ИИ-агенты в 2026 году: чем агент отличается от чат-бота, какие готовые решения работают в России и как собрать своего

Если коротко, ИИ-агент — это языковая модель, которой выдали инструменты и право самой решать, в каком порядке ими пользоваться. Обычная нейросеть заканчивает работу на слове. Агент заканчивает её на результате: сам разбивает цель на шаги, лезет в поиск, открывает файлы, дёргает API, смотрит на промежуточный итог и решает, делать следующий шаг или задача уже закрыта.

Разница видна на одной фразе. «Напиши текст для карточки товара» — это работа для нейросети. «Собери характеристики по этой ссылке, посмотри, что пишут конкуренты, составь пять вариантов названия в лимит символов и отдай готовое описание» — это работа для агента. Технически там та же модель внутри, но сценарий использования принципиально другой.

К 2026 году рынок агентов прошёл фазу восторга и вошёл в фазу отбора. По оценке Gartner, реально развернули агентов у себя всего около 17 процентов организаций, при этом больше 60 процентов собираются сделать это в ближайшие два года. Разрыв между «планируем» и «работает в проде» — главный сюжет года. Ниже разберём, что за этим разрывом стоит, какие готовые агенты можно взять прямо сегодня, как отличить настоящего агента от переименованного чат-бота и что делать, если готового решения под вашу задачу нет.

Это агенты из раздела «ИИ-агенты». Здесь не нужно выбирать модель и писать сложный промпт: вы описываете задачу словами, агент сам подбирает инструменты и делает несколько шагов подряд.

Дальше — подробно: что подавать на вход, что получите на выходе и где каждый агент проседает.

Представьте помощника, которому вы говорите: «Найди пять поставщиков гофрокартона в Нижнем Новгороде, сравни цены за тысячу листов, собери сводку и положи файл в папку». Обычный чат ответит уверенным текстом с выдуманными названиями компаний и правдоподобными ценами — потому что модель по своей природе достраивает то, что выглядит убедительно.

Агент поступает иначе. Он откроет поиск, зайдёт на сайты, вытащит прайсы, заметит, что на третьем сайте цен нет, и пойдёт искать четвёртый. Потом сведёт данные, соберёт документ и сохранит его. Если на каком-то шаге сломался инструмент — попробует обходной путь или честно скажет, где застрял.

Ключевое слово — автономность. У агента есть рабочий цикл, и он крутится в этом цикле сам. Человек задаёт цель и критерии готовности, а не диктует последовательность нажатий.

Второе ключевое слово — проверяемость. Агент имеет смысл там, где результат можно формально проверить: код прошёл тесты или нет, файл создан или нет, все пять поставщиков найдены или только три. Там, где успех определяется вкусом и контекстом, автономность превращается в лотерею.

Границу проще нащупать не определением, а проверкой. Задайте про любой сервис четыре вопроса.

Может ли он сделать больше одного действия на один ваш запрос? Если после каждого шага система останавливается и ждёт вашей реплики — это чат с инструментами, а не агент.

Сам ли он решает, каким инструментом воспользоваться? Если маршрут жёстко прошит сценарием («после кнопки А всегда идёт шаг Б»), перед вами классическая автоматизация в новой обёртке. Полезная, но не агентная.

Смотрит ли он на результат собственного действия? Настоящий агент возвращает итог шага себе в контекст и оценивает его. Без этой петли обратной связи система не умеет исправляться.

Может ли он остановиться сам? У агента есть критерий готовности и лимиты. Если система работает, пока вы не нажмёте «стоп», — это не автономность, а бесконечный цикл с красивым интерфейсом.

Четыре «да» — агент. Два-три — гибрид, который в маркетинге назовут агентом, но ждать от него автономности не стоит. Меньше двух — обычный бот.

У этого явления есть название — agent washing. Так называют практику, когда существующий продукт переименовывают в агента без реального изменения возможностей: ассистенты, RPA-сценарии, чат-боты и мастера настройки внезапно получают приставку AI-agent в описании. Gartner оценивал, что из тысяч вендоров, называющих себя агентными, по-настоящему таких порядка сотни с небольшим.

Для покупателя это оборачивается конкретной проблемой: вы платите за автономность, а получаете сценарий с ветвлениями, который ломается на первом же нетиповом случае. Поэтому перед покупкой полезно требовать не демонстрацию, а разбор одного вашего сложного кейса — с журналом шагов и указанием, где система обратится к человеку.

Признаки, по которым стоит насторожиться:

Вендор показывает только идеальный сценарий и уходит от вопроса, что происходит при ошибке инструмента.

В продукте нет журнала шагов. Если вы не видите, что агент делал на каждом такте, вы не сможете разобраться, где он свернул не туда.

Нет настраиваемых лимитов по шагам и бюджету. Это почти всегда означает, что никакой автономной работы там и не предполагалось.

