Я теперь сначала нанимаю ИИ-агента. И только если агент не справился ищу человека

Когда меня спрашивают, есть ли у нас вакансии, я всё чаще ловлю себя на странном ответе: «Я сейчас сначала пытаюсь нанять ИИ-агента. И только если он не справляется — человека».

Ещё год назад это звучало бы как мем из LinkedIn. Сейчас это становится нормальным управленческим паттерном.

Не «давайте купим ChatGPT для сотрудников». Не «сделаем 40 промптов для отдела маркетинга». А именно: есть бизнес-процесс, есть ответственный агент, есть права доступа, расписание, контроль качества, логи, human-in-the-loop и понятный результат.

Мы далеко ушли от промпт-инжиниринга. Теперь есть целая новая управленческая дисциплина: управление ИИ-агентами для бизнеса.

Мы в Product University назвали её MAA — Мастер Администрирования Агентов.

На финале одного из модулей выпускники показывали, что построили за 8 недель. И я поймал себя на мысли: лучший способ объяснить, зачем всё это нужно — просто показать проекты.

Потому что они уже выглядят не как «учебные домашки», а как первые версии внутренних операционных систем компаний. Ниже будет несколько кейсов.

MAA — это анти-MBA. MBA учит управлять людьми в индустриальной организации. MAA учит управлять AI-агентами в компании, где часть задач уже можно отдать автономным системам.

Мы сформулировали методологию процесса внедрения ИИ-агентов в компании и назвали ее 6A Framework™: Audit → Architect → Assemble → Adapt → Amplify → Administer.

Смысл простой:

Не «вайб-кодить что-то красивое». А доводить до работающего процесса.
Теперь покажу пару кейсов.

Денис занимается консалтингом. Средний чек сделки — около миллиона рублей.

За две недели он собрал 15 проектов. 7 уже внедрены в бизнес, 3 крутятся на сервере, 9 ещё в разработке. На финале он показал главное: AI-first операционную систему для своей компании.

Что туда вошло:

Денис сказал на финале:

«Когда я первый раз сгенерировал матрицу услуг, у меня прям глаза загорелись — я уже увидел, во что это может вылиться».

И ещё:

«Вот как выглядит эта преквалификационная КП — это уже вполне себе солидный enterprise-уровень. Может быть, я хотел бы большего с точки зрения дизайна, но это я получил полностью используя нейронку, без каких-то дополнительных напрягов».

Самое интересное здесь не в том, что «нейронка написала текст». Это было скучно уже в 2023 году.

Интересно, что предприниматель начал пересобирать операционку компании вокруг агентов.

Владимир — директор компании, которая продаёт бетонные ступени.

Это важная деталь. Не SaaS. Не стартап. Не digital-агентство. Реальный сектор экономики: заявки, менеджеры, Bitrix24, зарплаты, водители, замеры, сметы.

На входе Владимир умел написать простой промпт в ChatGPT. Всё.

На выходе:

Каждое утро Bitrix-агент присылает директору SMS: сколько новых сделок сделал каждый менеджер за вчера. 3-го числа каждого месяца агент считает зарплату: тянет данные из Bitrix, собирает таблицу в Google Sheets, присылает директору.

А ещё агент работает как консультант по Bitrix. Бухгалтер не смогла внести данные в карточку — агент зашёл, посмотрел, понял, что не хватает прав, объяснил решение.

Второй агент — Outreacher. Каждый день ищет 10 уникальных лидов, делает цепочки писем, а любое входящее письмо регистрирует в CRM как входящий лид.

Владимир описал свой путь так:

«Когда я пришёл на курс, я умел написать не сильно продвинутый промпт и написать роль для чата. А сегодня у меня есть удалённый сервер, на котором крутится агент, выполняет задачи по кронтаску, и я могу при помощи VS Code с Claude Code его отлаживать. Для меня ещё месяц назад это был бы просто набор совершенно странных понятий».

