В поиске и на рынке слова «AI-ассистент» и «AI-агент» используются настолько широко, что по названию уже трудно понять, что именно купит бизнес. Я бы вообще не начинал с терминов.
Полезнее разделить решения по тому, кто инициирует действие, какие данные доступны системе и имеет ли она право менять внешний мир.
Ассистент помогает человеку
Такой слой отвечает на вопросы, ищет информацию, готовит текст, сравнивает варианты. Человек остаётся инициатором и принимает финальное решение. Для многих процессов этого достаточно и это самый безопасный старт.
Если ассистент подключён к реальным данным компании, его ценность сильно растёт: он отвечает не только общими знаниями, но и контекстом конкретного бизнеса.
Агент получает больше инициативы
Он может сам определить следующий шаг внутри заданной задачи, вызвать инструмент, проверить результат и продолжить. Но слово «агент» ничего не говорит о границах прав. Один агент только собирает отчёт, другой способен изменить CRM или отправить сообщение.
Именно поэтому автономность должна описываться политикой, а не красивым названием.
Обычная автоматизация остаётся необходимой
Если условие точное — «при событии A выполнить B» — скрипт или workflow часто лучше генеративной модели. Он предсказуем и проще тестируется.
AI стоит добавлять там, где требуется понять текст, сопоставить неоднозначный контекст или выбрать действие из нескольких разрешённых вариантов. Ограничение: чем больше свободы выбора, тем важнее наблюдаемость и контроль ошибки.
Как я бы выбирал между тремя подходами
Начал бы с вопроса о неопределённости. Если вход и действие однозначны — автоматизация. Если человеку нужен более быстрый доступ к информации и подготовка решений — ассистент. Если система должна сама собирать контекст, выбирать следующий шаг и использовать инструменты внутри строгих границ — появляется агентный сценарий.
Эта классификация полезнее списка продуктов, потому что позволяет комбинировать слои. Один процесс вполне может содержать обычный workflow, AI-классификацию и финальное подтверждение человеком.
Поэтому в техническом задании я бы вообще не писал «нужен AI-агент» как исходное требование. Сначала описал бы задачу и уровень самостоятельности, а термин выбрал уже после архитектуры.
Первый вопрос — кто инициирует работу
Если человек каждый раз задаёт вопрос и получает ответ, перед нами скорее ассистирующий сценарий. Если система сама реагирует на событие, проверяет состояние, выбирает следующий разрешённый шаг и продолжает цепочку, это уже ближе к агентному поведению. Но даже здесь степень автономности может быть очень разной.
Для бизнеса эта разница важнее маркетингового названия. Инициатива означает, что системе нужны правила запуска, остановки, повторов и эскалации, а не только хороший prompt.
Второй вопрос — какие данные доступны
Ассистент без доступа к внутренним системам может хорошо объяснять общие принципы. Подключённый к CRM, аналитике или документам способен отвечать на вопросы о конкретном состоянии бизнеса. Но каждый новый источник создаёт требования к правам, свежести и происхождению данных.
Поэтому я бы описывал не «AI знает всё», а конкретный список источников: что он может прочитать, как часто обновляется состояние и может ли человек открыть исходную запись, на которой основан вывод.
Третий вопрос — имеет ли система право действовать
Здесь проходит самая важная граница. Подготовить текст письма и отправить его клиенту — разные полномочия. Найти просроченные сделки и изменить их статусы — тоже. Один и тот же интерфейс может выглядеть одинаково, но риск процесса меняется радикально.
Я бы отдельно проектировал чтение, подготовку действия, подтверждение и исполнение. Тогда уровень автономности можно повышать постепенно, не выдавая модели универсальный доступ ко всем системам.
Обычная автоматизация сильнее там, где правило точное
Если бизнес может однозначно записать условие и действие, генеративная модель часто не нужна. Событие оплаты может обновить статус, заполненная форма — создать лид, изменение остатка — запустить синхронизацию. Такой workflow проще тестировать и легче повторить.
AI стоит добавлять туда, где возникает язык, неоднозначность и контекст: разобрать письмо, классифицировать нестандартный запрос, сопоставить несколько источников или выбрать вариант из заранее разрешённых действий.
Гибрид обычно полезнее чистой автономности
В рабочей системе эти классы не конкурируют. Детерминированная автоматизация держит жёсткие правила и транспорт. AI интерпретирует неструктурированный контекст. Человек остаётся в точках, где цена ошибки или неоднозначность высоки.
Например, модель может определить тип обращения и подготовить следующий шаг, обычный workflow — проверить обязательные поля и создать объект, а отправку значимого сообщения оставить на подтверждение. Такая композиция часто надёжнее попытки сделать «универсального агента».
Название продукта не говорит о границах риска
Два сервиса могут оба называться AI-агентами, но один только собирает ежедневный отчёт, а другой получает права на CRM, почту и публикацию. Поэтому в сравнении я бы просил не список возможностей, а матрицу эффектов: какие данные читаются, какие объекты меняются, что обратимо и где нужен человек.
Это делает выбор гораздо практичнее. Бизнес понимает не только что система умеет, но и что произойдёт, если она ошибётся.
Как выбрать первый класс решения
Если проблема в поиске информации и подготовке решений, начинать можно с ассистента. Если процесс уже формализован и нужен быстрый обмен между системами, вероятно, хватит обычной автоматизации. Если есть повторяемая задача, где система должна самостоятельно проходить несколько шагов и реагировать на результат каждого, появляется основание для агента.
Но я бы не начинал с максимальной автономности. Сначала узкий маршрут, понятный источник данных и наблюдаемая проверка результата. Затем права расширяются только там, где предыдущий уровень доказал пользу.
Критерий результата должен быть бизнесовым
Не количество вызовов модели и не впечатление от диалога. Нужно смотреть, сократилось ли ручное время, уменьшилось ли число переходов между системами, быстрее ли обнаруживаются исключения, снизилась ли доля ручных ошибок и понятна ли стоимость сопровождения.
Если такой показатель нельзя назвать, возможно, бизнес пока выбирает технологический ярлык, а не решение конкретного процесса.
Наблюдаемость важнее ощущения автономности
Чем больше шагов система выполняет сама, тем важнее журнал: какой источник она прочитала, какое решение предложила, какой инструмент вызвала и какое состояние получила после действия. Без этого автономность становится трудной для поддержки.
Я бы считал зрелым не того агента, который делает больше всего без человека, а того, чьи действия можно восстановить, проверить и ограничить. Именно наблюдаемость позволяет безопасно расширять полномочия.
Расширять автономность стоит только после того, как предыдущий уровень стабильно оставляет понятный журнал и подтверждённый результат.
Мы подбираем не «тип AI», а минимально достаточный слой для конкретного процесса: обсудить AI-контур
Если нужен не отдельный отчёт, а регулярный контроль по рабочим данным компании, см. AI-ассистента руководителя по продажам и управлению.