ИИ-агенты для бизнеса: чем отличаются от чат-ботов и куда их ставить в компании

Возьмем обычную заявку на производство. Заказчик присылает письмо, чертежи и просит назвать цену и срок.

Чат-бот может ответить на вопрос по переписке. Может найти пункт в регламенте, пересказать документ, попросить недостающий файл. Но дальше сотрудник сам откроет вложения, перенесет параметры в таблицу, сверит их со справочниками, запросит цены и создаст задачу технологу.

ИИ-агент работает на этом продолжении. Он получает заявку, разбирает документы, обращается к разрешенным системам, готовит расчет или карточку и передает человеку только спорные места. У него может вообще не быть окна чата. Сотрудник увидит уже подготовленный результат в привычной рабочей системе.

Вот граница: чат-бот заканчивает работу ответом, агент переводит работу на следующий этап.

Чем ИИ-агент отличается от чат-бота в одной строке?

Чат-бот ведет диалог. ИИ-агент получает задачу, использует инструменты и добивается заданного результата в пределах выданных ему прав.

Инженер из ПГК Диджитал формулирует разницу так: чат-бот генерирует текст в ответ на текст, а агент может спланировать выполнение задачи, выбрать инструмент, совершить действия и проверить результат. Это не словарное упражнение. От определения зависит, что именно покупает компания.

Если система ответила снабженцу: «По этому поставщику есть три договора», работа снабженца только началась. Если система нашла договоры, сверила условия, отметила расхождения и положила черновик заключения на согласование, часть процесса уже выполнена.

Поэтому проверять решение нужно не по тому, насколько уверенно оно разговаривает. Проверка проще:

Что изменилось в рабочем процессе после ответа нейросети?

Если сотрудник копирует ответ из чата и вручную продолжает работу в другой программе, перед вами ассистент. Полезный, возможно хороший, но все еще ассистент. Агент начинается там, где система сама делает разрешенный шаг: создает черновик документа, заполняет карточку, собирает сводку, запускает проверку, ставит задачу или проводит типовой случай дальше.

Почему название продукта ничего не доказывает?

На рынке одни и те же решения называют «ИИ-агентами», «цифровыми сотрудниками», «копилотами» и «умными ассистентами». По названию отличить их невозможно.

По оценке Gartner за 2025 год, из тысяч поставщиков, заявляющих агентный ИИ, реальные разработки есть примерно у 130. Остальное аналитики назвали agent washing: обычные чат-боты, ассистенты и RPA получают новое имя без новых возможностей. Это экспертная оценка Gartner, а не перепись рынка, но масштаб переименования она показывает хорошо.

На встрече с подрядчиком уберите слово «агент» из презентации и задайте четыре вопроса:

1. Какие системы решение умеет читать?
2. Что оно может создать или изменить?
3. Как выглядит результат его работы?
4. В какой момент оно обязано остановиться и позвать человека?

После этих вопросов обычно становится понятно, что вам показывают: чат с базой знаний, автоматизированный сценарий или систему, которая действительно выполняет часть процесса.

Где ИИ-агент реально встает в производственной компании?

Не «в отдел продаж» и не «на весь завод». Это слишком крупные формулировки. Рабочее место агента - короткий повторяемый участок между входом и результатом.

Например:

В каждом примере агент забирает подготовительную часть. Он не выбирает поставщика вместо директора по закупкам и не определяет технологический маршрут без технолога. Он убирает ручную сборку материала, на котором человек принимает решение.

Это важное ограничение. Если искать задачу под лозунгом «заменим должность», проект быстро разрастается до размеров отдела. Если искать конкретный переход - «входящий чертеж превращается в карточку для технолога» - у проекта появляются границы, результат и экономика.

Как выглядит рабочий агент на реальных кейсах?

Хорошие кейсы отличаются не громкостью обещания, а ясностью процесса: что было на входе, что делала система, какой результат получал человек и на какой стадии находится проект.

