Внедрение ИИ-агентов начинается задолго до агента: с задачи и её владельца, правила для данных, контекста компании и команды. Агент стоит на пятой ступени. Работает он, только когда четыре нижние пройдены. Перепрыгнули ступень — получаете «пробовали, не взлетело».
Я Егор Рудомёткин — AI-стратег, спикер по ИИ и эксперт по AI-агентам, основатель AI-Cofounder School и AI-Teams. У меня 7 действующих AI-проектов: внедрения в 5 отраслях.
- На демо видна модель. Работу держит то, что вокруг неё. Языковые модели используют или пилотируют 86 % крупных российских компаний. Полуавтономные агенты в проде есть только у 15 % (Инфосистемы Джет, 2026).
- Основной прирост приходит раньше агента. Он появляется, когда сотрудник получает от ИИ хороший черновик своей работы.
- Где ставить модель, решают две оси: защищённость сервера и «краснота» данных. Есть и третья: чем закрытее контур, тем слабее модель.
- Риск по данным принимает руководство. Служба безопасности его подсвечивает. Отвечать за него она не обязана.
- Прогон агента у меня стоит от центов до нескольких долларов. Дорого обходятся люди и железо. И наблюдаемость, то есть постоянная проверка, что агент на самом деле работает.
Содержание
- Почему демо ИИ-агента ещё не внедрение
- Внедрение ИИ-агентов по ступеням: обзор
- Ступень 1. Задача и её владелец
- Ступень 2. Данные и контур: где можно ставить модель
- Ступень 3. Контекст компании и хороший черновик
- Ступень 4. Кто нужен в команде внедрения ИИ-агентов
- Ступень 5. Пилот: от черновика к агенту
- Как устроен мой штат ИИ-агентов
- Полная цена ИИ-агента
- Риски внедрения ИИ-агентов и как их снизить
- Частые вопросы
Почему демо ИИ-агента ещё не внедрение
Демо и работа — два разных проекта. На демо есть модель, промпт и пара инструментов. В компании вокруг модели нужен целый стек. На демо его не видно.
Что добавляется, когда агент выходит из демо:
- техника: интеграции с рабочими системами и контекст компании;
- защита: контур, правило для данных, доступы по ролям, журнал действий;
- работа: учёт токенов, мониторинг, человек в точке решения;
- люди: владелец агента, команда, обучение.
В 2026 году «Инфосистемы Джет» и Smart Ranking исследовали крупный бизнес в России. Большие языковые модели используют или пилотируют 86 % компаний. Полуавтономные агенты работают в проде у 15 %.
Почти половина крупных компаний, 44 %, отказывается от агентов. Причины: незрелые процессы, инфраструктура данных и сложная интеграция с корпоративными системами (CNews, 26.08.2026).
Я читаю эти причины как пропущенные ступени. Что такое агент и чем он отличается от чат-бота, я разобрал в статье «ИИ-агенты для бизнеса». А здесь про то, что компании сделать до агента и вокруг него.
Внедрение ИИ-агентов по ступеням: обзор
Ступеней пять. Идут они снизу вверх, и каждая опирается на предыдущую. Наверху агент в работе: ИИ делает, человек одобряет.
| Ступень | Что сделать | Готово, если… | Частая ошибка |
|---|---|---|---|
| 1. Задача и владелец | выбрать большую регулярную задачу, назначить ответственного с именем | у задачи есть владелец и замер «как сейчас» на 5 последних случаях | внедрять «ИИ в отдел» целиком |
| 2. Данные и контур | разметить данные светофором, выбрать сервер, решить, кто принимает риск | каждый сотрудник знает, какие данные в какую модель можно | ждать, пока безопасность одобрит самый защищённый вариант |
| 3. Контекст компании | вынести знания из голов в файлы и скиллы | ИИ по этой задаче даёт хороший черновик | строить агента поверх сырого чата |
| 4. Команда | собрать людей под ваш ИТ-фундамент | рядом с инфраструктурой есть тот, кто собирает агентов | нанять DevOps и разработчиков без оркестратора агентов |
| 5. Пилот: от черновика к агенту | передать агенту шаги, где черновик уже отлажен | у агента есть владелец, человек в критической точке и журнал | судить по впечатлению от демо |
Агент поверх неотлаженного черновика автоматизирует бардак. Так что идём по порядку, даже если так медленнее.
