К 2028 году не менее 15 процентов ежедневных рабочих решений будут приниматься автономно с помощью агентного искусственного интеллекта — против 0 процентов в 2024 году. Такой прогноз даёт Gartner, и там же есть вторая цифра: доля корпоративного софта со встроенными ИИ-агентами вырастет с менее чем 1 процента в 2024 году до 33 процентов к 2028 году. Но у той же аналитики есть отрезвляющая сторона: более 40 процентов проектов агентного ИИ будут закрыты до конца 2027 года — из-за роста затрат, неясной бизнес-ценности и слабого контроля рисков. Между этими двумя цифрами и живёт вопрос, который сегодня задаёт почти каждая компания: чем AI-агент отличается от привычного чат-бота и что из этого реально нужно именно вам.
Мы в West Star Ltd несколько лет автоматизируем бизнес-процессы — интеграции с учётными системами, обработку заявок, диалоговые сервисы. За это время через нас прошли десятки проектов: от простых ботов в мессенджерах до систем, которые сами выполняют многошаговые операции. И мы всё чаще видим одну и ту же ошибку. Компания слышит слово «агент» и покупает его, хотя ей нужен обычный чат-бот. Или наоборот — берёт «бота» и ждёт от него автономных действий, на которые тот в принципе не способен. Разница между этими инструментами не маркетинговая, она техническая, и она напрямую определяет бюджет, сроки и результат. Разберём её по существу.
ЧТО ТАКОЕ ЧАТ-БОТ И ЧТО ОН УМЕЕТ
Чат-бот — это реактивный инструмент. Он ждёт сообщения, распознаёт запрос и выдаёт ответ. Классические боты работают по сценарию: дерево вопросов, кнопки, заранее прописанные ветки. Более современные, на основе языковой модели, отвечают свободным текстом и звучат живее, но принцип тот же: один запрос — один ответ. Бот не держит в голове задачу дальше текущего диалога, не ходит в другие системы сам и не доводит дело до конца без человека.
Это не недостаток, а специализация. Чат-бот отлично закрывает первую линию: отвечает на частые вопросы, собирает заявку, подсказывает часы работы и адреса, консультирует по типовым ситуациям. По отраслевым оценкам, хорошо настроенный бот самостоятельно закрывает от 30 до 50 процентов обращений — то есть каждое второе-третье сообщение не доходит до живого сотрудника. Для многих компаний этого достаточно, и переплачивать за что-то более сложное смысла нет. Бот дёшев во внедрении, предсказуем в поведении и запускается за дни, а не за месяцы.
ЧТО ТАКОЕ AI-АГЕНТ
AI-агент устроен принципиально иначе. В его основе тоже языковая модель, но работает она не в режиме «вопрос-ответ», а в цикле: наблюдает, рассуждает, действует, оценивает результат и повторяет шаг за шагом, пока задача не решена. Ключевое слово здесь — действие. Агент умеет пользоваться инструментами: вызвать внешний сервис, прочитать документ, записать данные в учётную систему, отправить запрос к другой программе, проверить остаток на складе. Он держит в памяти состояние задачи и способен разбить сложную цель на последовательность шагов.
Проще говоря, чат-бот отвечает, а агент делает. Спросите у чат-бота статус заказа — он подскажет, где посмотреть, или переспросит номер. Попросите агента — он сам зайдёт в систему, найдёт заказ, сверит оплату, при необходимости оформит возврат и напишет клиенту. Именно способность к автономным многошаговым действиям в разных системах отличает агента от бота, каким бы «умным» тот ни казался в разговоре. И именно она делает агента дороже и рискованнее — к этому мы ещё вернёмся.
ПОЧЕМУ ЭТО СТАЛО ВОЗМОЖНЫМ ИМЕННО СЕЙЧАС
Технически агенты существовали и раньше, но собирать их было дорого: каждый «инструмент» приходилось подключать вручную и заново под каждую модель. Ситуацию изменил единый стандарт — Model Context Protocol, открытый протокол, представленный компанией Anthropic в ноябре 2024 года. Он описывает, как модель безопасно подключается к внешним данным и сервисам, чтобы не изобретать интеграцию каждый раз с нуля.
Дальше всё произошло быстро. Уже в марте 2025 года протокол поддержал OpenAI, в апреле — Google, затем к нему присоединились Microsoft, AWS и другие, а в декабре 2025 года его передали под управление профильного фонда при Linux Foundation. Меньше чем за год из внутренней разработки одной компании он превратился в фактический отраслевой стандарт. Для бизнеса это означает простую вещь: подключить агента к вашей учётной системе, складу или CRM стало в разы дешевле и быстрее, чем ещё полтора года назад. Именно поэтому тема из экспериментальной превратилась в прикладную, и именно поэтому вокруг неё столько шума.
ПРИМЕР, НА КОТОРОМ ВИДНА РАЗНИЦА
Возьмём типичный интернет-магазин, торгующий в том числе через маркетплейс. Клиент пишет: «Где мой заказ и почему списали больше?»
Чат-бот в этой ситуации распознает вопрос про заказ, попросит номер и выдаст ссылку на страницу отслеживания или шаблонный ответ про сроки. Если вопрос нестандартный, он передаст диалог оператору. Это нормальная работа первой линии.