«Апатит»: расчет себестоимости

В АО «Апатит» ИИ-агент участвует в ежемесячном расчете себестоимости продукции. По словам генерального директора предприятия Дениса Новикова, раньше расчет занимал около восьми часов, теперь - менее часа. Решение работает в промышленном контуре. Цифру назвала сама компания в материале ЦИПР, независимого замера в публикации нет.

Здесь агент стоит не «в экономическом отделе вообще». У него один понятный участок: ежемесячный расчет с известным входом и проверяемым результатом.

ПГК: сводка по объектам, пока только в тестировании

В «Первой грузовой компании» агент операционной аналитики собирает сводку примерно по 150 объектам. Ручная сверка занимает десятки минут, иногда около часа; агент готовит результат за считанные минуты.

Но это еще не завершенное внедрение с посчитанным эффектом. По данным самой компании, продукт проходит тестирование бизнес-пользователями, а экономический эффект еще прорабатывается. Базу агенту дали только на чтение. Самостоятельно писать SQL он не может: модель выбирает показатели из заранее разрешенного списка, а запрос формирует обычный код.

Этот кейс полезен именно ограничениями. Агент уже снимает ручную сверку, но не получает лишних прав ради красивой демонстрации автономности.

Т-Банк: два режима вместо одной кнопки «автономно»

ИИ-сотрудник Т-Банка «Афанасий Иванов» работает в тех же информационных системах, что и сотрудники поддержки, анализирует данные и выполняет разрешенные действия. У него два режима: автономный для безопасных сценариев и «второй пилот» для случаев, где контроль остается у человека.

По данным самого банка, в «Т-Мобайле» с системой работают 85% сотрудников поддержки, она высвобождает до 16% их рабочего времени. Это промышленная система, но цифры приводит сам банк, а не независимое исследование.

Самая сильная часть кейса - не процент. Сильная часть - два режима. Компания не выбирала между «все делает ИИ» и «все проверяет человек». Она разделила сценарии по цене ошибки.

Три кейса показывают одну лестницу: подготовить расчет, собрать сводку, выполнить безопасное действие или провести типовой сценарий. Агентность - не переключатель. Это объем прав, который компания расширяет по мере проверки процесса.

Какие уровни автономности бывают у бизнес-агента?

Для первого проекта достаточно трех рабочих уровней.

Уровень 1. Читает и готовит

Агент получает доступ только на чтение. Он ищет документы, собирает данные, классифицирует, сверяет и готовит результат. Ничего в учетной системе не меняет.

Так устроен тест ПГК: read-only база, заранее разрешенные показатели, запросы формирует код. Для многих процессов этого уже достаточно. Руководитель получает сводку быстрее, специалист перестает переносить данные руками, а риск случайной записи в базу отсутствует на уровне прав.

Уровень 2. Создает черновик

Агент может создать карточку, заполнить поля, подготовить письмо или документ, но результат не вступает в силу без подтверждения человека.

Это нормальный режим для договоров, спецификаций, расчетов и заявок. Проверяющий видит не пустую форму, а готовый материал и список исключений. Его работа меняется с «собрать все с нуля» на «принять, поправить или отклонить».

Уровень 3. Проводит безопасный типовой случай

Агент сам выполняет действие, если ситуация попадает в заранее определенные границы. Все, что выходит за них, передается человеку.

Так работает логика двух режимов у Т-Банка. В проекте «Норникеля» автоматическое согласование предусмотрено для отдельных сценариев, а не для любых заказов без разбора.

Начинать сразу с третьего уровня почти никогда не требуется. Первый и второй уже убирают значительную часть ручной подготовки. Автономность имеет смысл добавлять там, где компания накопила собственную статистику ошибок и понимает цену исключений.

Как понять, подходит ли процесс для ИИ-агента?

Возьмите один процесс и ответьте на вопросы ниже. Если ответы расплывчатые, покупать разработку рано - сначала нужно разобрать сам процесс.

Процесс повторяется?

Разовая аналитика или редкий нестандартный проект плохо окупают интеграцию. Агент полезен на потоке: входящие заявки, документы, сводки, проверки, обращения, согласования.