Нет точек обязательного подтверждения человеком перед необратимыми действиями. Зрелый агент такие точки предлагает сам, потому что без них его нельзя пускать в реальный процесс.

Под капотом почти любого современного агента работает один и тот же цикл, и понимание этого цикла экономит много времени при настройке.

Такт первый — восприятие. Агент получает задачу и текущее состояние мира: содержимое директории, ответ API, историю диалога, результат прошлого шага. Всё это складывается в контекст.

Такт второй — рассуждение и план. Модель формулирует следующий ход. В простых агентах это один шаг, в продвинутых — дерево подзадач с приоритетами и запасными вариантами.

Такт третий — действие. Агент вызывает инструмент: делает поисковый запрос, читает файл, обращается к эндпоинту, кликает по кнопке в браузере, пишет в базу. В инженерной терминологии это tool call — вызов инструмента.

Такт четвёртый — оценка. Результат возвращается в контекст, агент сверяет его с критерием готовности и решает, нужен ли новый виток. Здесь же срабатывают ограничители: потолок по числу шагов, потолок по токенам, обязательная пауза для подтверждения человеком.

Именно четвёртый такт отделяет рабочего агента от игрушки. Уберите оценку и лимиты — и получите систему, которая уверенно сожжёт месячный бюджет за ночь, делая не то.

Отдельная деталь, которую полезно знать про длинные цепочки: цена растёт нелинейно. Контекст накапливается, каждый следующий шаг обрабатывает всю предыдущую историю, и двадцатый такт стоит заметно дороже первого. Поэтому длинные задачи выгоднее резать на этапы с чистым контекстом, чем гнать одним прогоном.

Главное изменение последних полутора лет произошло не в моделях, а в стандартах подключения.

MCP (Model Context Protocol) — стандарт, по которому агент подключается к внешним инструментам и данным. Его открыла Anthropic в конце 2024 года, затем поддержали OpenAI, Google, Microsoft и AWS, а в декабре 2025-го протокол передали в Agentic AI Foundation под управлением Linux Foundation, где соучредителями выступили OpenAI и Block. К первой годовщине счёт шёл на десятки тысяч опубликованных серверов и десятки миллионов загрузок SDK. Практический смысл для пользователя простой: подключить сервис к агенту стало похоже на установку плагина, а не на написание интеграции с нуля.

A2A (Agent2Agent) — стандарт, по которому агенты договариваются между собой и делегируют задачи друг другу. Его представила Google весной 2025-го, затем тоже передала в Linux Foundation; конкурирующий протокол IBM влился в него, а не расколол рынок. Весной 2026-го A2A дошёл до версии 1.0 с подписанными «карточками агента» для проверяемой идентичности, и его используют в продакшене больше полутора сотен организаций.

Простая аналогия, которая хорошо прижилась в сообществе: MCP даёт агенту руки, A2A даёт агенту коллег. Первый нужен, если вы строите одного агента с доступом к инструментам. Второй — если у вас несколько узких агентов, которые должны находить друг друга и распределять работу.

Есть и третий слой — WebMCP, который описывает, как агент взаимодействует с обычными веб-страницами. Он пока моложе остальных, но направление понятное: сайты постепенно учатся отдавать данные агентам не через парсинг, а через объявленный интерфейс.

Для человека, который просто хочет решить задачу, из всего этого следует один вывод. Набор умений агента больше не привязан к вендору. Вопрос «а есть ли у них интеграция с моим сервисом» постепенно перестаёт быть блокирующим.

Study AI — российский агрегатор нейросетей: одна авторизация открывает доступ к более чем 90 моделям, оплата идёт рублями (карта, СБП, SberPay, T-Pay), VPN и зарубежная карта не требуются. Раздел «ИИ-агенты» устроен не как каталог моделей: вы не подбираете нейросеть под задачу, а берёте готового агента, который сам решает, чем и в каком порядке пользоваться.

Агенты разложены по категориям «Популярное», «Бизнес», «Программирование» и «Креаторство». Раздел работает в статусе Beta и пополняется, сейчас в нём пять агентов.

Генерация сайта — самый востребованный агент раздела, и это объяснимо: он выполняет за один заход больше всего работы. На вход подаётся описание проекта, на выходе получается готовая страница со структурой, разметкой и стилями.

Это тот самый вайбкодинг в чистом виде: результат описывается словами на русском, а как именно он собран технически — забота агента.

Правило, которое определяет качество: подробность описания важнее формулировок. Сравните два запроса. Первый: «сделай сайт для кофейни». Второй: «одностраничник для кофейни в спальном районе, аудитория — родители с детьми от трёх до десяти лет, обязательные блоки: витрина с ценами, детская комната, карта проезда, форма брони столика; тон тёплый, палитра бежево-зелёная, без стоковых улыбок; целевое действие — бронь через форму». Затраты одинаковые, результаты несопоставимые.