Агент действует иначе. Он находит заказ по клиенту, открывает учётную систему, сверяет фактическое списание с суммой заказа, видит, что разница — это доставка, формирует понятное объяснение, а если обнаруживает реальную ошибку в цене, готовит возврат и ставит его на подтверждение менеджеру. Один и тот же запрос: бот сокращает нагрузку на оператора, агент закрывает задачу целиком. Разница в ценности очевидна — но очевидна и разница в сложности и в цене ошибки, если агент что-то сделает не так. Поэтому в реальном проекте оформление возврата мы почти всегда ставим на подтверждение человеку, а не отдаём агенту полностью: автономность хороша ровно до того шага, где ошибка стоит денег.
ГДЕ НУЖЕН БОТ, А ГДЕ — АГЕНТ
Выбор зависит не от моды, а от характера задачи. Вот ориентиры из нашей практики.
Чат-бота достаточно, когда:
— задача сводится к тому, чтобы ответить на вопрос или собрать заявку;
— сценарии предсказуемы и их обозримое число;
— цена ошибки низкая, а любое действие всё равно подтверждает человек;
— важны скорость запуска и минимальный бюджет.
AI-агент оправдан, когда:
— задачу нужно довести до конца в нескольких системах без участия человека;
— шагов много и они зависят друг от друга;
— обращения нетиповые, и жёсткий сценарий не покрывает всё разнообразие;
— автоматизация экономит действительно дорогое рабочее время специалистов.
По отраслевым оценкам, если чат-боты закрывают 30-50 процентов обращений, то агенты доводят до полного решения 65-80 процентов. Но за этот прирост приходится платить — и деньгами, и вниманием к рискам.
ОГРАНИЧЕНИЯ И СЛАБЫЕ МЕСТА
Здесь важно быть честными. Агентный ИИ — не волшебная кнопка, и цифра про 40 процентов закрытых проектов появилась не случайно.
-
Незрелость на длинных цепочках. Текущие модели не всегда доводят сложную цель до конца и «плывут», когда шагов становится много. Чем длиннее автономная последовательность, тем выше шанс накопить ошибку, которую никто вовремя не заметит.
-
«Агент-вошинг». Gartner прямо пишет о переупаковке старых продуктов — чат-ботов, RPA, ассистентов — под модный ярлык «агент». По их оценке, из тысяч поставщиков «агентного ИИ» реальными являются около 130. Проще говоря, чаще всего под видом агента продают обычного бота.
-
Стоимость эксплуатации. Автономный агент делает много обращений к модели и внешним сервисам. Один многошаговый запрос может обойтись в десятки раз дороже одного ответа бота. На большом потоке это перестаёт быть мелочью.
-
Риски действия. Агент, у которого есть право менять данные в ваших системах, при ошибке эту ошибку и совершит — оформит не тот возврат, изменит не ту запись. Нужны ограничение прав, подтверждения на критичных шагах и полное журналирование действий.
-
Данные и безопасность. Чтобы действовать, агент получает доступ к внутренним системам. Это повышает требования к защите доступа и к тому, какие данные вообще уходят во внешнюю модель.
-
Неясная окупаемость. Именно неясную бизнес-ценность аналитики называют одной из главных причин провала проектов. Агент ради агента денег не приносит — нужен процесс, где автономность реально экономит время или снимает потери.
ЧТО С ЭТИМ ДЕЛАТЬ
Специалисту. Начните с малого. Возьмите одну повторяющуюся многошаговую задачу и распишите её по шагам. Если каждый шаг формализуем и проверяем — это кандидат на агента. Если задача сводится к ответу на вопрос — вам хватит бота, и в этом нет ничего стыдного.
Руководителю. Не покупайте «агента» по названию на слайде. Требуйте конкретики: в какие системы он ходит, какие действия совершает сам, где стоят подтверждения человека, как именно считается экономия. Пилот на одном процессе с измеримым результатом честнее любой презентации.
Собственнику. Смотрите на окупаемость, а не на технологию. Недорогой чат-бот, снимающий половину обращений, часто выгоднее сложного агента, который автоматизирует то, что случается раз в неделю. Правильный инструмент — тот, что окупается, а не тот, что звучит современнее. И почти всегда разумно начинать с бота, а к агенту переходить там, где боту уже тесно. Такой порядок бережёт и бюджет, и доверие команды к автоматизации.
ЧАСТЫЕ ВОПРОСЫ
Вопрос: Чат-бот и AI-агент — это одно и то же?
Ответ: Нет. Чат-бот отвечает на сообщения, агент выполняет действия в несколько шагов и в разных системах. Бот реагирует, агент доводит задачу до результата. Красивый разговорный бот всё равно остаётся ботом, если он ничего не делает сам.
Вопрос: Нам нужен агент или хватит бота?
Ответ: Если задача — ответить или собрать заявку, хватит бота. Если нужно без человека пройти цепочку действий в учётных системах, нужен агент. Ориентируйтесь на характер задачи, а не на название продукта.
Вопрос: Агент действительно дороже бота?
Ответ: Как правило, да — и во внедрении, и в эксплуатации, потому что он делает больше обращений и требует контроля. Но на дорогих ручных операциях он окупается быстрее, чем кажется.
Вопрос: С чего начать, чтобы не попасть в те самые 40 процентов провальных проектов?
Ответ: С одного узкого процесса и измеримой цели. Пилот, ограниченные права, подтверждения на критичных шагах и честный расчёт экономии — так проект переживает стадию эксперимента и доходит до пользы.