У процесса есть узнаваемый вход?

Письмо с вложениями, договор, чертеж, таблица, запись в учетной системе, сообщение клиента. Агент должен понимать, какое событие запускает работу и где брать материалы.

Можно точно назвать результат?

Не «помогает снабжению», а «создает таблицу сравнения предложений и отмечает отсутствующие позиции». Не «ускоряет технолога», а «готовит карточку с извлеченными параметрами чертежа».

Если результат нельзя показать на экране или найти в системе, эффект тоже будет трудно доказать.

Результат можно проверить дешевле, чем сделать заново?

Это один из самых полезных фильтров. Если специалисту нужно полностью повторить работу агента, чтобы убедиться в ее качестве, автоматизация ничего не сняла.

Хороший кандидат дает короткую приемку: проверить отмеченные расхождения, подтвердить заполненную карточку, посмотреть исключения. Плохой требует заново прочитать весь комплект документов.

Известно, где брать правдивые данные?

Агент не наводит порядок в учете одним фактом своего появления. Если остатки в системе не совпадают со складом, он быстро и уверенно понесет неправильный остаток дальше.

Для старта не нужно чистить данные всей компании. Нужно привести в порядок источники одного выбранного процесса и договориться, какой из них считается основным.

Есть владелец исключений?

Кто получит задачу, если в чертеже не указан материал? Кто решит, что делать с договором вне типовой формы? Кто остановит отправку, если сумма выше разрешенного лимита?

Фраза «в сложном случае позовет человека» ничего не значит, пока не названы должность, канал и срок реакции.

Эффект можно посчитать на данных компании?

Чужой кейс подтверждает, что механизм возможен. Окупаемость подтверждают только ваши объемы, стоимость рабочего времени, переделки, задержки и пропущенные заказы.

Когда чат-бот лучше агента?

Агент не является старшей и автоматически лучшей версией чат-бота. Это разные инструменты.

Чат-бот подходит, когда задача заканчивается информацией:

• найти пункт инструкции;
• ответить на типовой вопрос;
• сообщить статус;
• принять обращение;
• помочь сотруднику найти документ.

Агент нужен, когда после получения информации начинается повторяемая работа:

• перенести данные в систему;
• сопоставить документы;
• собрать расчет;
• подготовить карточку или отчет;
• запустить согласование;
• выполнить безопасное типовое действие.

Есть и третий вариант: обычный скрипт или интеграция. Если процесс полностью описан жесткими правилами и в нем не нужно разбирать тексты, изображения или нестандартные документы, нейросеть может оказаться лишней. Хорошая автоматизация не обязана называться ИИ.

Что подрядчик должен показать до запуска пилота?

Красивого диалога на демонстрации недостаточно. Попросите показать полный проход на материале, похожем на ваш рабочий.

Вот что должно быть видно:

1. Вход. Какой документ, письмо или событие запускает работу.
2. Источники. К каким системам агент обращается и какие данные считает основными.
3. Действия. Что именно он делает сам, а где используется обычный код или интеграция.
4. Результат. Какой документ, запись или новый статус появляется на выходе.
5. Исключения. Какие ситуации агент не обрабатывает и кому их передает.
6. Права. Что доступно только на чтение, что можно записывать, какие действия требуют подтверждения.
7. Журнал. Можно ли восстановить, какие источники использовала система и что изменила.
8. Приемка. По каким критериям бизнес скажет, что пилот полезен.

Последний пункт часто пропускают. В результате техническая команда показывает, что агент «умеет», а директор не понимает, стало ли быстрее, дешевле или надежнее.

В отраслевом опросе около 50 крупнейших российских компаний до полноценного внедрения дошли только 7-10% пилотов с языковыми моделями, чат-ботами и агентами, запущенных в 2025 году. Остальные к марту 2026 года оставались в пилотах, менялись или закрывались. Метод опроса в публикации не раскрыт, выборка относится к крупному бизнесу, поэтому переносить процент на все компании нельзя. Но сам разрыв между демонстрацией и рабочим процессом виден хорошо.

