«Агентство из AI-агентов»: как я разбирал идею на жизнеспособность и что из этого вышло

Недавно я обсуждал с одним знакомым его стартап-идею: диджитал-агентство, где 90% работы делают не люди, а AI-агенты. Разработчик, маркетолог и проджект-менеджер — три бота в Telegram, которые сами брифуют клиента, ведут проект в таск-трекере, общаются в чате и живут своей жизнью. Клиент платит условные 20 тысяч в месяц, а система работает автономно.

Идея звучит как классический «AI-wrapper», которых в 2024-м было сотни. Но в процессе разбора она оказалась сильно жизнеспособнее, чем выглядит на первый взгляд — правда, не в том виде, в котором была задумана. Ниже — что я нашёл, где слепые зоны и как это выглядит в реальности, а не в питч-деке.

Первое, что стоит понять: вы не первооткрыватель. И это хорошая новость — не придётся объяснять клиентам, что такое AI-агент.

Mega (Бруклин) подняла $11,5 млн Series A** от a16z и Goodwater на платформу, где сеть AI-агентов ведёт маркетинг для малого бизнеса — SEO, рекламу, сайты — непрерывно, а не «раз в месяц по отчёту». Клиенты платят **$800–$3 000 в месяц по модели ретейнера.

Ravenopus работает на 27 кастомных агентах: исследование рынка, реклама, аналитика, креатив, конверсия. Вся система обходится менее $1 000 в месяц на подписки и API, а человек тратит несколько часов в неделю на присмотр за аккаунтами.

На GitHub уже есть готовые каркасы. agent-company-ai поднимает «компанию» из агентов с ролями CEO, CTO, Developer, Marketer одной командой, поддерживает DeepSeek и имеет встроенные интеграции Stripe/Gumroad для приёма денег. Проект The Agency — 12 «департаментов» и 147+ агентов — набрал 77 тыс. звёзд.

Вывод: гипотеза подтверждена. Планка входа выросла, но и рынок уже готов платить.

В исходной идее правильно ухвачено главное: разделение ролей и автономные циклы вместо чат-бота «по запросу». «Человек только на входе и на оплате» — это именно та экономика, которую продают Mega и Daydream: growth-as-a-service, а не продажа инструмента.

Но есть две системные ошибки, которые убьют проект на старте.

Делить надо не по «один агент = одна профессия», а по слоям:

В Ravenopus именно так: три уровня — триггер/вход → роутер/менеджер → исполнение. «PM-бот» из исходной идеи тянет две несовместимые функции: внутреннюю диспетчеризацию и клиентскую коммуникацию. Если их не развести, клиент будет получать технические простыни вместо человеческих ответов — и уйдёт.

Переключение моделей по типу задачи — правильная мысль, но не автономное, а жёстко прописанное правилами.

Эмпирическое сравнение фреймворков показало неприятную вещь: успех задачи почти полностью определяется моделью, а не фреймворком, при этом разница в расходе токенов между фреймворками — до 10–20 раз на одних и тех же задачах. Если позволить агенту «самому решать», какую модель звать, вы получите token burn, который съест маржу быстрее, чем клиент успеет пожаловаться.

Вместо трёх «универсальных» ботов — оркестратор + специализированные исполнители + аккаунт-менеджер, с явной маршрутизацией по правилам:

По фреймворкам: LangGraph надёжнее для продакшена (durable state, контроль), CrewAI — быстрее для прототипа, но жрёт в разы больше токенов, AutoGen — для кодовых задач с самовосстановлением. Для MVP берите CrewAI или готовый agent-company-ai, но сразу закладывайте жёсткие лимиты циклов и токенов на проект.

Это, пожалуй, самый интересный пункт разбора. Интуиция «регламентировать работу» часто приводит к противоположному результату: агент зажимается, начинает ходить по чеклисту и выдаёт посредственный результат, хотя модель способна на большее.

Правило простое: регламентируйте три вещи, и только их.

А путь к результату не регламентируйте. Именно там умная модель даёт выигрыш. Если вы прописываете агенту пошагово, как писать код или делать дизайн, вы получаете дорогой скрипт, а не агента.

Есть соблазн: поставить везде топовую модель — и пусть сама разбирается. Не работает по двум причинам.

