Read the book: «ИИ Агенты»

ИИ Агенты

Андрей Леонов

Практическое руководство по аудиту, продаже, архитектуре и внедрению ИИ-агентов

Содержание

1. Введение. Агент — это не чат-бот — 4

2. Глава 1. Как найти работу для агента — 6

3. Глава 2. Аудит через вопросы и продажи — 8

4. Глава 3. Карта агента: цель, память, инструменты, контроль — 10

5. Глава 4. B2B: агент отдела продаж — 12

6. Глава 5. B2B: поддержка и сервис — 14

7. Глава 6. B2G: документы и обращения — 16

8. Глава 7. eCom: товар, заказ, повторная покупка — 18

9. Глава 8. EdTech: персональный наставник — 20

10. Глава 9. FinTech: деньги любят ограничения — 22

11. Глава 10. КФХ и агробизнес — 24

12. Глава 11. Производство: диспетчер и качество — 26

13. Глава 12. Роботы: агент как диспетчер — 28

14. Глава 13. Кино и сериалы: агентская фабрика — 30

15. Глава 14. Видеореклама — 32

16. Глава 15. Маркетинг и контент — 34

17. Глава 16. Психология: помощник, не диагност — 36

18. Глава 17. Отношения: помощник коммуникации — 38

19. Глава 18. Медицина и здоровье — 40

20. Глава 19. Корпоративное внедрение — 42

21. Глава 20. Архитектуры и технологические стеки — 44

22. Глава 21. RAG и корпоративные знания — 46

23. Глава 22. Мультиагентные системы — 48

24. Глава 23. Безопасность и человеческий контроль — 50

25. Глава 24. Экономика агента — 52

26. Глава 25. Система продаж внедрений — 54

27. Глава 26. Практический аудит на 60 минут — 56

28. Глава 27. 12 типовых кейсов внедрения — 58

29. Глава 28. Маршрут специалиста на 30 дней — 60

30. Заключение. Не стройте робота. Стройте результат — 62

31. Приложение A. Чек-лист вопросов для B2B — 64

32. Приложение B. Техническое задание агента — 66

33. Приложение C. Негативные сценарии — 68

34. Приложение D. Технологические стеки — 70

35. Приложение E. Словарь — 72

36. Об авторе — 74

Введение. Агент — это не чат-бот

Эта глава про общая бизнес-логика. Начинать здесь нужно не с модного инструмента, а с работы, которую уже выполняет человек. Если задача повторяется, имеет цифровой след и понятный результат, у неё есть шанс стать агентским процессом.

Простая модель: вход → контекст → решение → действие → проверка → журнал → следующий шаг. Если агент только генерирует текст, это ещё не полноценный процесс. Настоящая ценность появляется, когда результат попадает обратно в бизнес-систему и запускает следующий шаг.

АУДИТ ЧЕРЕЗ ВОПРОСЫ

Что является входом процесса?

Кто сейчас выполняет работу?

Сколько раз она повторяется за день, неделю и месяц?

Сколько минут занимает одна операция?

Какие данные человек открывает перед решением?

Какие действия он делает по правилам?

Где возникают исключения?

Кто проверяет результат?

Что происходит после завершения?

Что стоит ошибка или задержка?

Какие данные нельзя передавать внешней модели?

Что агент может делать самостоятельно, а что только подготовить?

КЕЙС АУДИТА

Представим компанию из 30–100 сотрудников. Руководитель говорит: «Нам нужен ИИ». Вместо демонстрации чат-бота специалист просит показать один реальный процесс. Выясняется, что сотрудник каждый день открывает почту, таблицу, CRM и папку с документами, переносит данные и пишет одинаковое письмо. За неделю таких операций набираются десятки часов.

Правильное предложение звучит так: «Давайте автоматизируем не всю работу отдела, а первый участок. Агент соберёт входящие данные, проверит обязательные поля, подготовит черновик и создаст задачу человеку. Через две недели сравним время, ошибки и долю операций без ручного копирования». Это уже нормальный пилот.

