ИИ-агенты в бизнесе: какие задачи им можно поручить и где нужен человек
Денис Дворянкин, основатель Executive AI, — о рынке ИИ-агентов, полезных сценариях, границах самостоятельности и экономике внедрения.

Компания может купить доступ к лучшей модели, подключить её к документам и переписке — и получить ещё один инструмент, за которым нужно следить. Сотрудники быстрее пишут письма, руководителю приходит больше отчётов, но решения по-прежнему задерживаются, а договорённости теряются между встречами.
Поэтому разговор об ИИ-агентах я бы начинал с конкретного процесса. Где компания теряет время? Что должно происходить без постоянного напоминания? И по каким признакам мы поймём, что работа действительно выполнена?
ИИ-агент полезен там, где он может пройти несколько шагов к проверяемому результату: найти информацию, сопоставить её, подготовить действие и выполнить его в пределах своих полномочий. Чем сложнее последствия этого действия, тем важнее заранее определить участие человека.
Что происходит на рынке: внедрение растёт быстрее, чем доказанный эффект
В глобальном исследовании McKinsey за 2026 год 40% респондентов из организаций с выручкой более $1 млрд сообщили о масштабировании ИИ-агентов — годом ранее таких было 27%. Среди меньших организаций показатель остался на уровне 22%.
При этом 80% опрошенных отметили рост собственной производительности благодаря ИИ, а о его вкладе в прибыль компании до процентов и налогов сообщили 37%. Это разные показатели, основанные на ответах участников исследования, но их сочетание хорошо показывает проблему: личное удобство ещё предстоит превратить в экономический результат бизнеса. Исследование McKinsey.
Представим отдел продаж. Менеджер теперь готовит коммерческое предложение за десять минут вместо сорока. Но затем документ три дня ждёт согласования цены. На отдельной операции время сэкономили, а сделка быстрее не стала.
Для руководителя здесь возникает другой вопрос: какое ограничение мешает всему процессу? Возможно, следующий шаг — своевременно собирать условия сделки, находить отклонения от правил и направлять согласование нужному человеку. Генерировать ещё больше предложений в такой ситуации недостаточно.
Меняется и то, за что поставщики предлагают платить. Например, Intercom тарифицирует работу Fin через определённые результаты взаимодействия. Однако в его правилах «решённым» может считаться и обращение, после ответа на которое клиент просто не попросил дополнительной помощи. Описание модели Intercom.
Это важная деталь для любого покупателя ИИ: определение успеха у поставщика должно совпадать с определением успеха у вашего бизнеса. Завершённый диалог, довольный клиент и решённая проблема — три разных события.
Чем ИИ-агент отличается от чат-бота
Чат-боту можно задать вопрос: «Что мы обещали клиенту?» Он подготовит ответ по доступным материалам.
Агенту можно поручить более длинную задачу: найти договорённости, проверить актуальный статус, сопоставить его со сроками и подготовить напоминание ответственному. Возможность самостоятельно отправить это напоминание — уже отдельное полномочие.
При этом агент нужен далеко не в каждом процессе. Если последовательность действий заранее известна, обычная автоматизация часто проще в сопровождении. В инженерных рекомендациях Anthropic проводится именно такое различие: заданные процессы выполняются по предписанному маршруту, а агенты выбирают дальнейшие шаги в зависимости от задачи и полученных данных. Компания рекомендует добавлять сложность только там, где она улучшает результат. Рекомендации Anthropic.
Я бы рассматривал степень самостоятельности как настройку под конкретную операцию. Система может сама собрать справку, предложить изменение и остановиться перед отправкой клиенту. Это вполне содержательная работа, даже если последнее действие остаётся за человеком.
Где ИИ приносит пользу
Лучшие кандидаты для внедрения — повторяющиеся задачи, в которых много информации, понятен ожидаемый результат и можно проверить качество.
Подготовка к встрече
ИИ: собрать историю общения, открытые вопросы и договорённости со ссылками на источники.
Человек: определить цель встречи и переговорную позицию.
Продажи
ИИ: подготовить черновик предложения по утверждённым условиям, проверить заполнение CRM.
Человек: согласовать нестандартную цену, сроки и обязательства.
Поддержка
ИИ: найти ответ в актуальной базе знаний, уточнить обстоятельства, выполнить разрешённую типовую операцию.
Человек: разобрать исключение, конфликт или случай с существенными последствиями.
Работа с документами
ИИ: извлечь поля, сравнить версии, отметить расхождения.
Человек: подтвердить спорные трактовки и принять документ.
Контроль исполнения
ИИ: собрать статусы, обнаружить просрочку, подготовить напоминание.
Человек: изменить приоритеты, перераспределить ресурсы и оценить причины задержки.
