Как создать ИИ-агента для бизнеса: пошаговая инструкция

Коротко

Чтобы создать ИИ-агента для бизнеса, нужно пройти семь шагов: выбрать один процесс с измеримым результатом, описать действия, которые агенту разрешено выполнять, выбрать модель, собрать агента на платформе (n8n для типовых сценариев или код для сложной логики), задать ограничения и точки подтверждения человеком, проверить его на реальных примерах и только потом запускать. Самая частая ошибка — начинать с выбора нейросети, а не с процесса: агент без чётких инструментов и границ либо ничего не делает, либо делает лишнее.

Чем ИИ-агент отличается от чат-бота

Чат-бот отвечает на вопросы. ИИ-агент выполняет действия: находит данные в CRM, создаёт задачу, готовит черновик документа, отправляет уведомление. Для этого у него есть набор инструментов — заранее описанных функций, которые модель может вызвать, — и цель, которую он доводит до конца за несколько шагов.

Пример: на входящую заявку чат-бот отвечает «спасибо, с вами свяжутся». Агент проверяет, есть ли клиент в CRM, заводит сделку, определяет по тексту, какая услуга нужна, и ставит задачу нужному менеджеру. Подробнее о разнице и сценариях — в статье «ИИ-агенты для бизнеса: что это и как внедрить».

Шаг 1. Выберите один процесс

Подходит процесс, который:

• повторяется часто — десятки раз в день или неделю;
• состоит из понятных шагов, которые сейчас делает человек;
• имеет проверяемый результат: заявка разобрана, задача создана, документ подготовлен;
• не стоит больших денег при ошибке, пока агент учится.

Хорошие первые кандидаты: разбор входящих заявок, подготовка черновиков ответов, перенос данных из писем и файлов в учётные системы, сводки по клиентам. Плохие: всё, где агент сам распоряжается деньгами или юридически значимыми решениями.

Зафиксируйте метрику до начала: сколько минут уходит на одну операцию сейчас и сколько операций в месяц. Без этого невозможно понять, окупился ли агент.

Шаг 2. Опишите инструменты и права доступа

Перечислите действия, которые агенту нужны для задачи, — и только их. Например, для разбора заявок: «найти клиента по телефону или почте», «создать сделку», «поставить задачу менеджеру». Каждое действие — отдельный инструмент с понятным названием и параметрами.

Правила, которые экономят нервы:

• Отдельная учётная запись в каждой системе с минимальными правами.
• Сначала только чтение, запись — по одному инструменту, когда чтение работает стабильно.
• Нет инструмента «выполнить любой запрос». Модель физически не должна иметь возможности сделать то, что вы не разрешили.

Сегодня инструменты удобно подключать через MCP — открытый стандарт, который описывает возможности ваших систем для любой совместимой модели. Как он устроен, разобрано в статье «MCP-сервер: что это простыми словами».

Шаг 3. Выберите модель

Варианты три:

Вариант	Когда подходит	На что смотреть
Облачная модель по API	Быстрый старт, нерегулярная нагрузка	Куда уходят данные, условия провайдера
Российская модель или облако	Персональные данные, требования к хранению в РФ	Качество на ваших задачах, договор
Своя модель на сервере	Большой стабильный поток запросов, данные нельзя отдавать наружу	Стоимость железа и сопровождения

Если агент работает с данными клиентов, проверьте схему на соответствие 152-ФЗ до запуска — см. «ИИ и 152-ФЗ». Когда своя модель выгоднее облака, разбирали на примере проекта с локальной Llama на двух видеокартах.

Шаг 4. Соберите агента на платформе

n8n — визуальный конструктор автоматизаций: агент собирается из блоков, к нему подключаются CRM, почта, таблицы и мессенджеры. Подходит для типовых сценариев, его можно установить на свой сервер. Как это сделать — в статье «n8n: что это и как установить на свой сервер».

Код (как правило, Python или TypeScript) — когда нужна нестандартная логика, сложная обработка документов, высокая нагрузка или строгие требования к тестированию.

Частый рабочий вариант — комбинация: обычный код делает всё, что можно сделать правилами, а модель подключается там, где без неё не обойтись. В нашем сервисе для закупочных заявок основную работу выполняет детерминированный парсер, а нейросеть выступает запасным вариантом для сложных файлов и аудитором результата — см. кейс PurchaseAI.

Шаг 5. Задайте ограничения и подтверждение человеком

• Агент создаёт черновики, а проводит, отправляет или оплачивает человек — хотя бы на старте.
• Лимиты на число действий и объём данных за один запуск.
• Журнал всех вызовов инструментов: что, когда, с какими параметрами.
• Правило передачи человеку, если агент не уверен или данных не хватает.

Шаг 6. Проверьте на реальных примерах

Соберите 30–50 реальных случаев с правильным результатом и прогоните через агента. Смотрите не только на «правильно/неправильно», но и на то, как агент ошибается: придумывает данные, вызывает не тот инструмент, не останавливается. Эти примеры превращаются в автотесты: их прогоняют после каждого изменения промпта, модели или инструментов. В PurchaseAI поведение закреплено 121 автотестом.

Шаг 7. Запустите и наблюдайте

Запускайте на части потока: например, на заявках с сайта, но не из почты. Первые недели просматривайте журнал вызовов и сравнивайте метрику с исходной. Расширяйте права и охват, только когда качество стабильно.

Сколько стоит и сколько времени занимает

В ITOQ агент под одну задачу стоит от 60 000 ₽ и занимает от 2 недель. Цена растёт с числом интеграций (1С, CRM, учётные системы), форматов входных данных и требований к хранению данных. Отдельно учитывайте оплату модели и сопровождение. Подробно — в статье «Сколько стоит внедрение ИИ в бизнес».

Типичные ошибки

1. «Агент для всего». Один агент на все процессы компании сложно проверить и невозможно отладить.
2. Широкие права. Доступ администратора «чтобы точно работало» — прямой путь к инциденту.
3. Нет эталонных примеров. Без них качество оценивают на глаз, а регрессии замечают клиенты.
4. Нет метрики «до». Через месяц никто не может сказать, стало ли лучше.
5. Всё отдано модели. То, что решается правилами, надёжнее и дешевле делать кодом.

Вопросы и ответы

Можно ли создать ИИ-агента без программиста? Простой агент для типового сценария можно собрать в n8n без кода. Для интеграций с 1С, нестандартных API, работы с персональными данными и надёжной работы под нагрузкой нужен технический специалист.

Сколько стоит создать ИИ-агента? В ITOQ — от 60 000 ₽ и от 2 недель за агента под одну задачу. Итог зависит от числа интеграций, форматов данных и требований к безопасности; отдельно оплачивается модель.

Чем ИИ-агент отличается от чат-бота? Чат-бот отвечает на вопросы, а агент выполняет действия в ваших системах с помощью заранее описанных инструментов: создаёт задачи, ищет данные, готовит документы.

Какую нейросеть выбрать для агента? Решают задача и данные: облачная модель — для быстрого старта, российская инфраструктура или своя модель — если данные нельзя передавать за рубеж или запросов очень много.

Как сделать, чтобы агент не навредил? Минимальные права, сначала только чтение, черновики вместо проведения, журнал вызовов, лимиты и обязательная передача человеку в неясных случаях.

Источники

1. Model Context Protocol — официальная документация
2. Документация n8n
3. Кейсы ITOQ: PurchaseAI, Локальная Llama 3.3