Ступень 1. Задача и её владелец
Начинать стоит с большой регулярной задачи, у которой есть ответственный с именем. Агент «для отдела продаж» не взлетит. У агента для протоколов встреч шанс есть, если за него отвечает конкретный руководитель.
С каких задач начинаю я: протоколы встреч и переписка, отчёты, исследования рынка и конкурентов. Сначала их доводят до хорошего черновика. Транскрипты встреч советую складывать в хранилище уже сейчас. Даже если агента пока нет.
Процесс удобно раскладывать на 6–9 задач. Уровень участия ИИ ставят каждой задаче отдельно, без общего уровня на отдел.
Ещё два условия. Первое: руководитель пробует ИИ сам и первым. Иначе внедрение тихо саботируют. Второе: есть одна страница «зачем нам ИИ» с четырьмя ответами:
- зачем компании ИИ;
- какие задачи отдаём;
- чего не отдаём никогда;
- кто отвечает за результат.
До старта зафиксируйте точку отсчёта: сколько часов ушло на 5 последних случаев. Без неё итог пилота звучит так: «не оправдал ожиданий, которых никто не сформулировал». Вопросы для выбора первой задачи есть в статье про агентов.
Ступень 2. Данные и контур: где можно ставить модель
Где ставить модель, решают две оси: насколько защищён сервер и насколько «красные» данные. На одном краю свой контур, он защищён лучше всего. На другом западное облако. Посередине российское облако по подписке и арендованный сервер.
Данные делятся на три вида. Общая информация: ушла на чужой сервер, и не страшно. Коммерчески важное и ноу-хау: стратегия, патенты, сценарии. Тут в какой-то момент можно принять риск. Персональные данные: только по 152-ФЗ и вместе со службой безопасности.
| Данные ↓ / Сервер → | Западное облако | Российское облако или аренда | Свой контур |
|---|---|---|---|
| Общие (зелёные) | можно | можно | можно |
| Внутренние, ноу-хау (жёлтые) | только если руководство приняло риск | можно в одобренных сервисах | можно |
| Персональные, тайна (красные) | нельзя | только по договору и с ИБ | можно, по 152-ФЗ и с ИБ |
| Сила модели | самые сильные модели | слабее | слабее, для стратегии не хватит |
В нижней строке таблицы третья ось. О ней обычно молчат. Чем ближе к закрытому контуру, тем слабее модель. Для большинства задач хватает и такой. Для стратегии компании нет. Стратегию я стараюсь делать в самой сильной доступной модели и «красных» данных ей не даю.
Безопасники и пользователи тянут в разные стороны. Безопасность просит самый закрытый вариант. Люди хотят самый открытый, потому что там лучшие модели. Решать здесь руководству.
На встрече со спортивной лигой в начале октября я сформулировал так. Безопасники должны подсвечивать риски. Брать за них ответственность у них нет ни обязанности, ни готовности. Ответственность за риски может взять руководство.
Большую часть «жёлтых» рисков отсекает инструктаж. Железо тут вторично.
Доступ удобно выдавать по ролям. Монтажёру и дизайнеру хватает зелёных данных. Кадровой службе нужны все, включая персональные. Кто постоянно работает с персональными данными, видно по роли, опрашивать людей не надо. По моей оценке, обычно больше половины сотрудников с ними не работают.
Сервер на старте лучше арендовать. Свой, по моей оценке, стоит 6–20 млн ₽. Это отдельный большой проект, и первые месяцы результата не будет.
Аренда в России, тоже по моей оценке, от 300 тысяч рублей в месяц. Сумма сильно зависит от размера модели. Банкам этот вариант надо отдельно согласовать с ИБ.