Первая — верификация. С умной моделью падает потребность в процедурных правилах, но растёт потребность в проверке. Слабая модель ошибается явно — не поняла, зависла, выдала мусор, вы это видите. Сильная ошибается убедительно — делает не то, что нужно, но красиво, аргументированно и с уверенным тоном. Проверять такое глазами дорого, поэтому нужен именно агент-верификатор с чёткими критериями приёмки.

Вторая — цена. Opus на всех этапах убьёт маржу: при ретейнере в $20k/мес и активной работе агентов токен-косты на топовой модели легко уходят в тысячи долларов на клиента. Рабочая схема — тиринг: оркестратор и финальный QA на сильной модели (Opus/Sonnet), вся исполнительская работа на DeepSeek/Kimi.

Самое неочевидное открытие разбора: качество спеки определяет качество выхода сильнее, чем выбор модели.

Проблема в том, что клиент не умеет писать бриф. Он говорит «нужен сайт», а через две недели выясняется, что ему нужна воронка под конкретный трафик. Если это выясняется на этапе исполнителя — вы сожгли бюджет. Если на этапе интейк-агента — вы спасли проект.

Поэтому интейк-агент (или вы лично на первых клиентах) должен вытягивать спеку разговором: цели, метрики, аудитория, что уже есть, чего точно не хочет, кто принимает решение. Это, кстати, и есть та часть, которую сложнее всего автоматизировать и которая даёт защиту от копирования. Не «у нас три бота», а «у нас выстроен процесс извлечения спеки».

Недели 1–2 — один процесс, не «агентство». Возьмите одну услугу, которую агенты могут довести до результата без вашего вмешательства посередине. Например: «лендинг под ключ» или «контент-план + 4 статьи + базовая SEO-оптимизация». Соберите цепочку на agent-company-ai или CrewAI: бриф → бриф-парсер → кодер/дизайнер (Kimi на визуал, DeepSeek на код) → проверяющий агент → выдача. Вы сами — первый клиент. Прогоните 3–5 реальных задач.

Недели 3–4 — аккаунт-менеджер в Telegram и первые бесплатные клиенты. Подключите бота-аккаунт-менеджера через Telegram (есть готовые решения вроде MindLens или phleet, которые координируют агентов через Telegram и поддерживают мультипроектность). Дайте 2–3 знакомым бесплатно или за «отзыв/кейс». Цель — не деньги, а проверка, где система ломается: где агент зависает, где выдаёт мусор, где клиент хочет поговорить «по-человечески».

Недели 5–6 — первый платящий клиент и цена. Не ставьте сразу $20k/мес. Mega берёт **$800–$3 000** за маркетинговый ретейнер. Ваша себестоимость на DeepSeek+Kimi при аккуратной маршрутизации может быть **$50–$150 на проект** (плюс инфраструктура), так что маржа огромная — но **только если вы контролируете token burn**. Продавайте не «доступ к агентам», а **результат с фиксированным сроком и ценой**: «лендинг + первичный SEO за 7 дней, $500». Клиенту всё равно, бот это или человек; ему важно, что не надо объяснять ТЗ три раза.

Полностью автономное агентство «без человека в петле» в 2026 году — это маркетинговый нарратив, а не продакшн-реальность.

Даже Ravenopus с 27 агентами требует «несколько часов в неделю» человеческого присмотра, а отраслевой анализ прямо говорит: без human-in-the-loop и с ростом мультиагентных взаимодействий token-косты взрываются. Ваша реальная роль — не «владелец агентства, который ничего не делает», а архитектор процессов и контролёр качества: вы проектируете цепочки, ставите лимиты и разбираете фейлы.

Это не убивает идею — это делает её бизнесом, а не демо.

Если хотите проверить жизнеспособность на своём случае, начните с одного вопроса: какую одну услугу вы готовы гарантировать клиенту за фиксированные деньги уже через месяц? От ответа на него выстраивается и архитектура, и выбор моделей, и цена. И ещё один вопрос, который стоит решить до кода: вы сами будете финальным верификатором на первых 10 клиентах или сразу ставите агента? Первое медленнее, но даёт вам понимание, что именно проверять. Второе быстрее, но вы не будете знать, где система врёт.

Первые 5–10 проектов я бы смотрел сам — не потому что агент не справится, а потому что вам нужно набрать материал для критериев приёмки. Это и есть реальный продукт на первые месяцы: не «три бота в Telegram», а карта поломок и выстроенный процесс извлечения спеки.