Пилот должен отвечать не на вопрос «может ли модель разобрать документ». Он должен отвечать на вопрос «проходит ли наш процесс быстрее и с приемлемой ценой проверки».

Как считать экономику агента без чужих обещаний?

Начните с текущего процесса. Для расчета нужны данные вашей компании:

• сколько операций проходит за месяц;
• сколько времени сотрудники тратят на каждую;
• сколько стоит их рабочее время со всеми начислениями;
• сколько стоят переделки после ошибок;
• сколько компания теряет из-за задержки ответа;
• какой дополнительный объем можно обработать без расширения штата.

Базовая логика расчета выглядит так:

Текущая стоимость процесса = ручное время + исправление ошибок + цена задержки.

Затем посчитайте стоимость нового процесса:

Стоимость с агентом = разработка и интеграция + внутреннее время сотрудников + инфраструктура и сопровождение + ручная проверка результата.

Сравнивать нужно не цену разработки с фондом оплаты труда всего отдела. Сравниваются два способа выполнить один и тот же участок работы.

И не сводите эффект только к увольнениям. Если технолог перестает переносить данные из чертежа, он может быстрее оценивать новые заказы. Если снабженец получает сопоставленные предложения, он тратит время на переговоры, а не на перекладывание строк. Для производственной компании дополнительная пропускная способность часто ценнее прямого сокращения часов.

С чего начинать внедрение ИИ-агента?

Начните с одного процесса, одного владельца и одного результата.

Не с «агента для снабжения». С операции: «получить коммерческие предложения, привести позиции к общей форме, отметить расхождения и создать черновик сравнения».

Не с «цифрового технолога». С перехода: «прочитать входящий чертеж, извлечь параметры и подготовить карточку для проверки технологом».

Не с максимальной автономности. С минимальных прав, которых достаточно, чтобы убрать ручную подготовку.

Рабочий порядок такой:

1. Берете реальные операции за прошлый период и фиксируете, как процесс идет сейчас.
2. Выбираете один выходной документ или статус, который должен готовить агент.
3. Определяете источники данных и владельца каждого исключения.
4. На первом проходе даете доступ на чтение и создание черновиков.
5. Проверяете результат на реальном потоке и считаете эффект по своим данным.
6. Расширяете права только для устойчивых типовых случаев.

Это скучнее презентации про «армию цифровых сотрудников». Зато после такого прохода у компании остается работающий процесс, а не еще одно окно с нейросетью.

Самый трудный пункт в этом порядке - первый. Изнутри привычный процесс часто выглядит как единое целое: сотрудники знают, что делать, но не фиксируют переходы между письмом, таблицей, учетной системой и согласованием. Поэтому перед разговором о разработке полезно разобрать одну реальную операцию с тем, кто уже умеет отделять автоматизируемый участок от решений, которые должны остаться у человека. С такого разбора начинается наша бесплатная диагностика.

Что разбираем на бесплатной диагностике?

На бесплатной диагностике Neuroprem берем один процесс компании и раскладываем его по той же схеме:

• где начинается работа;
• какие документы и системы в ней участвуют;
• на каком участке люди переносят и сверяют данные вручную;
• какой результат можно готовить автоматически;
• где оставить решение человеку;
• как посчитать эффект до разработки.

Техническое задание для первой встречи не нужно. Достаточно принести процесс, про который сотрудники говорят: «каждый раз делаем одно и то же руками».

Если там нужен чат-бот, обычная интеграция или ИИ-агент, это станет видно по самому процессу. Бесплатная диагностика для этого и нужна: сначала найти участок с понятной экономикой, потом выбирать технологию.

Если у вас есть процесс, который сотрудники каждый раз выполняют вручную, запишитесь на бесплатную диагностику, 35-45 минут. За встречу разберем одну реальную операцию, обозначим участок для автоматизации, границы человеческого контроля и данные, по которым считать эффект. Чтобы записаться, оставьте заявку в форме ниже.