Как создать ИИ-агента: короткий ответ
Чтобы создать ИИ-агента, выберите одну задачу и соберите по ней настоящие примеры и данные. Затем решите, где собирать агента, напишите инструкцию, подключите инструменты и ограничьте права. Проверьте агента на примерах и только потом запускайте на живых задачах. Ниже это семь шагов по порядку. Первую версию в конструкторе обычно собирают быстро, а больше всего времени уходит на проверку и права.
Что такое агент и чем он отличается от чат-бота, подробно разобрано в статье ИИ-агенты для бизнеса. Здесь только практика: что делать по порядку.
- Задача и примерыОдна задача и несколько десятков настоящих случаев
- Данные и инструментыОткуда агент берёт сведения и что умеет делать
- ПраваСначала только чтение
- ПроверкаПрогон примеров после каждой правки
- ЗапускСначала рядом с сотрудником, потом с подтверждением
Задача и данные: с чего начать создание агента
Первые два шага определяют, получится ли агент вообще. Их не заменит никакой конструктор.
Шаг 1. Выберите задачу, которую агент закроет целиком
Первому агенту нужна узкая задача с понятным результатом. «Помогать отделу продаж» не подойдёт. «Разбирать входящие заявки с сайта, заполнять карточку в CRM и готовить черновик ответа» подойдёт.
Хорошая задача для первого агента обычно такая:
- повторяется каждую неделю, а лучше каждый день;
- на входе свободный текст: письмо, заявка, документ, и каждый случай немного отличается;
- результат легко проверить: сотрудник за минуту видит, верно или нет;
- ошибка обратима: черновик можно поправить, письмо ещё не ушло.
Если процесс строгий и без исключений, агент не нужен: обычная автоматизация по правилам справится надёжнее. Как отличить такие процессы, написано в статье про автоматизацию бизнес-процессов.
Запишите задачу одной фразой: «Агент получает …, делает …, отдаёт …». Если фраза не складывается, задача пока слишком широкая.
Шаг 2. Соберите примеры и данные
Без настоящих примеров нельзя ни настроить агента, ни понять, работает ли он. Соберите несколько десятков случаев из жизни, включая неудобные: неполные заявки, опечатки, вопросы не по теме.
Для каждого примера запишите, что сделал бы опытный сотрудник. Это будет ваш контрольный набор, по нему вы будете проверять агента на шаге 6.
Дальше выясните, откуда агент будет брать сведения:
- Документы и регламенты. Если агент должен отвечать по ним, понадобится поиск по документам. Как он устроен, объяснено в статье что такое RAG.
- Рабочие системы. CRM, 1С, почта, таблицы. Узнайте, есть ли у них API или другой способ обмена данными. Без этого агент сможет только советовать.
- Справочники и правила. Цены, сроки, кто за что отвечает. Агенту их нужно дать явно, сам он их не знает.
Сразу спросите службу безопасности, какие из этих данных можно передавать во внешний сервис. От ответа зависит выбор инструмента на следующем шаге.
Шаг 3. Выберите, где собирать агента
Агента можно собрать в конструкторе российской платформы, на платформе автоматизации вроде n8n или своей разработкой. Выбор зависит от того, сколько систем подключать, можно ли выпускать данные наружу и кто будет поддерживать агента.
| Путь | Как выглядит | Подходит, если | Что проверить |
|---|---|---|---|
| Конструктор на платформе | Выбираете модель, пишете инструкцию, подключаете документы и готовые инструменты | Один простой процесс. Данные можно передавать в облако поставщика или платформа ставится в ваш контур | Какие подключения есть, где хранятся запросы и журналы |
| Платформа автоматизации (n8n и похожие) | Собираете цепочку из блоков: триггер, агент, инструменты, действия | Нужно связать несколько сервисов, есть человек, который разберётся в блоках | Кто будет поддерживать схему, где она работает |
| Своя разработка | Агента пишут программисты под ваши системы и правила | Много систем, сложные правила, закрытый контур | Кто будет развивать агента после запуска |
Конструктор на российской платформе
Конструктор подходит, чтобы быстро попробовать идею. Вот два примера на ноябрь 2026 года. Это не рейтинг, условия меняются, поэтому уточняйте их у поставщика.
