← Все материалы

Внедрение ИИ агентов: как довести проект до работы в проде

Внедрение ИИ агентов проваливается не на модели, а на процессе: агента показывают на демо, он всех впечатляет, а до реальной работы дело не доходит — нет доступов, нет владельца задачи, нет правил на случай ошибки. Ниже — как выглядит внедрение, которое доезжает до прода: этапы, сроки, что готовит компания и по каким цифрам считать результат.

ИИ агенты для бизнеса: что это на практике

Вопрос «ИИ агенты для бизнеса — что это» упирается в путаницу с чат-ботами. Разница простая: бот отвечает текстом, агент выполняет шаги в ваших системах. Он читает обращение, достаёт данные из CRM и базы, решает по вашим правилам, совершает действие и пишет о нём в журнал.

Отсюда неочевидное: ИИ агент для бизнеса на 80 % состоит из обычного кода — интеграций, проверок прав, обработки ошибок. Модель отвечает за понимание свободного текста и выбор следующего шага. Поэтому внедрение — интеграционный проект, а не «подключение нейросети». Что внутри агента и сколько он стоит — в разборе про разработку ИИ-агентов.

Почему большинство пилотов не доходит до прода

Цифры по рынку неприятные, но полезные. В отчёте MIT «GenAI Divide: State of AI in Business 2025» 95 % компаний не получили измеримой отдачи от пилотов генеративного ИИ. Gartner прогнозирует, что более 40 % агентных ИИ-проектов свернут до конца 2027 года — из-за неконтролируемых расходов и неясной бизнес-ценности. В опросах доля компаний, реально работающих с агентами в проде, держится около десятой части, тогда как на стадии пилотов — почти сорок процентов.

Общий знаменатель провалов — не качество моделей, а отсутствие описанного процесса, в который агента встраивают. Модель усиливает то, что есть: настроенный процесс она ускоряет, ненастроенный — тоже ускоряет, вместе с ошибками.

Как проходит внедрение ИИ агентов в бизнес: этапы и сроки

1. Выбор процесса и метрики (2–3 дня). Один процесс: частый, однотипный, с понятной ценой ошибки. Сразу фиксируем, что считаем результатом — время реакции, доля обращений без человека, часы ручной работы в неделю.
2. Разбор «как есть» (3–5 дней). Кто и что делает руками, какие данные нужны на каждом шаге, где процесс встаёт. На выходе — карта шагов и граница: что агент делает сам, что показывает человеку, где обязан остановиться.
3. Прототип на реальных данных (до недели). Агент работает на ваших настоящих обращениях в тестовом контуре. Видно, что модель понимает, а что нет, — и это дешевле узнать сейчас, чем после интеграций.
4. Интеграции и права (1–2 недели). CRM, база, 1С, почта, мессенджеры, разграничение доступа. Самый долгий этап, и задержки тут почти всегда организационные: ждём доступы, а не пишем код.
5. Запуск с подстраховкой (5–10 дней). Агент работает в проде, но каждое действие проходит через глаза человека. Правим формулировки, правила эскалации и лимиты по реальным случаям.
6. Передача и расширение. Инструкция, доступ к настройкам, журнал, ответственный на стороне компании. Дальше — соседний процесс, уже быстрее: интеграции переиспользуются.

Этап	Срок	Что появляется на выходе
Выбор процесса и метрики	2–3 дня	Одна задача и цифра, по которой судим об успехе
Разбор процесса	3–5 дней	Карта шагов и границы полномочий агента
Прототип на реальных данных	до 1 недели	Честная оценка качества на ваших случаях
Интеграции и права	1–2 недели	Агент ходит в системы под своей учёткой
Запуск с подстраховкой	5–10 дней	Работа в проде под контролем человека

Что нужно от компании, чтобы внедрение ИИ для бизнеса состоялось

Со стороны подрядчика внедрение ИИ для бизнеса — это код и интеграции. Со стороны компании нужны пять вещей, и без них проект встаёт независимо от бюджета.

• Владелец процесса. Один человек, который решает спорные случаи и отвечает за результат. Комитет из пяти согласующих растягивает проект вдвое.
• Доступы. Учётные записи с ограниченными правами. Заказывать их лучше в первый день: в крупных компаниях это дольше, чем сама интеграция.
• Данные. Сто-двести реальных обращений с тем, как на них ответили правильно. Это и материал для настройки, и способ проверить агента без риска.
• Правила и границы. Что агент делает сам, что предлагает на подтверждение, чего не делает никогда: скидки, обещания сроков, персональные данные.
• Метрика до старта. Сколько времени процесс занимает сейчас и сколько обращений в неделю. Без этой цифры эффект нечем доказать — и проект закрывают «за неочевидностью пользы».

Как считать эффект и не обмануть себя

Честный способ один — измерить одни и те же величины до и после на одном и том же потоке. Не «стало удобнее», а конкретика:

Метрика	Как измерить	Когда смотреть
Доля обращений без человека	Закрытые агентом к общему числу	Еженедельно после запуска
Время первой реакции	От поступления до содержательного ответа	До и после, на одном потоке
Часы ручной работы	Замер по сотрудникам за типовую неделю	До старта и через месяц
Доля эскалаций и ошибок	Случаи, где агент ошибся или позвал человека	Первый месяц — ежедневно
Расход на модель	Счёт за месяц на реальном потоке	Со второго месяца

Расходы на модель растут не от числа обращений, а от небрежной логики вокруг неё: лишние вызовы, огромные промпты, повторные обращения на каждый шаг. Именно неконтролируемые расходы Gartner называет одной из двух причин будущего сворачивания проектов.

Риски и контроль: где агент обязан остановиться

Агент ошибается — это свойство системы, а не авария. Проект отличается от эксперимента тем, что ошибка в нём предусмотрена заранее.

• Стоп-правила. Темы и действия, где агент не решает сам: деньги, скидки, договорные сроки, претензии, персональные данные.
• Лимиты. Ограничение на число действий, суммы и частоту — чтобы сбой не превратился в тысячу писем или сотню задвоенных сделок.
• Журнал каждого действия. Что агент увидел, что решил, что сделал. Без этого разбор инцидента невозможен, а доверие не восстанавливается.
• Права по минимуму. Отдельная учётка только на нужные процессу операции, а не доступ администратора «чтобы точно работало».
• Данные наружу. Решается на старте: часть задач закрывается моделями в вашем контуре, во внешнюю уходит только фрагмент для конкретного шага.

Когда внедрять ИИ-агента не нужно

Скажу прямо: заметная часть задач, под которые просят агента, решается дешевле и надёжнее без модели. Это не отговорка, а способ не попасть в те самые 95 %.

• Данные приходят в одном формате. Выгрузка, сверка, отчёт по расписанию — это скрипт; модель добавит непредсказуемость и счёт за токены.
• Процесс редкий. Раз в месяц по часу — экономия не окупит ни разработку, ни поддержку.
• Процесс не описан и меняется каждую неделю. Сначала фиксируем правила, иначе агент будет переделываться следом за ними.
• Высокая цена ошибки. Финансы, право, медицина: агент готовит решение и собирает данные, подтверждает человек.
• Нет ни доступов, ни владельца. Тогда проект превращается в демо, которое показывают руководству и закрывают через два месяца.

Разумный порядок: сначала связать системы и автоматизировать самый частый маршрут обычным кодом — как это устроено, разобрано в статье про системы автоматизации процессов. Когда процесс стабилен и измерен, агент на конкретном шаге даёт предсказуемый эффект, а не лотерею.

Частые вопросы

Читайте дальше