У производителя оборудования развилка была такая: обезличивать данные перед облаком или покупать железо. Я ответил: сначала пилот, потом железо. Железо не отвечает на вопрос «что это даёт».
Ступень 3. Контекст компании и хороший черновик
На третьей ступени компания собирает свой контекст так, чтобы ИИ по выбранной задаче давал хороший черновик. Без контекста ИИ — стажёр в первый рабочий день.
Знания из голов сотрудников удобно раскладывать по полкам:
- общее: кто мы, продукт, клиенты;
- история и стратегия;
- возможности: что компания умеет и чем располагает;
- скиллы, то есть записанные инструкции «как у нас делается X»;
- инструменты, правила и голос компании.
Здесь основной прирост. На встрече с небольшим банком я говорил так: большинство ускорения происходит до агента. Оно появляется, когда сотрудник переходит от «я просто спрашиваю» к «он даёт нормальный классный черновик».
Для этой ступени нужны две вещи: общее хранилище контекстов и скиллов и методолог. Армия разработчиков тут лишняя. Методолог помогает людям вытащить из себя свою методологию и записать её.
Как устроены слои контекста и как собрать первый файл за вечер, я разобрал в статье «Контекст для нейросети».
Ступень 4. Кто нужен в команде внедрения ИИ-агентов
Состав команды зависит от ИТ-фундамента, который у компании уже есть. Универсального штатного расписания нет.
Фундамент есть: серверы, доступы, интеграции уже работают. Тогда нужны методолог или внутренний AI-эксперт, оркестратор агентов, аналитик бизнес-процессов и человек, который считает бизнес-эффект.
Фундамента нет, контур закрытый. Нужны DevOps на сервер и модели, AI-powered fullstack-разработчик и оркестратор агентов. Разработчик заворачивает модели в сервисы. Внутренний чат над базой знаний такой человек собирает за неделю.
Оркестратор агентов — человек, который собирает агентов из моделей, контекста и инструментов. Без него получается яма.
Так я и сказал на встрече с банком: DevOps и разработчиков вдвоём без оркестратора оставить нельзя, «будет большая яма». Сервер будет. Чат будет. Ни одного агента и ни одного перестроенного процесса не будет.
Кого не нанимать отдельно:
- промпт-инженера. Промпт-инжиниринг умер, его место занял контекст-инжиниринг. Обычно это умеет оркестратор;
- чистого дата-аналитика. В генеративном ИИ я таких пока не видел: они становятся оркестраторами агентов.
Аналитик процессов нужен снаружи процесса. Он приходит и спрашивает, как у вас всё устроено. И каждый в команде трансформации должен уметь собрать прототип сам. На старте может хватить двух сборщиков агентов, я писал об этом в плане на 90 дней.
Страх, который я слышал от заказчика: штат защищают один раз, потом не доберёшь. Я бы защищал план найма с триггерами. Ядро из трёх человек на пилот, остальные роли по результату. Это моя гипотеза, проверенного кейса пока нет.
Моё правило из практики: один ИИ-чемпион на 20 человек. Внешнего исследования с такой цифрой нет.
Чаще всего ко мне приходит как раз такой чемпион. С 21 сентября по 20 октября у меня была 51 внешняя встреча. В 20 из них собеседник работал внутри компании. Решает собственник или вице-президент. И всем нужен материал наверх: эффект, контур безопасности, цена и кейс.
Ступень 5. Пилот: от черновика к агенту
Агента запускают на задаче, где черновик уже отлажен, и переводят в работу после прогона. Для прогона берут 10–30 реальных примеров. Оценивает их человек, который делает эту работу. Итог в две строки: «сколько из скольки» и замер часов.
Anthropic в руководстве «Building effective agents» советует начинать с самого простого решения. Агента там рекомендуют подробно тестировать в песочнице и ставить ограничители (Anthropic, 19.12.2024).