КЕЙС ВНЕДРЕНИЯ

На первом этапе агент получает только права чтения. Он собирает данные и предлагает действие. На втором этапе добавляется создание черновиков. На третьем — ограниченное выполнение с подтверждением. Только после стабильного результата рассматривается дальнейшая автономность.

ТЕХНОЛОГИЧЕСКИЙ СТЕК

LLM + tools + память + контроль. Для пилота этого достаточно. Если процесс растёт, добавляются очередь задач, object storage, observability, RBAC, secrets manager, тестовый набор и отдельный журнал действий.

ПРОДАЖА

Продажа строится вокруг результата. Вместо «мы сделаем вам агента» лучше сказать: «Мы разберём один процесс, посчитаем ручные операции, соберём пилот и покажем цифры». После пилота появляется основание для масштабирования.

МЕТРИКИ

Смотрите не только на качество ответа модели. Нужны время операции, стоимость операции, процент автоматизации, процент ошибок, количество эскалаций, задержка, стоимость инфраструктуры и влияние на конечный бизнес-показатель.

НЕГАТИВНЫЙ СЦЕНАРИЙ

Если модель не уверена, она не должна угадывать. Агент должен остановиться, сохранить контекст и передать задачу человеку. Если API недоступен — повторить по правилам или создать исключение. Если пользователь не имеет права — действие блокируется независимо от того, что попросил пользователь.

ИТОГ

Хороший агент — это не «умная модель». Это ограниченный исполнитель с понятной задачей, инструментами, правами, проверкой и измеримым результатом. Именно такой объект можно продать, внедрить, поддерживать и масштабировать.

Глава 1. Как найти работу для агента

Эта глава про аудит повторяемой работы. Начинать здесь нужно не с модного инструмента, а с работы, которую уже выполняет человек. Если задача повторяется, имеет цифровой след и понятный результат, у неё есть шанс стать агентским процессом.

Простая модель: вход → контекст → решение → действие → проверка → журнал → следующий шаг. Если агент только генерирует текст, это ещё не полноценный процесс. Настоящая ценность появляется, когда результат попадает обратно в бизнес-систему и запускает следующий шаг.

АУДИТ ЧЕРЕЗ ВОПРОСЫ

Что является входом процесса?

Кто сейчас выполняет работу?

Сколько раз она повторяется за день, неделю и месяц?

Сколько минут занимает одна операция?

Какие данные человек открывает перед решением?

Какие действия он делает по правилам?

Где возникают исключения?

Кто проверяет результат?

Что происходит после завершения?

Что стоит ошибка или задержка?

Какие данные нельзя передавать внешней модели?

Что агент может делать самостоятельно, а что только подготовить?

КЕЙС АУДИТА

Представим компанию из 30–100 сотрудников. Руководитель говорит: «Нам нужен ИИ». Вместо демонстрации чат-бота специалист просит показать один реальный процесс. Выясняется, что сотрудник каждый день открывает почту, таблицу, CRM и папку с документами, переносит данные и пишет одинаковое письмо. За неделю таких операций набираются десятки часов.

Правильное предложение звучит так: «Давайте автоматизируем не всю работу отдела, а первый участок. Агент соберёт входящие данные, проверит обязательные поля, подготовит черновик и создаст задачу человеку. Через две недели сравним время, ошибки и долю операций без ручного копирования». Это уже нормальный пилот.

КЕЙС ВНЕДРЕНИЯ

На первом этапе агент получает только права чтения. Он собирает данные и предлагает действие. На втором этапе добавляется создание черновиков. На третьем — ограниченное выполнение с подтверждением. Только после стабильного результата рассматривается дальнейшая автономность.

ТЕХНОЛОГИЧЕСКИЙ СТЕК

FastAPI + PostgreSQL + webhook. Для пилота этого достаточно. Если процесс растёт, добавляются очередь задач, object storage, observability, RBAC, secrets manager, тестовый набор и отдельный журнал действий.