Особенно интересны задачи, в которых человек сегодня работает связующим звеном между несколькими системами: переносит сведения из письма в таблицу, из таблицы в CRM, затем напоминает о них в мессенджере.
Но даже здесь важно различать формулировки. «Обсудили запуск в декабре» не означает «обязались запустить до 1 декабря». Хороший инструмент должен сохранять эту неопределённость и показывать исходный фрагмент разговора. Если он превращает каждое предположение в поручение, руководитель получает аккуратно оформленные ошибки.
Где самостоятельность ИИ становится проблемой
Первая граница — неполные или противоречивые данные. В папке лежат две версии условий, в переписке согласована третья, а сотрудник помнит устную договорённость. Модель может составить убедительный ответ, но убедительность не определяет, какая версия действует.
Поэтому рядом с выводом должны быть источник, дата и возможность увидеть расхождение. Иногда правильный результат работы агента — сообщение: «Есть два разных срока, требуется уточнение».
Вторая граница — решения, где компания берёт на себя обязательства. Подготовить предложение скидки и пообещать скидку клиенту — разные уровни ответственности. Аналогично устроены изменение условий договора, платёж, удаление данных или предоставление доступа.
Я бы выдавал системе минимальные полномочия, необходимые для задачи, и расширял их после проверки на реальных ситуациях. Для значимых действий нужны подтверждение, журнал операций и понятный способ остановить процесс.
Третья граница — оценка людей и отношений. Просроченная задача сама по себе не объясняет, почему сотрудник её не выполнил. Возможно, изменились приоритеты, не поступили исходные данные или руководитель дал противоречивые указания. Агент может собрать обстоятельства. Управленческий вывод требует разговора и ответственности того, кто его принимает.
Четвёртая граница — работа, которую слишком дорого проверять. Если сотрудник экономит пятнадцать минут на подготовке документа и тратит двадцать на поиск незаметных ошибок, автоматизация не окупается.
Почему корпоративная память важнее ещё одного красивого отчёта
В управлении много времени уходит на восстановление контекста: почему выбрали этот вариант, кто согласовал исключение, на какой срок договорились и что изменилось после последней встречи.
Именно с этим классом задач связано направление Executive AI: работа с контекстом бизнеса, договорённостями и исполнением.
Для меня принципиальный критерий качества такого инструмента — возможность проследить путь от исходной информации к действию. Из какого разговора появилось поручение? Был ли действительно назначен ответственный? Подтвердили ли срок? Что система предлагает сделать сейчас и на каком основании?
Справка с источниками помогает руководителю быстрее разобраться. Справка, в которой предположения незаметно смешаны с фактами, создаёт дополнительную работу.
Поэтому ценность памяти компании определяется тем, насколько точно она сохраняет смысл решений и помогает продолжать работу. Количество сохранённых сообщений само по себе ничего не говорит об этом качестве.
Как посчитать экономику внедрения
Я бы считал стоимость завершённой задачи с приемлемым качеством. В неё входят использование модели, интеграции, поддержка, время проверки и исправление ошибок.
Возьмём условный пример. Компания обрабатывает тысячу однотипных обращений в месяц, каждое занимает десять минут. Это примерно 167 часов работы. После внедрения ИИ проверка и завершение каждого обращения занимают четыре минуты — около 67 часов. Потенциальная экономия составляет сто часов в месяц.
Дальше нужно проверить, что осталось за пределами расчёта: повторные обращения, сложные исключения, обслуживание интеграции. И отдельно понять, как компания использует освободившееся время. Оно может позволить обслуживать больше клиентов или быстрее отвечать на запросы. Автоматического сокращения денежных расходов из этого ещё не следует.
Для пилота я бы выбрал один процесс и измерял четыре вещи:
- время от поступления задачи до принятого результата;
- долю результатов, которые не пришлось переделывать;
- полную стоимость обработки;
- частоту ошибок с существенными последствиями.
Сравнивать нужно задачи похожей сложности. Если агенту достаются только простые случаи, а людям — исключения, средние показатели будут вводить в заблуждение.
С чего начать руководителю
С процесса, в котором уже понятны правила и потери. Например, подготовка справки к встрече, обработка типового обращения или сбор статусов по проекту.
До запуска полезно договориться, что система имеет право делать сама, когда обязана остановиться и кто отвечает за исключения. Первые результаты стоит сравнить с текущим способом работы, включая затраты на проверку.
Затем можно расширять самостоятельность — по тем операциям, где качество подтверждено. Если результат не улучшился, стоит пересмотреть сам процесс, данные или выбор инструмента.
Я бы оценивал зрелость ИИ-агента по тому, насколько предсказуемо он доводит конкретную задачу до результата и насколько вовремя обращается к человеку. Бизнесу нужна возможность доверить работу и понимать, что с ней происходит. Именно за это имеет смысл платить.
Разговоры о будущем
Манифест
Разговоры о будущем