на 05.10.2026.
- Платформы: Yandex AI Studio — платформа для разработки ИИ-агентов (Яндекс, 24.09.2025); Just AI Agent Platform — визуальный low-code конструктор и установка в контур компании; n8n — установка на свой сервер (документация n8n). Сверено 05.10.2026.
- Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» — pravo.gov.ru.
- Страны, где доступны сервисы: Anthropic, OpenAI.