ПРОДАЖА

Продажа строится вокруг результата. Вместо «мы сделаем вам агента» лучше сказать: «Мы разберём один процесс, посчитаем ручные операции, соберём пилот и покажем цифры». После пилота появляется основание для масштабирования.

МЕТРИКИ

Смотрите не только на качество ответа модели. Нужны время операции, стоимость операции, процент автоматизации, процент ошибок, количество эскалаций, задержка, стоимость инфраструктуры и влияние на конечный бизнес-показатель.

НЕГАТИВНЫЙ СЦЕНАРИЙ

Если модель не уверена, она не должна угадывать. Агент должен остановиться, сохранить контекст и передать задачу человеку. Если API недоступен — повторить по правилам или создать исключение. Если пользователь не имеет права — действие блокируется независимо от того, что попросил пользователь.

ИТОГ

Хороший агент — это не «умная модель». Это ограниченный исполнитель с понятной задачей, инструментами, правами, проверкой и измеримым результатом. Именно такой объект можно продать, внедрить, поддерживать и масштабировать.

Глава 2. Аудит через вопросы и продажи

Эта глава про квалификация клиента. Начинать здесь нужно не с модного инструмента, а с работы, которую уже выполняет человек. Если задача повторяется, имеет цифровой след и понятный результат, у неё есть шанс стать агентским процессом.

Простая модель: вход → контекст → решение → действие → проверка → журнал → следующий шаг. Если агент только генерирует текст, это ещё не полноценный процесс. Настоящая ценность появляется, когда результат попадает обратно в бизнес-систему и запускает следующий шаг.

АУДИТ ЧЕРЕЗ ВОПРОСЫ

Что является входом процесса?

Кто сейчас выполняет работу?

Сколько раз она повторяется за день, неделю и месяц?

Сколько минут занимает одна операция?

Какие данные человек открывает перед решением?

Какие действия он делает по правилам?

Где возникают исключения?

Кто проверяет результат?

Что происходит после завершения?

Что стоит ошибка или задержка?

Какие данные нельзя передавать внешней модели?

Что агент может делать самостоятельно, а что только подготовить?

КЕЙС АУДИТА

Представим компанию из 30–100 сотрудников. Руководитель говорит: «Нам нужен ИИ». Вместо демонстрации чат-бота специалист просит показать один реальный процесс. Выясняется, что сотрудник каждый день открывает почту, таблицу, CRM и папку с документами, переносит данные и пишет одинаковое письмо. За неделю таких операций набираются десятки часов.

Правильное предложение звучит так: «Давайте автоматизируем не всю работу отдела, а первый участок. Агент соберёт входящие данные, проверит обязательные поля, подготовит черновик и создаст задачу человеку. Через две недели сравним время, ошибки и долю операций без ручного копирования». Это уже нормальный пилот.

КЕЙС ВНЕДРЕНИЯ

На первом этапе агент получает только права чтения. Он собирает данные и предлагает действие. На втором этапе добавляется создание черновиков. На третьем — ограниченное выполнение с подтверждением. Только после стабильного результата рассматривается дальнейшая автономность.

ТЕХНОЛОГИЧЕСКИЙ СТЕК

CRM API + LLM + аналитика. Для пилота этого достаточно. Если процесс растёт, добавляются очередь задач, object storage, observability, RBAC, secrets manager, тестовый набор и отдельный журнал действий.

ПРОДАЖА

Продажа строится вокруг результата. Вместо «мы сделаем вам агента» лучше сказать: «Мы разберём один процесс, посчитаем ручные операции, соберём пилот и покажем цифры». После пилота появляется основание для масштабирования.

МЕТРИКИ

Смотрите не только на качество ответа модели. Нужны время операции, стоимость операции, процент автоматизации, процент ошибок, количество эскалаций, задержка, стоимость инфраструктуры и влияние на конечный бизнес-показатель.