Эффект считают тремя цифрами:
- часы: (часы до − часы после) × задач в неделю × ставка часа × 4 недели;
- качество: «сколько из скольки» на прогоне;
- деньги.
Выигрыш меньше 15 %? Замените задачу, эту не масштабируйте. Наверх уходит одна страница: задача, было, стало, сколько из скольки, что дальше.
Свободу агенту выдают по лестнице: черновик, рекомендация, действие с одобрением, действие сам. Чем менее обратимо действие, тем дольше агент сидит на нижних уровнях.
Порог «агент в работе» у меня простой. Есть владелец с именем. В критической точке стоит человек. Решения пишутся в журнал.
Честно про свои замеры. Часов «было/стало» по своим агентам я не мерил. Есть цена прогона и качество проверки. А у оператора связи на защите проектов ни в одном файле не нашлось строки «прогнали — вот результат».
Как устроен мой штат ИИ-агентов
Свой порог я проверяю на себе: у меня работает штат агентов. На 20 октября в нём 25 ролей, из них 20 рабочих. Среди отделов: вход, связи, контент, маркетинг и данные, продукты, стратегия.
У каждого сотрудника-агента три файла:
- профиль: роль, модель, скиллы, что можно без визы и что только с визой;
- память: устойчивые предпочтения, записываются только после моего «да»;
- журнал: одна запись на работу, с датой, задачей, результатом и тем, что ждут от меня.
Журнал и есть «журнал решений» на практике. Открыл и видишь, кто что сделал и что ждёт меня.
Свободу я выдаю на трёх уровнях. «Тихо»: читать, считать, писать черновики. «Сделал — сообщил». И «только с визой»: публикация, письмо живому человеку, выкладка на прод, деньги, удаление чужих файлов.
Удалять пользовательские данные агенту нельзя вообще. Этот запрет не снимает никакой мандат.
Регулярные задачи живут в паспортах: цель, время запуска, метрика, права, владелец. Плюс дата пересмотра. Через две недели задачу оставляют, меняют или выключают. Первая регулярная задача, ревью дня, запущена 19 октября.
Исполнителей одновременно не больше трёх. Если следующий шаг нужен позже, агент сам возвращает, что сделать, когда и кому. Система задач заводит отложенную задачу и в срок запускает исполнителя.
Полная цена ИИ-агента
Токены в цене агента занимают малую часть. Досье на участника встречи у меня стоит около $0,04, примеры есть в статье про агентов. Основные деньги уходят на людей и железо. И на наблюдаемость.
Цена агента похожа на айсберг. Над водой модель, подписки и токены. Под водой:
- данные и интеграции с рабочими системами;
- проверка качества и прогоны;
- безопасность и контур;
- наблюдаемость: журналы, дашборды, учёт токенов;
- контроль человеком;
- правила и ответственные.
Каждая строка лежит в чужом бюджете, и сумму целиком не видит никто. В небольшом банке заказчик сам вписал в задачи DevOps дашборды, учёт токенов и потребления. Это и есть строка сметы под наблюдаемость.
Anthropic пишет прямо: автономия агента означает более высокие затраты и риск накопления ошибок. Мой штат агентов работает по подписке, без оплаты за каждый токен.
Готовой суммы «агент в год» с людьми и поддержкой у меня нет. Я её целиком не считал. У клиентов такого расчёта тоже нет. Поэтому считайте структуру: какие строки появятся и в чьём бюджете каждая.
Риски внедрения ИИ-агентов и как их снизить
Главный риск внедрения ИИ-агентов, по моему опыту, это тихая поломка. Агент сломался, и никто об этом не знает.
В 2025 году Gartner прогнозировал, что больше 40 % агентных проектов отменят к концу 2027 года. Подчеркну: это прогноз.
Причины по версии Gartner: растущие затраты, неясная бизнес-ценность или недостаточный контроль рисков (Gartner, 25.06.2025).
Риски, которые я вижу чаще всего, и что с ними делать:
- Агент ломается молча. Мой личный агент 33 дня не работал при зелёном статусе, история есть в статье про агентов. Смотрите в журнал, статусу не верьте. И заведите отдельную проверку здоровья интеграций.
