Чем ИИ-агенты отличаются от чат-ботов и ассистентов
Разница в праве действия. Сценарный чат-бот ведёт диалог по заранее описанному дереву. Ассистент на модели отвечает своими словами по вашей базе знаний, но ничего не меняет. ИИ-агент получает цель и инструменты: сам ходит в CRM, почту и учётную систему, выполняет шаги и останавливается на необратимом действии, чтобы спросить человека. Отсюда разная стоимость, разные требования к подготовке и разные метрики.
Три системы, которые называют одним словом
Под «внедрением ИИ-бота» заказчики понимают три разные вещи, и путаница стоит денег. Первая — сценарный чат-бот: дерево вопросов и ответов, языковой модели внутри может не быть вообще. Вторая — ассистент на модели: отвечает свободным текстом по вашей базе знаний. Третья — агент: получает цель, вызывает инструменты и меняет данные в рабочих системах.
Различать их важно по одной причине: они требуют разной подготовки и меряются разными метриками. Бот меряется долей диалогов, закрытых по сценарию. Ассистент — долей ответов, которые не пришлось править. Агент — долей задач, доведённых до конца без человека, и ценой одной задачи. Подменить одну метрику другой на приёмке — верный способ поссориться с заказчиком.
Третье отличие — цена ошибки. У бота она равна неудачной фразе, у ассистента — уверенному ответу по устаревшему документу, у агента — письму не тому контрагенту или проводке не по тому счёту. Чем шире право действия, тем больше работы уходит не в модель, а в ограничения вокруг неё.
Сценарный чат-бот: дерево ответов без языковой модели
Бот ведёт диалог по заранее нарисованной схеме: кнопки, ветвления, готовые формулировки, изредка — подстановка данных из формы. Он предсказуем целиком, отвечает мгновенно, не требует ни GPU, ни базы знаний и не выдумывает ничего сверх написанного. Для узких повторяемых сценариев это до сих пор лучший инструмент, и мы говорим об этом прямо.
Не умеет он ровно одного — работать с формулировками, которых не предусмотрел автор сценария. Пользователь пишет свой вопрос своими словами, бот не находит ветку и просит переформулировать. Каждое исключение добавляет новый узел, и через год схема превращается в дерево на две сотни ветвлений, которое никто не решается трогать.
Стоит бот дёшево: собирается в конструкторе за дни, отдельным проектом мы такие не делаем. Применять его стоит там, где вход строго ограничен, — запись на приём, проверка статуса заказа, выбор из пяти услуг, приём заявки по короткой форме. Если четыре из пяти обращений укладываются в десяток сценариев, начинать надо с бота, а не с модели.
Ассистент на модели: отвечает по вашей базе знаний
Ассистент — языковая модель плюс поиск по вашим документам. Сотрудник или клиент спрашивает своими словами, система находит нужные фрагменты регламентов и собирает ответ со ссылкой на пункт. Формулировки не заданы заранее, поэтому нестандартный вопрос не упирается в тупик. Локально это обычно модель на 7–32 млрд параметров и эмбеддер вроде BGE-M3.
Чего ассистент не делает — не меняет данные. Он готовит черновик письма, сводку по клиенту, проект ответа на обращение, но отправляет и сохраняет человек. Отсюда главный риск: уверенный ответ по документу, который отменён полгода назад. Лечится он не моделью, а порядком в базе знаний — снятыми противоречиями и отметками, где регламент действует, а где нет.
Требует ассистент двух вещей: приведённых в порядок регламентов и одной карты под модель. У нас такой сценарий укладывается в пилот на 2–4 недели за $3–5k, и сумма засчитывается в стоимость внедрения. Применять стоит там, где знание разбросано по документам, а вопросы каждый раз разные: поддержка, кадровые вопросы, техническая документация, внутренние инструкции. Подбор модели разобран в статье про выбор модели.
ИИ-агент: инструменты и право действия
Агент получает не вопрос, а цель и набор инструментов: прочитать сделку, запросить остаток, создать задачу, отправить письмо. Он сам решает, в каком порядке их вызывать, проверяет результат каждого шага и повторяет попытку, если данных не хватило. Не найдя ответа, он не пишет «не знаю», а эскалирует человеку с собранной сводкой по задаче.