Где проседает: многостраничный проект с базой данных, личным кабинетом и приёмом платежей агент соберёт только как каркас. Дальше нужен разработчик, и это нормально.

Генерация кода закрывает три сценария в одном окне: написать функцию с нуля, найти причину ошибки в готовом коде, переписать работающий, но неудобный кусок.

Типичный рабочий заход выглядит так: вставляете фрагмент, который падает, описываете ожидаемое поведение и текст ошибки — агент локализует проблему, объясняет причину и отдаёт исправленный вариант. Обратный сценарий тоже работает: описываете нужное поведение словами, получаете реализацию.

Лучше всего такой ИИ-агент для кода закрывает рутину: однотипные эндпоинты, парсеры, скрипты автоматизации, миграции, покрытие тестами, разбор чужого легаси.

Где проседает: архитектурные решения и всё, где важен бизнес-контекст, которого в самом коде нет. Это ограничение общее для агентного программирования, а не особенность конкретной платформы.

Генерация документов создаёт документы с нуля и перерабатывает готовые: отчёты, инструкции, коммерческие предложения, регламенты, учебные работы.

Отличие от обычного чата в том, что результат приходит документом со структурой — разделами, подзаголовками, логикой изложения. Не нужно потом вручную резать полотно текста на части.

Сильнее всего агент раскрывается на переработке. Загружаете черновик и говорите, что не так: длинно, тон не тот, добавь раздел про сроки, убери всё про гарантии, сократи вводную вдвое. Агент правит документ целиком, сохраняя внутреннюю логику, а не переписывает абзацы по отдельности.

Где проседает: за содержание юридически значимых документов отвечает человек. Форму агент делает отлично, ответственность не берёт.

AI-селлер — узкоспециализированный ИИ-агент для бизнеса под конкретную боль: описания и карточки товаров для Wildberries, Ozon и других площадок.

Вся ценность здесь в специализации. Универсальная нейросеть напишет красивый текст, но не удержит в голове, что у названия есть лимит символов, что ключевые запросы должны попасть в первые строки, что характеристики заполняются отдельными полями, а не сплошным абзацем. Агент, заточенный под маркетплейсы, изначально работает в этих рамках.

Для селлера с ассортиментом в сотню позиций задача переходит из категории «неделя работы копирайтера» в категорию «вечер с вычиткой».

Где проседает: правила площадок меняются, а отвечает за карточку перед маркетплейсом и покупателем продавец. Проверять нужно всегда, особенно характеристики и заявления о свойствах товара.

Замена лица — самый простой в использовании агент из категории «Креаторство». Загружаете фотографию, указываете лицо для подстановки, получаете результат за пару кликов.

Два основных сценария. Первый — примерка: как вы будете выглядеть в другом образе, причёске, интерьере, эпохе. Второй — контент и поздравления, где нужно вставить лицо в готовый шаблон.

Где проседает, и об этом забывают чаще всего, — правовая сторона. Чужое изображение нельзя использовать без согласия человека, и это касается не только знаменитостей, но и коллег, друзей и родственников. Со своим лицом делайте что угодно, с чужим — только с разрешения.

Платформа работает на внутренних токенах. Вы оформляете подписку на неделю или месяц, на баланс падает пул токенов, каждая операция списывает свою цену в зависимости от объёма работы. Замена лица или правка кода обходятся заметно дешевле, чем сборка сайта, — логика прозрачная.

Важный практический момент: баланс общий. Он работает и на агентов, и на все остальные модели платформы, так что не нужно держать пять отдельных подписок в валюте и следить за списаниями в разных сервисах.

При регистрации начисляются стартовые токены — их хватает, чтобы прогнать пару реальных задач и понять, попадает агент в вашу ситуацию или нет. Регистрация занимает меньше минуты через Яндекс ID, ВКонтакте или почту.

Если же вам нужен не агент, а конкретная модель под разовую задачу — сгенерировать иллюстрацию, озвучить текст, собрать видео из фото, — идти проще напрямую в общий каталог нейросетей и выбирать инструмент там. Для звуковых задач, кстати, есть отдельный разбор: нейросети для аудио, озвучки и перевода видео.

Классификаций много, но на практике встречаются шесть.

Персональные ассистенты. Разбирают почту, ведут заметки, вытаскивают выжимки из документов, готовят черновики ответов. Самый массовый сценарий и самая понятная точка входа для человека, который раньше агентами не пользовался.

Ресёрч-агенты. Получают вопрос, обходят десятки источников, сверяют данные и отдают отчёт со ссылками. Их сила не в скорости, а в охвате: человек прочитает пять статей, агент — пятьдесят. Обратная сторона — уверенное воспроизведение ошибки, если она встретилась в большинстве источников.

Агенты для программирования. Читают репозиторий, вносят правки, запускают проверки, чинят то, что упало. Отдельная разновидность — вайбкодинг, когда приложение собирается описанием задачи на русском, а не построчным написанием кода.