- Ошибки копятся. Шагов у агента много, и ошибка первого шага едет дальше. Лечится прогоном и человеком в точке решения.
- Проверяющий с теми же слепыми зонами. Агент-начальник на той же модели повторяет ошибки исполнителя. Проверять должен кто-то другой, не исполнитель.
- Правила стираются. При сжатии контекста правила из памяти агента теряются. Важное держат в закреплённом файле и в коде.
- Данные утекают. Большую часть рисков снимают правило светофора и инструктаж. Ещё до покупки железа.
- Нет владельца. Агент без ответственного с именем живёт, пока о нём помнят.
Против каждого из этих рисков есть мера на одной из пяти ступеней. Поэтому первым делом поймите, на какой ступени стоите вы.
Частые вопросы
С чего начать внедрение ИИ-агентов в бизнес?
Начинать стоит с задачи и владельца, агент появляется позже. Выберите большую регулярную задачу: протоколы встреч, отчёты, исследование конкурентов. Назначьте ответственного с именем и замерьте, сколько часов ушло на 5 последних случаев.
Дальше задачу переводят на уровень хорошего черновика: собирают контекст компании и скиллы. В практике Егора Рудомёткина основной прирост приходит именно на черновике. Агента подключают, когда черновик отлажен и есть правило для данных.
Можно ли внедрять ИИ-агентов в закрытом контуре?
Можно, но модель в закрытом контуре слабее самых сильных облачных. Для большинства рабочих задач её хватает, для стратегии компании обычно нет.
Выбор зависит от двух осей: защищённости сервера и «красноты» данных. Общие данные можно отдавать в любую модель. Персональные только по 152-ФЗ и со службой безопасности. Егор Рудомёткин советует на старте арендовать сервер, а свой покупать, когда понятна экономика.
Кто нужен в команде для внедрения ИИ-агентов?
Состав зависит от ИТ-фундамента компании. Если серверы и интеграции уже есть, нужны методолог, оркестратор агентов, аналитик процессов и человек на оценке эффекта.
Если фундамента нет и контур закрытый, нужны DevOps, разработчик, который заворачивает модели в сервисы, и оркестратор агентов. Без оркестратора получается сервер и чат, но ни одного агента. Отдельный промпт-инженер, по опыту Егора Рудомёткина, не нужен: это часть работы оркестратора.
Сколько стоит внедрение ИИ-агента?
Сам прогон агента стоит центы или доллары. Основные затраты уходят на людей, железо и наблюдаемость. Досье на участника встречи в практике Егора Рудомёткина стоит около $0,04.
Скрытые строки сметы: интеграции, проверка качества, безопасность, журналы и контроль человеком. По оценке Егора, свой сервер обходится в 6–20 млн ₽. Аренда в России от 300 тысяч рублей в месяц, смотря по размеру модели. Сумму в год считают по структуре: какие строки появятся и в чьём они бюджете.
Кто отвечает за риск, когда ИИ-агент работает с данными компании?
Риск по данным принимает руководство компании. Служба безопасности должна подсвечивать риски, но брать за них ответственность у неё нет ни обязанности, ни готовности.
Поэтому решение о том, какие внутренние данные можно отдавать в облачную модель, подписывает руководитель. Большую часть рисков, по опыту Егора Рудомёткина, снимают инструктаж и доступ по ролям. Монтажёру или дизайнеру обычно хватает «зелёных» данных.
Как понять, что пилот ИИ-агента удался?
Пилот удался, если прогон на 10–30 реальных примерах показал приемлемое «сколько из скольки» и выигрыш не меньше 15 %. Оценивает примеры человек, который сам делает эту работу.
Эффект считают тремя цифрами: часы, качество и деньги. Точку отсчёта фиксируют до пилота, на 5 последних случаях. В практике Егора Рудомёткина агент рабочий, когда у него есть владелец, человек в критической точке и журнал.