- Yandex AI Studio. В посте Яндекса от 22 сентября 2026 года среди возможностей агентов названы выбор генеративной модели, поиск в интернете и по базам знаний и взаимодействие с внешними сервисами. Там же сказано, что агента можно подключить к Telegram, MAX, Яндекс Телемосту и виджету на сайте, и для подключения к мессенджеру достаточно указать токен бота. Об этом же писал ppc.world. Для тех, кто пишет код, в документации есть пошаговое руководство по агенту на Cloud Functions.
- GigaPlatform AI Studio от Сбера. По данным Сбера и Sostav от 13 октября 2026 года, открыт бесплатный сервис, где агента собирают в визуальном конструкторе из готовых блоков: модель GigaChat, база знаний, настройки голоса и сценарии диалога. Для входа нужен Сбер ID. Сервис описан как инструмент для частных пользователей и проверки идей, поэтому условия для рабочих данных компании уточняйте отдельно.
Другие российские платформы с вариантами размещения перечислены в статье ИИ-агенты для бизнеса.
n8n и другие платформы автоматизации
n8n собирает цепочку действий из блоков. В нём есть блок AI Agent: к нему подключают модель и хотя бы один инструмент, а агент сам выбирает, какой инструмент нужен на шаге. n8n можно установить на свои серверы или в частное облако. Это удобно, когда данные нельзя выпускать наружу, но тогда обновлениями, резервными копиями и доступами занимаетесь вы.
Типичная схема в n8n выглядит так: письмо или заявка запускает цепочку, агент разбирает текст, ищет клиента в CRM через подключённый инструмент и создаёт черновик ответа, а сотрудник получает его на проверку.
Своя разработка
Своя разработка нужна, когда у процесса много исключений, систем больше двух-трёх или конструктор не встаёт в ваш контур. Здесь агента пишут на коде, а модель выбирают под задачу и требования к данным. Если вы хотите попробовать собрать прототип сами с помощью ИИ, сначала прочитайте статью про вайбкодинг: там описано, где такой подход ломается.
Инструкция и права агента
Когда инструмент выбран, агенту нужно объяснить, что делать, и ограничить, что ему можно.
Шаг 4. Напишите инструкцию и опишите инструменты
Инструкция задаёт агенту роль, границы и поведение при сомнении. Инструменты описывают, что агент может делать. Чем точнее оба описания, тем реже агент выбирает неверный шаг.
Пример инструкции для агента, который разбирает заявки:
Ты разбираешь заявки с сайта компании. По каждой заявке: найди клиента в CRM по почте или телефону; определи тип заявки (новый заказ, вопрос по заказу, жалоба, другое); заполни карточку; подготовь черновик ответа по шаблону. Не обещай сроки и цены, которых нет в справочнике. Не отправляй ничего клиенту сам. Если клиента нет в CRM, заявка непонятна или это жалоба, передай её менеджеру с короткой пометкой, что не так.
Для каждого инструмента напишите одной фразой, когда его вызывать и что он возвращает. Например: «Поиск клиента: на входе почта или телефон, на выходе карточка клиента или пустой ответ». Если два инструмента похожи, агент будет их путать, поэтому лучше объединить их или чётко развести описания.
Шаг 5. Выдайте права: сначала только чтение
Права агента настраивают в самих системах. Запрет в тексте инструкции агент может нарушить. Запрет в правах системы обойти гораздо труднее.
- Отдельная учётная запись. Заведите агенту свой доступ к CRM и почте, чтобы его действия было видно в журнале отдельно от сотрудников.
- Только нужные данные. Агенту по заявкам не нужен доступ к бухгалтерии.
- Подтверждение человеком для денег, официальных писем и удаления данных.
- Лимиты. Предел шагов и расходов на одну задачу, чтобы агент не зациклился.
Порядок выдачи прав такой: на старте агент только читает и готовит черновики, а права на запись добавляют по одному инструменту, когда проверка покажет устойчивое качество.
Почему это важно и какие бывают риски, включая чужие команды в письмах и файлах, разобрано в разделе об ошибках статьи ИИ-агенты для бизнеса.
- Только чтение и поискЗапись по одному инструменту после проверки
- Черновик ответа сотрудникуДействия с подтверждением человеком
Проверка и запуск агента
Проверка на примерах и осторожный запуск отличают рабочего агента от демонстрации.
Шаг 6. Проверьте агента на контрольных примерах
Прогоните через агента все примеры из шага 2 и сравните результат с тем, что сделал бы сотрудник. Смотрите по каждому примеру: верно ли выбран тип, правильный ли клиент, нет ли выдуманных сведений, передал ли агент человеку то, что должен был передать.
