Главное

  • Агент = инструкции + модель + инструменты; без инструментов это ассистент.
  • Начинать нужно с одного процесса и одной метрики, иначе результат не измерить.
  • Данные и права важнее модели: без них агент ошибается или молчит.
  • Тест на эталонной выборке обязателен до запуска.
  • Демонстрация собирается быстро, эксплуатация требует сопровождения и обновлений.

Содержание

Что нужно, чтобы создать ИИ-агента?

Минимальный набор состоит из четырёх частей. Инструкции задают роль и границы, модель интерпретирует запрос, инструменты дают доступ к данным и действиям, инфраструктура обеспечивает запуск и логи. Если хотя бы одной части нет, система деградирует: без инструментов получается ассистент, без данных — генератор догадок, без логов — чёрный ящик.

По определению Microsoft, агент использует модель и инструменты для достижения целей и выполнения задач; агентный цикл включает запрос инструмента, выполнение функции, возврат результата и последующее решение модели. Это описание полезно как чек-лист: каждый шаг ниже закрывает одну из частей.

Шаг 1. Выберите один процесс и метрику

Первый шаг — сузить задачу. «Автоматизировать продажи» не является процессом; «отвечать на входящие с сайта и создавать сделку» — является. Для процесса определяется метрика: время первого ответа, доля ручных операций, стоимость обработки обращения. Метрика фиксируется до старта, иначе приёмка превращается в спор о впечатлениях.

Как выбрать процесс

Берите процесс с частыми повторениями, понятными правилами и доступными данными. Если правила противоречивы, сначала регламент; если данных нет — сбор. Один сценарий на старте даёт проверяемый результат.

Шаг 2. Подготовьте данные и базу знаний

Агент отвечает по данным, которые ему доступны. Для ответов по документам собирается корпус: регламенты, инструкции, прайс, FAQ. Документы проверяются на актуальность, версии и права доступа. Сканы без текстового слоя требуют распознавания, иначе система видит пустой текст.

Структура важнее объёма

Корпус режется на фрагменты, фрагменты связываются с темами. Если связи нет, поиск не находит нужное даже при большом объёме. На старте платформы часть блоков не была привязана к темам и не попадала в контекст; привязка потребовала отдельной работы. Структура корпуса важнее количества документов.

Права доступа

Права проверяются до поиска: в индекс добавляются метки доступа, фильтр применяется к кандидатам. Подробнее — в материале о RAG-системе по базе знаний.

Шаг 3. Выберите модель и контур

Модель выбирается под язык, задачу и требования к данным. Облачные модели проще на старте, локальные — при запрете на передачу данных. Гибрид оставляет чувствительные запросы внутри, а остальные отправляет в облако. Контур фиксируется до разработки: переносить систему между контурами дорого.

Стоимость токенов

Для облака бюджет считается по формуле C = (Tвх / 10⁶) × Pвх + (Tвых / 10⁶) × Pвых. По прайсу Yandex Cloud на 2025 год YandexGPT Lite стоит 200 ₽ за 1 млн токенов, Pro — 1 200 ₽; в асинхронном режиме — 100 и 600 ₽. Для 100 000 обращений при 700 входных и 300 выходных токенах выходит около 20 000 ₽ на Lite и 120 000 ₽ на Pro в месяц. Это ориентир, а не смета.

Когда нужен свой сервер

Локальный контур оправдан, когда данные нельзя выносить или объём задач делает токены дорогими. На малых объёмах облако дешевле. Подбор и запуск описаны на странице GPU-сервер для локальных LLM.

Шаг 4. Спроектируйте инструменты и права

Инструменты — это функции, API и механизмы поиска, которые агент может вызывать. Для CRM это создание сделки и задачи, для 1С — проверка остатка и черновик документа, для базы знаний — поиск. Каждый инструмент получает описание, аргументы, ограничения и права.

Минимальные права

Агент работает от служебного пользователя с ролью, где есть только нужные объекты. Право «читать всё» опасно в эксплуатации; для записи используется очередь черновиков и подтверждение.

Защита от опасных действий

Опасные действия перечисляются явно: проведение документа, отправка письма, смена статуса. На них ставится подтверждение или запрет. Границы прав важнее качества промпта.

Шаг 5. Соберите оркестратор и логирование

Оркестратор решает, какой инструмент вызвать и что делать с результатом. Он же обрабатывает ошибки: повторяет вызов, возвращает понятное сообщение, передаёт человеку. Логи фиксируют запрос, выбранный инструмент, аргументы, результат и время ответа.

Что логировать

Минимальный набор: идентификатор диалога, входной запрос, выбранный инструмент, аргументы, результат, ошибка, время. Без этого невозможно разобрать инцидент: неясно, ошиблась модель, поиск или интеграция.

Шаг 6. Протестируйте на эталонной выборке

Тестовая выборка — это реальные запросы с правильными ответами или ожидаемыми действиями. Агент прогоняется на ней до запуска, ошибки делятся на три группы: поиск не нашёл, поиск нашёл не то, модель проигнорировала контекст. Каждая группа лечится по-своему.

Метрики качества

Для ответов по документам используются faithfulness, answer relevancy, context recall и context precision — значения от 0 до 1 по документации Ragas. Faithfulness показывает согласованность ответа с контекстом, answer relevancy — соответствие вопросу, recall — полноту найденного, precision — положение релевантных фрагментов.

Приёмка по метрикам

Пороги согласуются до старта. Если порог не достигнут, система не запускается в промышленном контуре; это нормальный результат пилота. Метрика важнее демонстрации: красивые примеры не заменяют выборку.

Шаг 7. Запустите и поддерживайте

Запуск идёт на ограниченную группу, затем расширяется. Сотрудники получают инструкцию: что подтверждать, куда сообщать об ошибке. После запуска начинается сопровождение: обновление корпуса, разбор спорных ответов, дообучение и контроль нагрузки.