Браузерные агенты. Кликают, заполняют формы, проходят многошаговые сценарии на сайтах. Незаменимы там, где у сервиса нет API, и хрупки там, где вёрстка часто меняется.

Голосовые агенты. Обзвон, приём заявок, подтверждение записи, напоминания. В России это один из самых зрелых сегментов — специализированные платформы работают здесь давно и с понятной экономикой.

Мультиагентные системы. Несколько узких агентов работают командой: один ищет данные, второй считает, третий оформляет, четвёртый проверяет за остальными. Дороже по токенам, но заметно устойчивее на длинных задачах, потому что каждый участник держит в контексте только свой кусок и не тонет в чужой истории.

Здесь важно разделять два разных вопроса: на чём агентов строят разработчики и чем пользуется человек без кода.

OpenAI. Экосистема AgentKit объединяет визуальный конструктор агентов, встраиваемый интерфейс чата, систему оценок и реестр коннекторов. Сильная сторона — полный путь от прототипа до продакшена в одном месте и очень широкий набор готовых интеграций. Слабая — привязка к экосистеме и оплата по факту потребления, которую трудно прогнозировать заранее.

Anthropic. Claude Agent SDK даёт мелкозернистый контроль над вызовами инструментов, правами и перехватчиками — на нём собирают агентов не только для кода, но и для почты, ресёрча и поддержки. Рядом Claude Code для разработчиков и Claude Cowork для тех, кто работает с документами и аналитикой, а не с репозиториями. Модели Claude традиционно сильны в агентном кодинге и аккуратной работе с длинным контекстом.

Google. Agent Development Kit сделан с упором на инженерную дисциплину: последовательные, параллельные и циклические агенты, поддержка нескольких языков, встроенная система оценки перед выкаткой, нативная поддержка A2A. Подходит командам с готовой инфраструктурой и разнородным стеком.

Отдельно стоят продуктовые агенты, которыми пользуются без единой строчки кода: агентные режимы в редакторах, браузерные агенты, автономные ресёрчеры. Здесь рынок меняется быстрее всего, и универсального лидера нет — каждая модель выигрывает в своей дисциплине.

Общая проблема всех перечисленных для российского пользователя одинаковая: подписка в валюте, зарубежная карта, VPN. Именно этот барьер и закрывают агрегаторы с рублёвой оплатой.

Российский рынок к 2026 году сформировался и разделился на несколько слоёв.

Яндекс AI Studio. Платформа для разработчиков на базе моделей Яндекса и SpeechKit. В 2026 году там появилась поддержка рассуждающих агентов, выполняющих многошаговые поручения последовательно. Подходит компаниям с ИТ-командой и инфраструктурой в Яндекс Облаке.

GigaChat Business и Enterprise. Корпоративная платформа Сбера, весной 2026 года получившая no-code конструктор агентов. Ставка на развёртывание внутри контура, соответствие 152-ФЗ и хранение данных в России. Целевая аудитория — крупный бизнес, особенно внутри экосистемы Сбера.

No-code конструкторы. Альбато, Just AI, Nodul, Directual, Salebot, BotHelp, Wikibot. Агент собирается мышкой и подключается к CRM, мессенджерам и рекламным кабинетам. Порог входа минимальный, цены начинаются от нескольких сотен рублей в месяц.

Голосовые платформы. Tomoru, TWIN и другие — обзвоны, приём звонков, подтверждение записи. Ниша узкая, но отработанная до промышленного уровня.

Агрегаторы с готовыми агентами. Слой, который регулярно выпадает из корпоративных обзоров, хотя именно им пользуется большинство частных пользователей и малого бизнеса. Логика простая: вы платите один раз в рублях и получаете и зарубежные модели, и готовых агентов — без юрлица, без интеграций и без разработчика в штате.

Важная оговорка про выбор агрегатора. Часть перепродавцов доступа работает через чужие аккаунты, которые периодически блокируют на стороне зарубежных провайдеров. Смотрите, есть ли у сервиса российское юрлицо, реквизиты, публичная оферта и живая поддержка. Проверить это дешевле, чем потом искать, куда делся оплаченный доступ.

Слово «бесплатно» на этом рынке означает четыре разные вещи, и их полезно различать до того, как вы начнёте считать бюджет.

Открытые фреймворки. Сам код ничего не стоит, но вы платите за токены модели и за сервер. Для домашних экспериментов выходит дёшево, для продакшена — считайте заранее, потому что агентный прогон съедает на порядок больше токенов, чем обычный диалог.

Бесплатные тарифы облачных платформ. Обычно это ограниченное число запусков в месяц или один активный агент. Хватает ровно на проверку гипотезы, дальше начинается тариф.

Стартовые бонусы агрегаторов. При регистрации начисляются токены, которых достаточно на несколько полноценных задач. Самый быстрый способ понять, нужен ли вам агент в принципе, без единого платежа и без привязки карты.