А потом добавил:

«Я назвал это “научили бабушку пользоваться iPad”. С нуля доехать до того, что у меня на удалённом сервере крутится агент с субагентами — я буду рекламировать ваш курс».

Вот этот кейс, кажется, особенно важен для рынка.

Потому что много людей до сих пор думают: «ИИ-агенты — это для программистов, стартаперов и тех, кто и так в теме».

Нет. Если у вас есть повторяемый процесс, данные, CRM, письма, документы, лиды, заявки, отчёты — у вас уже есть кандидаты на агентов.

Дима развернул open-source платформу для мультиагентных команд на Railway. Получилась структура из четырёх агентов:

Отдельно он собрал outreach-агента на GitHub Actions: агент парсит HeadHunter, ищет ICP-профили, делает рассылку со своего домена через Codex.

Плюс бонус-проект: Telegram-бот для SEO-контента в бьюти-нише.

Сценарий:

Дима сформулировал это так:

«Прикольно, что совмещается в одном месте и общение с ИИшками, и твоя персональная Jira-tracker задач».

Но он же честно подсветил проблему:

«Твой рабочий день выглядит так: заходишь в инбокс, смотришь, где тебе что поотвечали. Получается твоя личная Jira, в которой все задачи на тебе, они все заблокнуты тобой».

И вот здесь начинается взрослая часть разговора про AI-агентов.

Хороший курс по агентам не должен продавать сказку «запустил агентов и ушёл пить кокос». На практике у вас появляются новые управленческие обязанности:

То есть агентская автоматизация не отменяет управление. Она меняет его объект.

Борис пришёл без одной большой бизнес-задачи. Экспериментировал на разных гипотезах и в итоге показал инженерно элегантный проект: TTS-агент с замкнутым циклом самопроверки.

Задача кажется простой: озвучивать тексты, чтобы слушать их на прогулках. Но бесплатные TTS-модели часто ломаются на смешанном русско-английском тексте.

Борис собрал цикл:

За 2,5 часа без человека система прошла 5–7 циклов доработки.

Борис сказал:

«Когда ему скармливаешь хорошие примеры и загоняешь в цикл “работай сам, пока не достигнешь таких-то результатов” — это реально работает».

Вот это, на мой взгляд, один из главных сдвигов.

Мы переходим от «попросил AI что-то сделать» к «построил систему, которая сама проверяет качество результата».

Это уже не промпт. Это governance.

После выступлений мы обсуждали, почему у одних агентов получается результат, а у других — каша.

Вывод простой: если ты сам ни разу руками не проходил процесс и не можешь показать хорошие примеры, агент будет уводить куда угодно.

Хороший агент начинается не с выбора модели. Он начинается с управленческой ясности:

Это и есть Agent Administration.

Сейчас много людей открывают Cursor, Claude Code или другую среду и начинают «собирать что-нибудь».

Через два дня у них:

Мы это видели и на курсе. Денис честно сказал: «Я провалил много задач параллельно».

Это важная честность. Проблема не в том, что агенты слабые. Проблема в том, что человек без архитектуры начинает делегировать хаос.

MAA как раз про обратное: сначала процесс, потом агент.

Мне кажется, в ближайшие 6–12 месяцев в компаниях появится новая роль. Она будет называться по-разному:

Но суть одна: человек, который умеет превращать бизнес-процессы в управляемые агентские системы.

Не просто «пользователь ChatGPT».

А тот, кто может:

Мы запустили программу MAA — Master of Agents Administration в Product University.

Это 4 модуля по 8 недель:

Формат: живые занятия, практика, Telegram-чат, кураторы, работа над своим агентом.

Задача — не «узнать про AI-агентов», а собрать работающий агентский процесс в своей компании

Если коротко: раньше конкурентом менеджера/управленца был человек с MBA. Теперь конкурент — человек, который умеет за выходные развернуть 5–10 агентов под свои процессы.

И это уже даже не будущее, а обычное финальное занятие нашего курса, см. кейсы выше.