5 паттернов мультиагентных систем: какой для вашего бизнеса?

Anthropic в апреле 2026 выпустил гайд по мультиагентным системам. Я прочитал его, перечитал, и решил переложить на язык бизнеса 10-200 человек. Без микросервисов, Kafka и прочего, от чего нормальный предприниматель засыпает на втором абзаце.

Потому что идея простая, а реализация у большинства заканчивается хаосом.

Предприниматель подключает ChatGPT или Claude к бизнес-процессу. Месяц, эйфория: ответы клиентам быстрее, черновики писем за секунды, отчёты генерируются сами.

А потом начинается. AI путает контекст. Отвечает клиенту данными другого клиента. Пишет отчёт, в котором три цифры из головы. Формально работает, фактически требует ручной проверки каждого результата. «AI тупит, модель плохая, давайте другую.»

Модель не плохая. Архитектура плохая. Вы наняли одного человека на пять должностей и удивляетесь, что он всё делает на троечку. Решение: не поумнее сотрудник, а правильная команда.

Вместо одного AI, который делает всё, несколько, каждый на своём. Вопрос: как их организовать, чтобы работали, а не мешали друг другу?

Самый простой. Самый недооценённый.

Один агент делает работу. Второй её проверяет. Плохо - назад на переделку. Как в журнале: автор пишет, редактор вычёркивает. Результат лучше, чем у любого из них по отдельности.

Клиентский сервис. Первый агент пишет ответ на обращение. Второй смотрит: данные на месте? Тон нормальный? Нет ли чуши, которую AI любит выдумывать с уверенным видом? Не прошло - возвращает. Клиент получает ответ после двух кругов проверки.

x2 по токенам. Это $20-40 в месяц при умеренной нагрузке. Качество растёт на 30-40%.

Я ставлю этот паттерн первым не потому что он в списке первый. А потому что 80% бизнесов, которые приходят ко мне, могут улучшить свои AI-процессы за один час, просто добавив второго агента-редактора к тому, что уже есть.

За день. Без разработчика. Без инфраструктуры. Один дополнительный промпт.

Один агент получает задачу, разбивает на куски, раздаёт исполнителям. Те работают параллельно. Координатор собирает.

Мы так делаем каждый день. Ежедневный скаутинг AI-новостей: четыре агента, один гребёт arXiv, второй Telegram-каналы, третий западные блоги, четвёртый конкурентов. Параллельно. Координатор склеивает в утренний бриф. Результат на столе, пока я ещё кофе не допил.

Или: отчёт по конкурентам. Один агент собирает цены, другой анализирует продукт, третий мониторит отзывы. Три часа работы одного человека, 15 минут для команды агентов.

3-5x по токенам, но задача закрывается в разы быстрее. Для аналитики окупается мгновенно. Полдня-день на настройку, нужно написать промпт координатору и каждому исполнителю.

Тут территория для смелых.

Нет начальника. Агенты общаются между собой. Юрист, финансист, маркетолог: совет директоров из AI.

Звучит красиво. На практике я видел, как три агента уходили в бесконечный цикл уточняющих вопросов друг другу и сжигали 50 000 токенов за пять минут. Без единого полезного результата. Пятьдесят тысяч токенов болтовни. Деньги в трубу.

Работает только с жёсткими рамками. Запускаете продукт: один агент проверяет юридические риски в своём разделе, второй оценивает позиционирование в своём, третий считает юнит-экономику в своём. Не пересекаются. Не «обсуждают». Каждый в своей полосе.

Токены горят быстро, отладка мучительная. Только если у вас есть разработчик и вы уже освоили паттерны 1 и 2.

Конвейер. Общая очередь задач, каждый агент берёт то, что умеет.

Обращение попадает в очередь. Классификатор определяет тип. Простые вопросы одному агенту, сложные другому, совсем сложные человеку. Аналитик в фоне собирает статистику.

Это для потока. 500+ обращений в день. Нужна инфраструктура, нужен разработчик. Для бизнеса на 10-200 человек почти всегда overkill. Но если у вас e-commerce с тысячей заявок в день, этот паттерн окупится за неделю.

Все агенты работают с одним документом. Каждый вносит свой кусок.

Due diligence: один агент тянет финансы, другой юридическую историю, третий рыночную позицию. Пишут в один отчёт, каждый в свой раздел. Час вместо двух дней.

Мы используем похожий подход для ежедневного бриффинга. Несколько источников, один выходной документ. Главное: каждый агент знает свой раздел и не лезет в чужой. Два агента решают писать в одну секцию - начинается каша.

Один вопрос. «У меня уже есть хоть один работающий AI-процесс?»

Нет - паттерн 1. Точка. Берёте любой процесс, где AI уже что-то делает, добавляете второго агента-редактора. Час на настройку. Не читайте дальше, пока этот шаг не сделан.

Да, и задача делится на куски - паттерн 2. Координатор + параллельные исполнители.

500+ задач в день, есть разработчик - паттерн 4.

Нужна экспертиза из 3+ областей - паттерн 3, но только после того как 1 и 2 работают стабильно.

Нужен комплексный аналитический отчёт - паттерн 5.

Исследование AdaptOrch (arXiv:2602.16873), конкретные числа.

Выбор архитектуры координации: +12-23% к результату. Замена модели: пара процентов. На SWE-bench +22.9% от правильной координации. И при этом вдвое дешевле: 41.8K токенов на задачу вместо 84.6K.

Не тратьте неделю на выбор между GPT и Claude. Потратьте день на выбор паттерна. Это даст в десять раз больше.

Оркестр звучит не потому что скрипки дорогие. А потому что дирижёр знает партитуру.

Мультиагентность как найм. Нанять пятерых в компанию из трёх: глупость. Добавить одного редактора к тому, кто уже работает: мудрость.

Паттерн 1. Сегодня. Час времени. Посмотрите на результат, потом решите, нужно ли дальше. Скорее всего этого хватит на полгода.

Источники: Anthropic Multi-Agent Patterns Guide (апрель 2026), AdaptOrch (arXiv:2602.16873)

Больше разборов AI для бизнеса - в Telegram: Горилла под капотом