Локальные модели на своём железе. Здесь бесплатно по-настоящему: вы платите только электричеством и своим временем на настройку. Подробнее — ниже.

Чего бесплатно не бывает: продакшен-агента с гарантией отклика, поддержкой и ответственностью за простой. Если сервис обещает промышленную автономность даром, значит, деньги он берёт где-то ещё — обычно на ваших данных.

Порядок одинаковый и для no-code конструктора, и для кода. Разница только в том, чем вы кликаете.

Шаг первый. Сузьте задачу до одного процесса. Не «агент для бизнеса», а «агент, который каждое утро забирает новые заявки из формы, обогащает их данными из открытых источников и создаёт карточку в CRM». Чем уже формулировка, тем выше шанс, что агент действительно заработает.

Шаг второй. Опишите критерий успеха и критерий провала. Что считается выполненной задачей, а что — сбоем. Без этого агенту не с чем сверять результат на четвёртом такте цикла, и самопроверка превращается в формальность.

Шаг третий. Составьте минимальный список инструментов. Поиск, чтение файлов, два конкретных эндпоинта, доступ к одной таблице. Правило простое: чем меньше инструментов, тем стабильнее агент. Пять лучше пятнадцати, потому что каждый лишний увеличивает шанс, что модель выберет не тот.

Шаг четвёртый. Напишите системный промпт. Роль, границы, порядок работы, формат ответа, прямые запреты. Это самая недооценённая часть: от системного промпта результат зависит сильнее, чем от выбора модели.

Шаг пятый. Поставьте ограничители. Максимум шагов, максимум токенов, обязательное подтверждение человеком перед необратимыми действиями — отправкой письма клиенту, платежом, удалением данных, публикацией.

Шаг шестой. Прогоните двадцать реальных случаев. Не три показательных, а двадцать обычных, включая кривые входные данные, пустые поля и опечатки. Ведите список падений — он и будет вашим планом доработок.

Шаг седьмой. Запускайте на узком участке. Один процесс, один отдел, две недели наблюдения с включённым журналом. Расширяйте только после того, как список падений перестанет пополняться новыми типами ошибок.

И честная развилка перед всем этим: сначала проверьте, нет ли готового агента под вашу задачу. Если есть — вы экономите недели. Собирать своего имеет смысл, когда задача действительно уникальна или требует доступа к внутренним системам, которых нет в публичных сервисах.

Ниже заготовки, которые можно вставить в конструктор и адаптировать под себя.

Универсальный каркас автономного агента:

Роль: ты автономный исполнитель. Твоя работа заканчивается результатом, а не ответом на вопрос.

Цель: [одно предложение].

Критерий готовности: [что должно существовать на выходе, чтобы задача считалась закрытой].

Критерий провала: [при каких условиях остановиться и сообщить о невозможности].

Порядок работы:

Ограничения: — не более [N] шагов; — необратимые действия только после подтверждения; — не выдумывай факты: если источник не найден, так и напиши.

Формат ответа: [структура].

Агент-аналитик для сбора информации:

Роль: исследователь-аналитик.

Задача: собрать и сверить данные по теме [тема] за период [период].

Правила: — минимум семь независимых источников; — каждый факт сопровождай ссылкой и датой публикации; — противоречия между источниками не сглаживай, выноси отдельным блоком; — чётко разделяй проверенные факты, оценки экспертов и собственные выводы; — если по вопросу нет данных, так и пиши, не заменяй их правдоподобными.

Выход: резюме на пять пунктов, затем развёрнутый разбор, затем список источников с датами.

Агент первой линии для входящих обращений:

Роль: оператор первой линии.

Вход: текст обращения клиента.

Действия:

Запреты: не называть цены, не подтверждать сроки, не обещать возврат или компенсацию.

Эскалация: при словах «суд», «жалоба в», «возврат денег», «Роспотребнадзор» — немедленно передать человеку без попытки ответить самостоятельно.

Описание проекта для агента, который собирает сайт. Это тот шаг, где качество теряется чаще всего, потому что люди пишут одну строчку вместо технического задания:

Тип: [лендинг / многостраничник / визитка].

Бизнес: [что продаём, чем отличаемся от соседей по рынку].

Аудитория: [кто покупает, что для них важно, чего они опасаются].

Целевое действие: [заявка / звонок / бронь / переход в мессенджер].

Блоки по порядку:

Тон и визуал: [строгий / тёплый / премиальный], палитра [...], без стоковых улыбок.

Обязательно: адаптив под мобильные, форма минимум из полей.

Не нужно: [блоки, которых быть не должно].

Кодинг — область, где агенты дали самый заметный прирост, и причина в быстрой обратной связи. Код либо компилируется и проходит тесты, либо нет. Агент может проверить себя сам, без человека в цикле, а значит четвёртый такт работает по-настоящему.

