От инструментов к исполнителям: почему ИИ-агенты — не просто обновленная технология
Добрый день, я — Михаил Шрайбман, СЕО веб-интегратора OSMI IT. Моя команда разрабатывает проекты для среднего и крупного бизнеса и одной из первых внедряет ИИ во все бизнес-процессы. Мы занимаемся машинным обучением и разрабатываем кастомные агенты.
Этот блог я решил посвятить ИИ-агентам. Расскажу, что нового они дадут бизнесу, какие задачи упростят, и какие перспективы перед российским рынком открываются уже сейчас. Моя небольшая статья будет особенно полезна для руководителей бизнеса и технических директоров. Приятного прочтения!
Роль ИИ меняется: от инструмента к исполнителю
Раньше искусственный интеллект был инструментом: его вызывали, и он выполнял команду по запросу. Сейчас LLM-модели и ИИ-агенты — субъекты действия, полноправные участники рабочего процесса. Они берут на себя инициативу: решают, когда и что сделать по задачам.
Пользователь не даёт команду в формате «Сделай это», а формулирует миссию. Агент разбирается в задаче, принимает решения и оптимизирует процессы. В отличие от бота, агент может подумать за руководителя и посоветовать самое удачное решение. Не идет слепо по скрипту.
Из чего состоят ИИ-агенты, и чем они отличаются от ML
Структура ИИ-агентов усложняется. Что входит в типовую модель ИИ-агента:
- LLM — мозг, который интерпретирует и генерирует текст.
- Память — помнит, что ты уже сказал.
- Инструменты — API, плагины, базы данных.
- Среда — это интерфейс взаимодействия с системой и другими агентами.
- Задача — миссия, которую агент раскладывает на конкретные шаги.
На основе внутренней модели ИИ-агент предсказывает последствия работы и планирует поведение. Модель может обновляться в ходе взаимодействия.
Изменения в сфере ИИ молниеносны, поэтому пока не всем очевидно, а в чем разница внедрения ML и ИИ-агента. Подсвечу вкратце.
При внедрении ML бизнес обучает модель, чтобы она, например, сортировала заявки. Cистема работает в заданных рамках, делает то, чему обучена. А ИИ-агент — это автономный исполнитель, который сам решает, какие шаги сделать, чтобы выполнить миссию. В нем есть модуль постановки целей и построения плана (определяет с помощью алгоритмов целевые действия и разбивает их на мелкие).
Так, в сфере техподдержки ИИ-агент может не просто отвечать на вопросы, а понять проблему клиента, собрать информацию из CRM и оформить заявку. Такой функционал актуален для fintech.
Можно не контролировать каждый шаг работы ИИ-агента. Он проанализирует контекст и задачу, выберет действия. Агент может обратиться к внешним источникам данных (на данном этапе, к инфраструктуре и сотрудникам) и проверить результат. Выполнение работы ускоряется, а управление бизнесом упрощается.
Так, ИИ-агенты, которые OSMI IT внедряет клиентам, уже умеют:
- отправлять автоответы на email-запросы участников мероприятии,
- делать резюме обсуждении в чатах в Телеграме,
- создавать посты для каналов в соцсетях,
- быстро находить информацию в массиве документов,
- контролировать сроки оплаты подрядчикам,
- генерировать отчеты для отделов компании,
- извлекать и делать категоризацию бухгалтерских документов из почты,
- давать автоответы сотрудникам на типовые вопросы в чатах и их запросы (справки, выписки),
- формировать PDF-документы (справки, счета, заявления).
И это только часть доступного функционала. ИИ-агент может быть кастомным, с учетом конкретного бизнеса.
Не просто шаг в развитии ИИ, а смена парадигмы
Произошедшие изменения радикальны. Это не использование ИИ, как вспомогательного инструмента, это ИИ-помощник, как часть команды. Почему я считаю, что это не апгрейд, а смена парадигмы? Поскольку это шаг от реактивного ИИ к инициативному.
ИИ больше не ведомый. Он может активно участвовать в процессах. Например, выгрузить данные из Excel и самостоятельно вести работу.
Я могу не ставить Al-помощнику поручения, а дать миссию. Цели он поставит сам, сам разобьет крупные задачи на мелкие. В процессе работы будет учиться и взаимодействовать со средой извне, уточняя информацию. Это похоже на поведение человека.
ИИ-агент является интерфейсом качественно нового типа. Это новая веха в мультизадачности и и динамическом управлении всеми ресурсами. Потенциал ИИ-помощников скоро поменяет роли людей, взаимодействие в команде, трансформирует логику и структуру работы в компаниях по всему миру.
Инфраструктура для ИИ-агентов уже доступна
Технологическая инфраструктура для построения агентов на базе LLM сформировалась. На уровне моделей доступны open-source альтернативы ChatGPT (LLaMA 2, Mistral, Mixtral, Yi). Они поддерживаются крупными сообществами и интегрируются в готовые стеки. Теперь команды могут запускать LLM-решения, не ориентируясь сугубо на API больших провайдеров.
Для организации логики действий вокруг моделей (планирования, выполнения и адаптации к среде) доступны такие инструменты, как AutoGPT, LangChain, OpenAgents. Данные библиотеки и фреймворки создают связку LLM с агентной логикой, доступом к памяти, внешним API и БД. Благодаря этому модели не просто генерируют текст, а работают автономно.
Как на бизнес повлияет использование ИИ-агентов
Бизнесы, которые начнут строить внутренние сценарии на ИИ-агентах уже в 2025 году, к 2026 будут в 1,5 раза эффективнее в операционной деятельности, чем их конкуренты. ИИ-агенты высвободят тысячи часов в задачах: напишут отчеты, соберут аналитику, введут и проверят данные, проведут работу с техзаданиями.
McKinsey оценивает потенциал автоматизации до 60–70% всех задач наемных работников (“белых воротничков”).
Наши клиенты используют Al-агентов для многих направлений: в менеджменте проектов, процессах back-офиса, бухгалтерии, HR, разработке, системах закупок, в продажах, маркетинге и пиаре. Это востребовано в e-com, fintech и других цифровых продуктах, в стартапах.
ИИ-агенты работают с API, почтой, календарями, документами, CRM и интегрируются с кастомными системами клиентов. Они экономически выгодны даже для среднего и малого бизнеса. Один ИИ-агент может выполнять сотни задач в день и не нуждается в отпуске или зарплате.
Почему это актуально не только для энтерпрайз, но и для небольших стартапов? Использование ИИ-агентов оправданно везде, где в задачах есть повторяющаяся механика. Я бы сказал, что сейчас малому и среднему бизнесу новые умные помощники могут быть в разы полезнее, чем крупному. Небольшая команда может начать быстро делать объемный пул задач.
Создание кастомного ИИ-агента сейчас стоит, не как космолет, а вполне понятные деньги, начиная с нескольких сотен тысяч рублей.
Рекомендую бизнесу уже сейчас анализировать, какие задачи могут взять на себя в компании ИИ-агенты, готовить данные и среду для работы и следить за новостями индустрии. Это позволит вам оставаться конкурентоспособными в новых реалиях.
Используете ИИ-агентов в работе компании? Давайте обсудим. Готов проконсультировать вас по поводу создания кастомного агента. Обращайтесь лично или через сайт OSMI IT. Если вам интересны кейсы команды, добро пожаловать на наш ТГ-канал.