Несколько правил проверки:
- Повторяйте прогон после каждой правки инструкции. Исправление одной ошибки может незаметно сломать другой случай.
- Проверьте, умеет ли агент сказать «не знаю». Дайте ему заявку, на которую в данных нет ответа. Хороший агент передаст её человеку.
- Запишите версию модели и дату. Поставщик обновит модель, и проверку придётся повторить.
Какие показатели смотреть, включая опасные ошибки и время на проверку, описано в разделе «Как понять, что агент работает» статьи ИИ-агенты для бизнеса. Почему модели уверенно ошибаются, написано в статье про галлюцинации нейросетей.
Шаг 7. Запустите: сначала рядом с сотрудником
Первый запуск лучше делать в режиме тени: агент работает на живых задачах, но его результат никуда не уходит, а сотрудник делает работу как раньше. Через неделю-две сравните, где агент совпал с человеком, а где нет.
Если совпадений много и опасных ошибок нет, переходите к работе с подтверждением: агент готовит, сотрудник проверяет и нажимает «отправить». После запуска кто-то должен отвечать за агента: смотреть журнал, разбирать ошибки, править инструкцию, обновлять справочники. Без такого человека качество со временем обычно падает.
Агент в ChatGPT, Claude, DeepSeek или на своём сервере
В чат-сервисах можно создать помощника со своей инструкцией и файлами. Но такой помощник обычно работает только внутри чата и не действует в ваших системах. Чтобы агент ходил в CRM или почту, модель подключают к инструментам через платформу вроде n8n или своей разработкой.
С зарубежными сервисами есть ограничение: России нет в списках поддерживаемых стран OpenAI и Anthropic, а OpenAI предупреждает, что доступ из таких стран может привести к блокировке аккаунта. Для рабочего процесса это риск, поэтому заранее продумайте замену модели. С любым чат-сервисом, включая DeepSeek, перед загрузкой рабочих данных проверьте, где они хранятся и обрабатываются. Из российских вариантов можно рассмотреть GigaChat и модели Яндекса, а качество проверяйте на своих примерах. Как выбирать модель, описано в статье какую нейросеть выбрать.
Как сделать локального ИИ-агента
Локальный агент работает на модели, которая запущена на ваших серверах, поэтому данные не уходят во внешний сервис. Схема та же, что выше, но добавляются оборудование и его обслуживание, а качество открытых моделей нужно проверять на своей задаче особенно тщательно. Что для этого нужно, разобрано в статье про локальную нейросеть.
Можно ли создать агента самому и сколько это стоит
Самому можно, если задача простая, подключений одно-два и есть человек, готовый разбираться в настройке и проверке. Конструкторы для этого и сделаны. Сложнее всего обычно довести агента до качества, которому сотрудники доверяют.
Цена складывается из двух частей:
- Создание: время на разбор процесса, сбор примеров, настройку, подключения и проверку. Если работает подрядчик, сюда входит его работа.
- Эксплуатация: оплата модели за объём текста или оборудование, если модель своя, плюс время человека на контроль и донастройку.
Чем больше систем и исключений, тем дороже. Как прикинуть расход на модель самому, показано в разделе о стоимости статьи ИИ-агенты для бизнеса.
Типичные ошибки при создании ИИ-агента
- Слишком широкая задача. «Агент для всего отдела» не проверить. Начните с одной цепочки.
- Проверка на трёх удобных примерах. На настоящих заявках с опечатками и исключениями результат бывает совсем другим.
- Нет ответственного. Процессы и документы меняются, а агента никто не донастраивает.
Другие риски, включая широкие права, отсутствие журнала и лимитов и зависимость от одного поставщика модели, разобраны в статье ИИ-агенты для бизнеса.
Когда звать подрядчика
Подрядчик пригодится, если агента нужно подключить к нескольким рабочим системам, развернуть в закрытом контуре или если цена ошибки высокая. Что он должен сделать:
- Разобрать процесс и выбрать задачу, где агент окупится, с расчётом эффекта до разработки.
- Собрать контрольные примеры вместе с вашими сотрудниками.
- Предложить, где будут работать модель и данные, и согласовать это со службой безопасности.
- Настроить права, журнал и лимиты.
- Проверить агента на ваших данных и сравнить с исходными показателями.
- Договориться, кто следит за качеством после запуска.
Так устроен наш подход к внедрению ИИ: сначала аудит процессов и расчёт эффекта, потом пилот на данных заказчика, затем внедрение и поддержка.