Как это выглядит в работе: вы описываете задачу словами, агент читает проект, находит нужные места, вносит правки, запускает проверку, видит ошибку, чинит, повторяет. На выходе — готовый результат, который вы просматриваете и принимаете или отправляете на доработку.

Что закрывается уверенно: миграции, рефакторинг, покрытие тестами, разбор легаси, однотипные эндпоинты, парсеры, скрипты автоматизации, перевод кода между языками.

Что работает хуже: архитектурные развилки, задачи с неявными требованиями, всё, где нужно понимать бизнес-контекст, которого в репозитории физически нет.

Про вайбкодинг стоит сказать прямо. Собрать прототип, лендинг или внутренний инструмент описанием на русском можно за вечер — это реальность, а не обещание. Довести такой прототип до нагруженного продакшена, не понимая, что внутри, — нельзя. Агент закрывает первые восемьдесят процентов пути отлично и последние двадцать заметно хуже, а именно там живут безопасность, нагрузка и обработка ошибок. Для визитки, лендинга или инструмента на пять человек этих восьмидесяти процентов обычно достаточно.

Локальный агент — это модель, которая работает на вашем железе и не отправляет данные наружу.

Когда это оправдано. Работа с персональными данными и коммерческой тайной. Отсутствие стабильного интернета. Требование хранить всё внутри контура компании. Желание не платить за токены при большом объёме однотипных задач.

Что нужно из железа. Для комфортной работы моделей среднего размера — видеокарта от 16 гигабайт видеопамяти. На восьми гигабайтах запустятся компактные модели, но качество агентных цепочек просядет заметнее, чем качество текста: агент начинает терять план и путаться в вызовах инструментов.

Из чего собирается. Локальный рантайм для запуска модели, оболочка для управления агентным циклом, набор инструментов через MCP, векторная база для памяти. Все компоненты открытые и бесплатные, платите вы временем на настройку.

Главный компромисс. В агентных сценариях локальные модели по-прежнему уступают облачным флагманам, причём не столько в качестве формулировок, сколько в дисциплине следования плану. Практичный гибрид выглядит так: чувствительные данные обрабатывает локальная модель, а сложное рассуждение уходит в облако уже в обезличенном виде.

Агент окупается там, где процесс повторяется десятки раз в месяц, съедает человеко-часы и имеет проверяемый результат.

Электронная торговля. Карточки товаров, описания, адаптация одного текста под разные площадки. Самый очевидный кейс, где эффект считается уже на первой неделе.

Продажи. Квалификация лидов, первый контакт, напоминания, подготовка к звонку с выжимкой по клиенту. По отраслевым оценкам, порядка 39 процентов российских компаний, работающих с ИИ, уже подключили агентов именно в продажах.

Поддержка. Первая линия: типовые вопросы, статус заказа, оформление возврата с эскалацией сложных случаев на человека. Важно, чтобы порог эскалации был низким, а не героическим.

Документооборот. Разбор первички, подготовка типовых договоров и коммерческих предложений, регламенты, отчётность.

Маркетинг и сайты. Посадочные страницы под конкретные акции, мониторинг упоминаний, переупаковка одного материала под разные площадки.

Общая картина по стране такая: по исследованию «Яков и Партнёры» совместно с Яндексом, около 46 процентов российских компаний уже внедрили или тестируют автономных агентов. При этом, по данным Strategy Partners, внятная стратегия внедрения есть примерно у четверти крупных организаций. Разрыв между этими двумя цифрами и есть источник большинства неудач.

Этот раздел важнее всех предыдущих, если вы принимаете решение о бюджете.

Gartner прогнозирует, что более 40 процентов агентных проектов будут закрыты до конца 2027 года. Причины называются не технические: растущие издержки, непонятная бизнес-ценность и недостаточный контроль рисков. Формулировка аналитика была довольно резкой — большинство текущих проектов это ранние эксперименты, запущенные на волне хайпа и часто применённые не по адресу.

Рядом стоят цифры из соседних исследований. По данным инициативы NANDA в MIT, около 95 процентов пилотов генеративного ИИ не приносят измеримой финансовой отдачи. Forrester в обзоре 2026 года с говорящим названием «Компании гонятся, немногие догоняют» описывает ту же картину: агентный ИИ внедряет примерно три четверти предприятий, а в настоящем продакшене работает малая доля. Демонстрации получаются у всех, приживается мало у кого.

Что отличает выжившие проекты от закрытых — довольно скучные вещи.

Цифра до старта. Замерьте, сколько минут занимает операция сейчас, сколько таких операций в месяц и какова доля ошибок. Без базовой цифры вы не отличите работающего агента от красивой демонстрации, а «стало вроде быстрее» не защитить перед финансистом.

Данные, а не модель. Большая часть бюджета уходит не на выбор модели, а на приведение данных в порядок. Агент, направленный на грязные данные, честно вернёт грязный результат.