Регламент обновления

Корпус устаревает вместе с документами. Регламент фиксирует, кто добавляет документы, как часто идёт переиндексация и что происходит с удалёнными версиями. Без него агент отвечает по отменённому приказу.

Что меняется после запуска

Появляются новые вопросы и исключения, меняются API. Сопровождение — работа с содержанием: инструкциями, валидаторами, базой знаний. Эксплуатация — отдельный проект.

Сколько занимает и стоит создание агента?

Срок зависит от готовности данных и API. Пилот на одном сценарии занимает 1–2 недели, рабочий агент — 3–6 недель. Стоимость в студии начинается от 50 000 ₽ за пилот; рабочий агент — от 150 000 ₽, комплекс — от 350 000 ₽. Сопровождение считается отдельно.

Смета зависит от числа сценариев, интеграций, контура данных и объёма базы знаний. Если API нет, добавляется время на интеграцию. Если документы в сканах, добавляется распознавание. Дешёвый пилот возможен только там, где данные и доступы уже готовы.

Что реально стоит собрать самим, а что взять готовым

Собрать демонстрацию агента можно за недели: пример, промпт, пара функций. Эксплуатация требует другого: очередей, валидаторов, изоляции данных, мониторинга, обновлений. Наша платформа прошла путь от генератора текстов до мультитенантной системы с более чем 60 тестами. Эти цифры — про стоимость владения, а не про сложность демонстрации.

Что делать самимЧто взять готовым
Описание процесса и правилМодель и API
Корпус и проверка актуальностиВекторная база и эмбеддинги
Валидаторы и эталонная выборкаИнфраструктура запуска
Права и регламентМониторинг и логирование
Приёмка и метрикиКаналы и интерфейсы

Готовые компоненты экономят месяцы. Собственная разработка оправдана там, где правила уникальны и определяют качество.

Типичные ошибки

Начать с модели

Выбор модели до описания процесса приводит к демонстрации без применения. Сначала процесс и метрика.

Нет базы знаний

Агент без корпуса отвечает правдоподобно и неверно. Нужны документы, версии и поиск.

Широкие права

Право «читать всё» и запись без подтверждения превращают ошибку в инцидент. Права ограничиваются.

Нет эталонной выборки

Без контрольных запросов качество не измерить. Приёмка превращается в спор.

Нет сопровождения

Корпус устаревает, API меняются, качество падает. Сопровождение — часть проекта.

Частые вопросы

Сколько времени занимает создание ИИ-агента?

Пилот на одном сценарии занимает 1–2 недели, рабочий агент — 3–6 недель. Срок зависит от готовности API, данных и прав, а также от числа интеграций. Комплекс из нескольких агентов требует 8–14 недель. Если документы в сканах, добавляется время на распознавание.

Можно ли создать агента без программирования?

Простого агента можно собрать в конструкторе, если задача типовая и достаточно одного канала. Для интеграций, прав, очередей и журнала требуется разработка. Конструктор ускоряет старт, но ограничивает логику и усложняет перенос в другой контур. Выбор зависит от числа систем и требований к журналу.

Какая модель лучше для русского языка?

Подходят YandexGPT, GigaChat и открытые модели. Выбор зависит от задачи, требований к данным и бюджета. Проверка на собственных примерах важнее названия модели: качество на вашем корпусе может отличаться от демонстраций. Для закрытого контура проверяются открытые модели с поддержкой русского языка.

Сколько стоит содержание агента?

Стоимость складывается из токенов, инфраструктуры и сопровождения. Облачные токены считаются по прайсу провайдера, локальный контур — капитальные затраты и обслуживание. Сопровождение в студии стоит от 35 000 ₽ в месяц, работы по развитию считаются отдельно. Точная сумма фиксируется после замера объёма и согласования регламента.

Нужен ли свой сервер?

Свой сервер нужен, только если данные нельзя выносить в облако или объём задач оправдывает капитальные затраты. На малых объёмах облако дешевле и качественнее. Расчёт делается до покупки оборудования и включает электричество и обслуживание. Для проверки считается TCO и сравнивается с токенами.

Как проверить, что агент не врёт?

Собрать эталонную выборку реальных вопросов с правильными ответами и измерить метрики: согласованность с контекстом, релевантность, полноту и точность поиска. Дополнительно ведутся журнал и выборочный разбор спорных ответов. Без выборки проверка невозможна; пороги метрик согласуются до старта пилота и фиксируются в отчёте.

Что делать, если у системы нет API?

Если API нет, интеграция идёт через файлы, промежуточную базу или доработку системы. Прямой доступ к таблицам не используется: он обходит бизнес-логику. В таком случае сначала оценивается стоимость доработки, а затем принимается решение об агенте. Без доработки агент остаётся советником, а не исполнителем.

Итоги

  • Агент отличается от ассистента инструментами и правами.
  • Один процесс и одна метрика — условие проверяемого пилота.
  • Данные, права и логи важнее выбора модели.
  • Тест на эталонной выборке обязателен до запуска.
  • Демонстрация собирается за недели, эксплуатация длится месяцами.
  • Готовые компоненты экономят время, уникальные правила требуют разработки.
  • Сопровождение — отдельная работа, а не финальный пункт.

Если нужен готовый агент под процесс, а не разбор — студия разрабатывает и внедряет ИИ-агентов для бизнеса под ключ: пилот от 50 000 ₽, срок 1–2 недели.

Автор: Максим Набиуллин, студия Максима Набиуллина (Уфа). Собирает RAG-системы и ИИ-агентов, запускает локальные модели, интегрирует сайты с 1С и маркетплейсами.