ИИ-агенты для бизнеса: какую задачу автоматизировать первой

Для первого ИИ-агента выберите повторяющуюся задачу, для которой есть надёжные исходные данные и результат которой сотрудник умеет проверить. Начать можно с черновиков ответов или сбора сведений. На пробном запуске измерьте, сколько времени уходит на проверку и исправления. Модель может отвечать быстро, но выгоды для бизнеса это ещё не доказывает.

Возьмём учебную задачу: менеджер разбирает заявки на мастер-классы. В одном письме есть дата и число гостей, в другом только «хотим прийти командой». Данные из полей перенесёт обычная интеграция. Со свободным текстом сложнее: нужно понять, чего не хватает, найти условия и подготовить уточнение. Этот участок и подходит для пробного внедрения ИИ.

Когда нужен агент, а когда достаточно обычной автоматизации

ИИ-агент — система, в которой модель сама выбирает следующие шаги и использует инструменты, чтобы выполнить задачу. До разработки решите, сколько самостоятельности ей нужно. В заранее заданном сценарии шаги прописал разработчик, а агент часть действий и источников выбирает сам. Так эти два подхода разделяет Anthropic.

Прежде чем разрабатывать агента, проверьте, не решается ли задача формой, шаблоном ответа и обычной интеграцией. Сравнение с таким вариантом покажет, что именно добавляет ИИ. Если сравнивать только с полностью ручной работой, более дешёвое решение легко не заметить.

• Anthropic: различие между сценариями и агентами

Как найти подходящую первую задачу

Возьмите несколько недавних обращений и попросите сотрудника показать, как он их обрабатывает. Отметьте, где он переносит данные, принимает решения и запрашивает недостающие сведения. По конкретным случаям задачу выбрать проще, чем по общей цели «автоматизировать продажи».

• Задача повторяется достаточно часто, чтобы собрать примеры и сравнить время выполнения.
• Есть актуальный источник сведений, и системе можно открыть доступ только к тем данным, которые нужны для задачи.
• Сотрудник умеет проверять результат, не выполняя всю задачу заново.
• Ошибку можно исправить до отправки сообщения, списания денег или изменения записи.
• Назначен человек, который проверяет результат и разбирает случаи, с которыми система не справилась.

Если условия услуги разбросаны по пяти документам и противоречат друг другу, сначала наведите в них порядок. Какой прайс утверждён, модель не узнает, пока это нигде не записано. Иногда польза появляется уже на этапе подготовки: у компании остаются единый актуальный справочник и удобная форма заявки.

Пример: подготовка ответа на заявку в мастерскую

Продолжим пример с вымышленной мастерской Forma из предыдущей статьи. Ниже описано, как мог бы работать агент. Проект учебный: систему никто не внедрял, и измерений на заявках клиентов здесь нет.

• Предыдущий шаг: сайт мастерской и проверка формы заявки

Система читает заявку и сверяет пожелания клиента с утверждёнными условиями. Когда сведений хватает, она готовит черновик ответа со ссылкой на источник. Когда нет даты, предлагает её уточнить. Есть ли свободные места, по одному расписанию не понять: для этого нужен отдельный актуальный источник.

На этом этапе системе достаточно читать нужные данные и сохранять черновик отдельно. Если позже разрешите отправку, сотрудник должен подтверждать конкретный текст и конкретного получателя. И проверьте, что повторный запуск после сбоя не отправит второе письмо без его ведома.

Как проверить агента до работы с реальными клиентами

1. Сначала измерьте текущий процесс: время непосредственной работы, ожидание, исправления и результат. Ожидание ответа клиента и рабочие минуты сотрудника учитывайте отдельно.
2. Соберите набор обычных случаев и исключений. Для каждого заранее запишите ожидаемый результат, допустимое уточнение и недопустимое действие.
3. Часть примеров используйте для настройки, часть отложите для проверки. Не оценивайте систему только на обращениях, по которым только что исправляли её инструкции.
4. Прогоните тестовые случаи без отправки сообщений клиентам. Сохраните версию модели, инструкции, результат и время проверки.
5. Посчитайте результат по всем попыткам. Неудачный ответ с последующей ручной обработкой тоже входит в затраты.
6. Решите, что делать дальше: расширить пилот, сузить задачу, исправить источник данных или остановить работу.

Доля правильных ответов сама по себе мало что говорит. У ошибки в имени и у выдуманной цены разные последствия. Неверные условия, пропущенные уточнения и действия без разрешения записывайте отдельно. Для редких, но важных ошибок подготовьте специальные тесты. Если ошибка не встретилась в небольшой выборке, это ещё не значит, что она маловероятна.

До проверки договоритесь, при каких результатах проект продолжается. Например: каждый черновик просматривает сотрудник, неподтверждённые цены не попадают к клиенту, время ручной работы сокращается, необработанные исключения не копятся. Допустимое время и число исправлений задайте под свою задачу. Общего для всех процента успешности или обязательного числа тестов не существует.

• Скачать пустой журнал проверки пилота (CSV)

Что показывают реальные исследования и как считать свой результат

В исследовании Generative AI at Work на данных 5 172 сотрудников поддержки доступ к ИИ-помощнику связан с ростом числа решённых обращений в час в среднем на 15%. Это измерение конкретного рабочего процесса, а не показатель автономности агента или окупаемости любого внедрения.

• Generative AI at Work — authors / Stanford
• METR — randomized study, 2025
• METR — limitations of the follow-up, 2026

METR случайно распределяла реальные задачи между условиями с ИИ и без него. Это опытные разработчики в знакомых репозиториях, инструменты начала 2025 года. В обновлении от 24 февраля 2026 года METR предупреждает: новая выборка искажена отбором участников, и надёжную величину текущего ускорения по ней определить нельзя.

Данные поддержки и разработки нельзя усреднять или переносить на вашу мастерскую. Они показывают, почему нужно измерять завершённую работу. Ни одно из этих чисел не задаёт время проверки ответов, ставку сотрудника или бюджет вашего проекта.

Высвобождённые часы = объём × (минуты до − минуты после) / 60.
Чистая оценка времени = часы × ваша ставка − регулярные расходы.
Срок возврата = разовые затраты / положительный ежемесячный эффект.

• Открыть калькулятор и подставить свои условия

Калькулятор оставлен как учебный инструмент: его начальные значения не являются измерениями. Подставьте свои данные. Освободившиеся часы не равны денежной экономии, пока не понятно, какие расходы сократятся или какую дополнительную работу выполнит команда.

Что подготовить для обсуждения с разработчиком

Кратко опишите задачу: кто её выполняет, какие данные получает, где проверяет факты и какой результат готовит. Укажите действия при нехватке сведений и то, что система не должна делать самостоятельно. Добавьте обезличенные примеры, текущие замеры времени и бюджет на пробный запуск. По такому описанию разработчик сможет оценить конкретную работу.

После каждой смены модели, инструкций или источников повторяйте контрольные тесты и заново измеряйте время исправлений. От первого запуска нужны данные, по которым можно решить, продолжать ли проект. Если форма и шаблоны оказались удобнее агента, проверка уберегла вас от ненужной разработки.

• Внедрение ИИ и автоматизация процессов в Neaptide