Жёсткие сроки. Проект должен дойти до продакшена внутри фиксированного окна. Не дошёл — закрывается, а не продлевается. Бесконечно продлеваемые пилоты и составляют ту самую статистику отмен.

Человек в контуре. Ответственность за решение остаётся на людях. Парадокс года в том, что чем автономнее становятся агенты, тем важнее становится роль человека, который определяет цели, границы и критерии приёмки.

Оплата за токены напрямую у провайдера. Платите по факту, дёшево на старте, непредсказуемо при росте. Один сложный агентный прогон способен съесть больше, чем сотня обычных диалогов, — из-за накопления контекста на каждом шаге.

Подписка с лимитом запусков. Фиксированная сумма в месяц, предсказуемый бюджет, потолок по количеству прогонов. Удобно агентствам и небольшим командам, которым важнее планируемость, чем максимальная гибкость.

Подписка с внутренними токенами. Схема агрегаторов: покупаете доступ на период, на баланс падает пул токенов, каждая операция списывает свою цену в зависимости от сложности. Плюс в том, что один баланс работает и на агентов, и на модели для текста, изображений, видео и звука, и не нужно держать несколько подписок в валюте.

Скрытая статья расходов, о которой забывают почти все, — время на настройку и отладку. Готовый агент из каталога стоит вам минут. Свой, с интеграциями и тестами, — недель работы человека, которого надо оплачивать. Это и есть главный аргумент в пользу того, чтобы начинать с готовых и переходить к собственным только тогда, когда упрётесь в потолок.

Персональные данные. Если агент обрабатывает данные клиентов, действует 152-ФЗ, и вопрос, где физически хранятся данные, перестаёт быть техническим. Для чувствительных сценариев смотрят в сторону российских платформ с хранением внутри страны или локального развёртывания.

Права доступа. Агенту нужен минимально необходимый доступ. Не выдавайте ключ ко всей базе, если задача — читать одну таблицу. Права, выданные «на всякий случай», однажды используются.

Промпт-инъекции. Если агент читает внешние источники, туда можно подложить текст, который он примет за вашу инструкцию. Правило простое: внешний текст — это данные, а не команды, и агент должен быть настроен именно так. Отдельно стоит запретить агенту выполнять инструкции, найденные внутри обрабатываемых документов.

Чужие изображения. Замена лица и любая работа с фотографией другого человека требует его согласия. С публичными людьми это работает жёстче всего: коммерческое использование чужого изображения без разрешения — прямой путь к претензии.

Ответственность за результат. Юридически за действия агента отвечает тот, кто его запустил. Финансовые, кадровые и договорные решения не отдают на автомат без человека, который принимает и подписывает.

Слишком широкая задача. «Агент, веди мой бизнес» не работает никогда. Агент решает узкие задачи с проверяемым результатом.

Слишком короткое описание. Особенно заметно на генерации сайтов и документов: одна строчка на входе даёт универсальный шаблон на выходе. Время, вложенное в подробное ТЗ, возвращается сокращением правок в тройном размере.

Отсутствие лимитов. Без потолка по шагам и бюджету агент однажды уйдёт в цикл и потратит месячный лимит за ночь.

Перегруженный набор инструментов. Каждый лишний инструмент повышает шанс неверного выбора. Начинайте с трёх-пяти и добавляйте по мере необходимости.

Слепое доверие. Агент ошибается уверенным тоном, и это его главная особенность как инструмента. Необратимые действия должны проходить через подтверждение.

Игнорирование стоимости контекста. Длинная сессия дорожает сама по себе, потому что каждый шаг обрабатывает всю накопленную историю. Длинные цепочки стоит резать на части и чистить контекст между этапами.

Отсутствие журнала. Если вы не пишете, что агент делал на каждом шаге, вы не сможете понять, где он сломался. А он сломается.

Что такое ИИ-агент простыми словами? Это нейросеть, которой дали инструменты и право самой решать, в каком порядке ими пользоваться. Вы ставите цель и критерий готовности, агент строит план, выполняет шаги и проверяет себя.

Чем ИИ-агент отличается от чат-бота? Чат-бот отвечает на реплику и останавливается. Агент выполняет задачу целиком: делает несколько действий подряд, обращается к внешним сервисам и возвращается уже с результатом.

Какие готовые ИИ-агенты доступны в России без VPN? В разделе «ИИ-агенты» на Study AI сейчас пять: генерация сайта, генерация кода, генерация документов, AI-селлер для карточек товаров и замена лица на фото. Раздел в статусе Beta и пополняется.

Какие российские платформы позволяют создавать своих агентов? Яндекс AI Studio и GigaChat Business для команд с ИТ-ресурсом, конструкторы Альбато, Just AI, Nodul, Salebot и BotHelp для сборки без кода, Tomoru и TWIN для голосовых сценариев.