НЕГАТИВНЫЙ СЦЕНАРИЙ

Если модель не уверена, она не должна угадывать. Агент должен остановиться, сохранить контекст и передать задачу человеку. Если API недоступен — повторить по правилам или создать исключение. Если пользователь не имеет права — действие блокируется независимо от того, что попросил пользователь.

ИТОГ

Хороший агент — это не «умная модель». Это ограниченный исполнитель с понятной задачей, инструментами, правами, проверкой и измеримым результатом. Именно такой объект можно продать, внедрить, поддерживать и масштабировать.

Глава 3. Карта агента: цель, память, инструменты, контроль

Эта глава про архитектура агента. Начинать здесь нужно не с модного инструмента, а с работы, которую уже выполняет человек. Если задача повторяется, имеет цифровой след и понятный результат, у неё есть шанс стать агентским процессом.

Простая модель: вход → контекст → решение → действие → проверка → журнал → следующий шаг. Если агент только генерирует текст, это ещё не полноценный процесс. Настоящая ценность появляется, когда результат попадает обратно в бизнес-систему и запускает следующий шаг.

АУДИТ ЧЕРЕЗ ВОПРОСЫ

Что является входом процесса?

Кто сейчас выполняет работу?

Сколько раз она повторяется за день, неделю и месяц?

Сколько минут занимает одна операция?

Какие данные человек открывает перед решением?

Какие действия он делает по правилам?

Где возникают исключения?

Кто проверяет результат?

Что происходит после завершения?

Что стоит ошибка или задержка?

Какие данные нельзя передавать внешней модели?

Что агент может делать самостоятельно, а что только подготовить?

КЕЙС АУДИТА

Представим компанию из 30–100 сотрудников. Руководитель говорит: «Нам нужен ИИ». Вместо демонстрации чат-бота специалист просит показать один реальный процесс. Выясняется, что сотрудник каждый день открывает почту, таблицу, CRM и папку с документами, переносит данные и пишет одинаковое письмо. За неделю таких операций набираются десятки часов.

Правильное предложение звучит так: «Давайте автоматизируем не всю работу отдела, а первый участок. Агент соберёт входящие данные, проверит обязательные поля, подготовит черновик и создаст задачу человеку. Через две недели сравним время, ошибки и долю операций без ручного копирования». Это уже нормальный пилот.

КЕЙС ВНЕДРЕНИЯ

На первом этапе агент получает только права чтения. Он собирает данные и предлагает действие. На втором этапе добавляется создание черновиков. На третьем — ограниченное выполнение с подтверждением. Только после стабильного результата рассматривается дальнейшая автономность.

ТЕХНОЛОГИЧЕСКИЙ СТЕК

orchestrator + tools + audit log. Для пилота этого достаточно. Если процесс растёт, добавляются очередь задач, object storage, observability, RBAC, secrets manager, тестовый набор и отдельный журнал действий.

ПРОДАЖА

Продажа строится вокруг результата. Вместо «мы сделаем вам агента» лучше сказать: «Мы разберём один процесс, посчитаем ручные операции, соберём пилот и покажем цифры». После пилота появляется основание для масштабирования.

МЕТРИКИ

Смотрите не только на качество ответа модели. Нужны время операции, стоимость операции, процент автоматизации, процент ошибок, количество эскалаций, задержка, стоимость инфраструктуры и влияние на конечный бизнес-показатель.

НЕГАТИВНЫЙ СЦЕНАРИЙ

Если модель не уверена, она не должна угадывать. Агент должен остановиться, сохранить контекст и передать задачу человеку. Если API недоступен — повторить по правилам или создать исключение. Если пользователь не имеет права — действие блокируется независимо от того, что попросил пользователь.

ИТОГ

Хороший агент — это не «умная модель». Это ограниченный исполнитель с понятной задачей, инструментами, правами, проверкой и измеримым результатом. Именно такой объект можно продать, внедрить, поддерживать и масштабировать.