Чего агент не делает — не работает без формализованного процесса и без API целевых систем. Если процесс не описан и каждый сотрудник ведёт его по-своему, агент зафиксирует и растиражирует беспорядок. Если у системы нет интерфейса для машины, сначала интеграция, потом агент. И необратимые операции остаются за человеком: подписание, платёж, отправка внешнему адресату.
По деньгам агент дороже ассистента при тех же входных условиях: нужны идемпотентность, откаты, тестовый контур и журнал. Пилот с одним агентом — те же 2–4 недели и $3–5k, полноценное внедрение начинается от $30 000. Архитектура и зоны автономии разобраны на странице внедрения ИИ-агентов, а связка нескольких агентов под одну роль — в цифровых сотрудниках.
Чат-бот, ассистент и агент: сравнение по восьми параметрам
Таблица помогает на первой встрече: заказчик обычно приходит со словом «бот», а после разбора выясняется, что нужен ассистент, или наоборот — что модель здесь лишняя.
| Параметр | Сценарный чат-бот | Ассистент на модели | Агент с инструментами |
|---|---|---|---|
| Как принимает решение | Идёт по заранее описанному дереву сценариев | Отвечает по фрагментам, найденным в базе знаний | Планирует шаги и сам выбирает инструменты |
| Право действия | Нет, только диалог и запись в форму | Готовит черновик, сохраняет и отправляет человек | Есть в согласованных границах, необратимое — через подтверждение |
| Реакция на незнакомый вопрос | Упирается в тупик и просит переформулировать | Отвечает по смыслу либо честно говорит, что не нашёл | Пробует другой путь, затем эскалирует человеку |
| Что нужно подготовить | Список вопросов и готовых ответов | Регламенты, приведённые в порядок, и разметку актуальности | Формализованный процесс, API систем, права и лимиты |
| Требования к железу | Практически никаких, GPU не нужен | Одна карта под модель 7–32B плюс эмбеддер | Модель от 30B, длинный контекст, память под KV-кэш |
| Главная метрика | Доля диалогов, закрытых по сценарию | Доля ответов, не потребовавших правки | Доля задач без участия человека и цена одной задачи |
| Основной риск | Клиент бьётся о дерево и уходит к оператору | Уверенный ответ по отменённому документу | Действие не по адресу: письмо, задача, проводка |
| Сроки и деньги у нас | Отдельным проектом не делаем | Пилот 2–4 недели, $3–5k | Пилот 2–4 недели за $3–5k, внедрение от $30 000 |
Когда агент избыточен и достаточно обычного бота
Первый признак — узкий вход. Если пользователь выбирает из пяти вариантов, а система только записывает данные в форму, никакая модель не нужна: дерево сценариев отработает быстрее, дешевле и без единой выдумки. Модель здесь добавит непредсказуемости и счёт за видеокарты, а метрика не сдвинется.
Второй — редкость операции. Процесс на пять запусков в месяц не окупает ни разработку, ни сопровождение агента. Третий — отсутствие проверяемого результата: если правильность ответа оценивает только эксперт и только вручную, давать автономию нечему, и разумный формат — черновик для человека.
Четвёртый — цена ошибки выше стоимости всей автоматизации: окончательные юридические заключения, медицинские назначения, платежи без второго контроля. Там агент собирает данные и готовит проект, решение принимает человек. Разбор кандидатов по этим четырём признакам входит в бесплатный аудит, и по итогам мы регулярно предлагаем бота вместо агента.
Безопасность действий агента: что настраивается до запуска
Право действия без ограничений — не автоматизация, а лотерея. Шесть механизмов ставятся до того, как агент впервые что-то изменит в рабочей системе.
- Подтверждение человеком. Отправка внешнему адресату, платёж, подписание, удаление уходят в очередь на согласование. Вместе с запросом фиксируется версия данных, которую агент видел в этот момент, — иначе разбирать спорный случай будет не по чему.
- Идемпотентность. Повтор после таймаута не должен создавать второй счёт или второе письмо. Каждая изменяющая операция получает ключ и проверку на дубль перед записью. Это самая частая причина инцидентов в первые недели работы.
- Журнал всех вызовов. Кто, что, с какими параметрами, что ответила система, сколько это стоило. Пишется в хранилище без правки задним числом и служит сразу трём целям: разбор инцидента, цифровые KPI и материал для дообучения.