Можно ли создать ИИ-агента бесплатно? Да. Открытые фреймворки бесплатны, у облачных платформ есть бесплатные тарифы, у агрегаторов начисляются стартовые токены. Платить придётся за объём работы модели, когда выйдете за пределы пробного лимита.

Нужен ли VPN для работы с ИИ-агентами? Для прямых зарубежных сервисов — как правило, да, плюс зарубежная карта. Для российских платформ и агрегаторов вроде Study AI не нужен: доступ и оплата работают напрямую в рублях.

Может ли ИИ-агент сделать сайт целиком? Лендинг или визитку по подробному описанию — да, за один заход. Проект с базой данных, личным кабинетом и приёмом оплаты агент соберёт только как каркас, дальше подключается разработчик.

Какой ИИ-агент лучше для программирования? В агентном кодинге стабильно сильны модели Claude, следом идут флагманы OpenAI. Практический совет: не привязывайтесь к одной модели, а подбирайте под тип задачи — именно поэтому удобны платформы, где несколько моделей доступны с одного баланса.

Что такое agent washing? Практика переименования обычных чат-ботов, ассистентов и RPA-сценариев в «ИИ-агентов» без реального появления автономности. Проверяется просто: попросите показать журнал шагов и поведение системы при ошибке инструмента.

Что такое мультиагентная система? Несколько узких агентов, работающих командой: один ищет, второй считает, третий оформляет, четвёртый проверяет. Дороже одиночного агента, но устойчивее на длинных задачах.

Сколько шагов может сделать агент за один прогон? Технически — сколько разрешите. На практике надёжность падает после пятнадцати-двадцати шагов: копится контекст, растёт цена, увеличивается риск ухода в сторону. Длинные задачи режьте на этапы.

Можно ли запустить ИИ-агента локально, без интернета? Да, на локальной модели. Для комфортной работы нужна видеокарта от 16 гигабайт видеопамяти. Качество агентных цепочек будет ниже облачного, зато данные не покидают компьютер.

Что такое MCP и зачем он нужен? Открытый стандарт подключения внешних инструментов к агенту. Благодаря ему сервис подключается как готовый модуль вместо интеграции, написанной с нуля. Для пользователя это означает, что умения агента наращиваются быстрее.

Чем A2A отличается от MCP? MCP связывает агента с инструментами, A2A связывает агентов между собой. Первый нужен для одиночного агента с доступом к сервисам, второй — для команды агентов, которые делегируют друг другу задачи.

Правда ли, что большинство агентных проектов проваливается? По прогнозу Gartner, свыше 40 процентов таких проектов закроют до конца 2027 года, и причины называются управленческие, а не технические: неясная ценность, растущие издержки и слабый контроль рисков. Проекты, которые доживают до продакшена, обычно начинались с замеренной цифры и узкого участка.

Заменят ли ИИ-агенты сотрудников? Они забирают повторяющиеся операции с проверяемым результатом. Задачи с ответственностью, неявными требованиями и переговорами остаются за человеком. Реалистичная картина 2026 года — перераспределение рутины, а не замещение людей.

Как понять, что задача подходит для агента? Три признака: операция повторяется регулярно, шагов больше трёх, результат можно проверить формально. Если хотя бы один пункт не выполняется, дешевле обойтись обычным чатом.

Почему агент выдумывает факты? Модель по природе достраивает правдоподобное. Лечится это не уговорами в промпте, а инструментами: агент должен уметь проверить факт поиском или запросом к базе, а в системном промпте должен стоять прямой запрет отвечать без источника.

С чего начать, если я никогда не пользовался агентами? Возьмите одну свою рутинную задачу, засеките, сколько она занимает сейчас, закройте её готовым агентом из каталога и сравните. Это честнее любого обзора и займёт минут пятнадцать.

ИИ-агент отличается от нейросети не качеством формулировок, а способностью действовать: планировать, вызывать инструменты, смотреть на результат и останавливаться по критерию готовности. К 2026 году это уже не концепция с конференций, а рабочий инструмент — от сборки лендингов и карточек товаров до автоматической правки кода.

При этом рынок находится на пике завышенных ожиданий, и трезвость сейчас ценнее энтузиазма. Больше сорока процентов агентных проектов, по прогнозам, закроются в ближайшие два года — и почти всегда не потому, что модель слабая, а потому что задачу поставили широко, цифру до старта не замерили и человека из контура убрали раньше времени.

Практичный вход в тему выглядит скучно и работает лучше всего: возьмите одну повторяющуюся задачу, попробуйте закрыть её готовым агентом, замерьте разницу. Раздел «ИИ-агенты» на Study AI для этого подходит: регистрация занимает минуту, на баланс падают стартовые токены, VPN и зарубежная карта не нужны. Сайт, код, документ, карточка товара, работа с фото — пять готовых агентов под частые задачи, а в том же аккаунте больше 90 нейросетей для текста, изображений, видео и звука.