AI-агент для бизнеса: задачи, архитектура и бюджет без иллюзий

AI-агент для бизнеса — это не «сотрудник в коробке», а программа, где языковая модель принимает решения о следующем шаге: ответить клиенту, поискать в базе знаний, создать запись в CRM, запросить уточнение у человека. Пользу он приносит там, где задача повторяется и поддаётся проверке. Ниже: какие задачи подходят, из каких частей собирается агент, как ограничить расход и что проверить до запуска.

Какие задачи подходят агенту в бизнесе

Критерий простой: задача повторяется, результат можно проверить, цена ошибки ограничена.

• Первая линия поддержки. Ответы по базе знаний, уточняющие вопросы, передача человеку, если вопрос вне базы.
• Работа с CRM. Разбор входящего обращения, заполнение полей карточки, подсказка менеджеру о следующем шаге. Пример интеграции с конкретной системой разобран в статье про amoCRM↗.
• Документы. Извлечение полей из договоров и счетов, сверка, краткие выжимки.
• Внутренние запросы. «Найди в базе, что мы обещали клиенту X», «подготовь черновик ответа на тендер».

Где агент слаб: решения с большой ценой ошибки (платежи, юридические обязательства, увольнения), задачи без чёткого критерия верности и всё, что нельзя быстро проверить человеку. Здесь агент готовит черновик, а подтверждает человек.

Из чего собирается агент

Любой агент состоит из пяти частей. Если какой-то нет, получится чат-бот или, хуже, неуправляемая автоматика.

1. Модель. Принимает решения и формирует ответы. Выбирайте по цене, контексту и индексу силы, а потом проверяйте на своих сценариях.
2. Инструменты. Функции, которые агент может вызвать: поиск по базе знаний, чтение карточки клиента, создание задачи. Каждый инструмент — отдельная функция с проверкой прав и аргументов. Основы показаны в статье про агента на Python с нуля↗.
3. Память и данные. История диалога, документы компании. Для поиска по базе знаний обычно используют RAG: в запрос подставляются только подходящие фрагменты документов, а не вся база.
4. Ограничители. Максимум шагов, максимум токенов, список разрешённых действий, подтверждение человеком для рискованных операций.
5. Журнал. Что агент сделал и почему: без него разбирать ошибки невозможно. Пишите журнал без персональных данных: маскируйте телефоны, адреса и номера документов до записи.

Если не хочется писать цикл агента самому, посмотрите готовые агентные оболочки, например Hermes и OpenClaw: инструкции по их подключению к Zukko есть в разделе «Агенты» документации. Возможности и ограничения каждой сверяйте в их собственной документации.

Как ограничить расход

У агента опасная особенность: число шагов внутри одной задачи заранее неизвестно. Ошибка в логике превращается в цикл, а цикл — в счёт. Защита строится в несколько слоёв:

• Лимит шагов в коде. Не больше N вызовов модели на одну задачу, дальше передача человеку.
• max_tokens на каждый вызов. Ограничивает длину ответа.
• Отдельный ключ на агента. В кабинете у каждого ключа есть имя, дневной и месячный лимит в долларах и список разрешённых моделей. Когда лимит исчерпан, вернётся ошибка 429 с кодом key_daily_limit_reached или key_monthly_limit_reached, и дальше агент не потратит ни цента. Подробности — в документации по лимитам ключей и кэшу↗ и в статье про лимиты расхода для агентов↗.
• Каскад моделей. Рутину обрабатывает дешёвая модель, сложные случаи эскалируются на сильную; модель для каждого уровня выбирайте по тестам на своих обращениях.
• Мониторинг. Расход видно в кабинете и через API; по данным API можно настроить собственное оповещение о превышении порога.

Бюджет на месяц: пример с формулой

Расчёт на 18 октября 2026. Допущения для примера: агент первой линии поддержки обрабатывает 1 500 диалогов в месяц. На диалог приходится 5 вызовов модели по 3 000 токенов входа (системный промпт, фрагменты базы знаний, история) и суммарно 1 000 токенов выхода. Итого на диалог 15 000 токенов входа и 1 000 выхода. Кэш не учитываем, поэтому оценка с запасом.

Формула: (вход × цена входа + выход × цена выхода) × число диалогов.

Отсюда «бюджет без иллюзий»: токены, как правило, самая дешёвая часть проекта. Основные затраты лежат в другом: интеграция с вашими системами, подготовка базы знаний, тестирование, время сотрудников на проверку ответов. И две оговорки. Первая: реальное число вызовов на диалог зависит от вашей логики, измерьте его на пилоте. Вторая: дешёвая модель не гарантирует нужного качества, а дорогая не гарантирует, что агент не ошибётся; сравните модели на реальных диалогах.

Что проверить перед запуском

Короткий чек-лист для агента:

1. Есть набор из 50–100 реальных обращений с эталонными ответами; агент прогнан на нём, и вы прочитали результаты сами.
2. У агента нет прав на необратимые действия без подтверждения человека.
3. Есть лимит шагов, max_tokens и ключ с дневным лимитом.
4. Инструкция «не знаешь — передай человеку» проверена на вопросах вне базы знаний.
5. Данные клиентов не уходят в журнал в открытом виде. Перед отправкой персональных данных в любой внешний сервис проверьте требования законодательства и политики вашей компании.
6. Известно, кто и как забирает разговор у агента, если клиент просит человека.
7. Агент не обещает того, чего компания не гарантирует: цены, сроки, скидки берутся только из проверенных источников.
8. Предусмотрено поведение при ошибках провайдера: повтор и запасная модель. Например, при 503 повторить запрос с паузой, а затем переключиться на другую модель из GET /v1/models.

Запускайте с ограниченной аудиторией: например, на одном канале или на 10% обращений, и расширяйте после недели наблюдений.

С чего начать

Создайте в кабинете↗ отдельный ключ для пилота с небольшим дневным лимитом, возьмите одну задачу из списка выше и соберите минимальную версию с лимитом шагов. Через неделю в разделе «Использование» вы увидите настоящую стоимость диалога и сможете пересчитать бюджет по формуле выше. Оплата доступна по СБП, картой MasterCard или криптой.

Частые вопросы

Чем AI-агент отличается от чат-бота?

Чат-бот отвечает текстом. Агент ещё и выбирает действия: вызывает функции, ходит в базу знаний, создаёт задачи в CRM, и работает циклом, пока задача не решена или не сработал ограничитель.

Сколько стоит AI-агент в месяц?

Зависит от объёма и модели. В примере выше 1 500 диалогов обходятся от $0,35 до $12 за токены в зависимости от модели. Отдельно считайте разработку, интеграцию и проверку ответов.

Может ли агент работать с amoCRM?

Да, обычно через API или вебхуки CRM: агент получает данные обращения, а ваш сервис проверяет права и записывает результат. Пример разбирается в статье про интеграцию с amoCRM. Точные методы API сверяйте с документацией самой CRM.

Как не дать агенту сжечь бюджет?

Лимит шагов в коде, max_tokens, отдельный ключ с дневным и месячным лимитом в долларах и мониторинг расхода. Когда лимит ключа достигнут, запросы получают ошибку 429.