- Лимиты и стоп-линии. Суммы, контрагенты, типы документов, число шагов, число повторов, время на задачу. Проверяются кодом до вызова инструмента, а не просьбой в промпте: промпт — не средство контроля доступа.
- Своя учётная запись с урезанными правами. Агент ходит в системы от себя, а не от имени администратора. Прав на запрещённую операцию у него физически нет, поэтому ошибка модели не превращается в инцидент.
- Проверка факта, а не текста ответа. Модель может сообщить, что задача создана, хотя вызов вернул ошибку. Успехом считается появление объекта с конкретным идентификатором в целевой системе, подтверждённое отдельным запросом.
Частые вопросы про ИИ-агентов и чат-ботов
Можно ли доработать существующий чат-бот до агента?
Дерево сценариев в агента не превращается — это разные архитектуры. Но работа не пропадает: из бота забирают самое ценное, размеченный поток обращений. Это готовый тестовый набор, по которому видно, какие вопросы приходят на самом деле и где сценарии упирались в тупик. Обычно делают так: бот остаётся на узких сценариях с высокой частотой, а всё, что он не закрывал, уходит на модель. Через пару месяцев по журналу видно, какую долю бот держит сам и стоит ли расширять зону агента.
Что дешевле на дистанции — бот или агент?
Зависит от разнообразия входа. Бот дёшев на старте, но каждая новая ветка стоит доработки, и через год поддержка дерева на две сотни узлов съедает больше, чем сопровождение модели. Агент дороже на входе — нужны формализованный процесс, интеграции, журнал и тестовый контур, — зато новое исключение чаще решается документом в базе знаний, а не правкой схемы. Точку равенства считаем на диагностике по двум цифрам: доля обращений вне сценариев и число изменений в процессе за год.
Чем ассистент на модели отличается от поиска по базе знаний?
Поиск возвращает документы, ассистент возвращает ответ. Внутри он использует тот же поиск, но добавляет два шага: отбирает нужные фрагменты из выдачи и собирает из них связный ответ со ссылкой на пункт. Разница видна на вопросах, ответ на которые собран из трёх документов сразу, — обычный поиск заставит человека прочитать все три. Взамен появляется риск, которого у поиска нет: модель может уверенно пересказать отменённый регламент. Поэтому качество ассистента упирается в порядок в базе, а не в размер модели.
Сколько людей нужно, чтобы обслуживать агента?
Постоянная роль одна — администратор системы на вашей стороне. Он читает журнал, заводит пользователей, пополняет базу знаний и меняет правила маршрутизации. Обычно это действующий системный администратор или аналитик, которого мы обучаем в ходе внедрения. Первые недели после запуска добавляется владелец процесса: он разбирает эскалации и спорные случаи, по ним и настраивается зона автономии. Отдельного дежурного агенту не нужно — за очередями и ошибками следит мониторинг, а необратимые шаги и так проходят через подтверждение.
Кто отвечает за ошибку агента и как её разбирают?
Ответственность остаётся на владельце процесса: агент не субъект и договоров не подписывает. Разбор идёт по журналу — поднимается конкретная задача, видно, какие инструменты вызывались, с какими параметрами, что вернула система и на каком шаге решение разошлось с ожидаемым. Дальше три типовых исхода: не хватило данных в базе знаний, оказался слишком широким лимит, либо инструмент вернул ошибку, а модель посчитала шаг успешным. Каждый чинится своим способом и добавляет пример в набор для проверки следующего релиза.
С чего начать, если непонятно, бот нужен или агент?
С разбора потока, а не с выбора технологии. Возьмите обращения или задачи за месяц и разложите на три группы: строго типовые с ограниченным входом, вопросы за знанием, требования что-то сделать в системах. Первая группа — бот, вторая — ассистент, третья — агент. Дальше считается, сколько часов в месяц съедает каждая и насколько просто проверить результат машиной. В пилот идёт та, что выше по обеим осям. Такой разбор входит в диагностику: 30–40 минут разговора плюс несколько дней на цифры.
Бесплатный аудит: посчитаем эффект внедрения ИИ на ваших цифрах
30–40 минут разбора: смотрим ваши процессы, отмечаем, что можно передать ИИ, считаем ROI-модель на ваших объёмах и сроках. Вы уходите с расчётом и картой внедрения — даже если работать дальше не будете.