ИИ-агенты для бизнеса: что это, примеры задач и цены в 2026

Что такое ИИ-агент для бизнеса

Определение. ИИ-агент для бизнеса (по-английски AI agent) это программа, которая получает задачу обычным языком и сама доводит её до результата: разбивает на шаги, вызывает инструменты (CRM, календарь, почту, базу документов, 1С), проверяет, что получилось, и передаёт человеку только спорное. Внутри работает языковая модель, снаружи у неё есть права на конкретные действия и журнал всего, что она сделала.

Я делаю ИИ-агентов для своих продуктов и под заказ, у меня сертификаты Vanderbilt University (AI Agents Developer) и MongoDB (AI with MongoDB), оба 2026 года. На каждом обсуждении проекта всплывает одна и та же путаница: заказчик называет агентом любой бот, где внутри есть нейросеть. От этого растут и неверные ожидания, и переплаты.

Разница на трёх примерах. Чат с нейросетью это диалог: вы спросили, модель ответила текстом. Сделать что-то во внешнем мире она не может. Автоматизация на n8n или Zapier это заранее прописанный маршрут: «пришло письмо с темой X, отправь сообщение в Telegram». Все ветки известны заранее. ИИ-агент сам выбирает маршрут под конкретный случай. У него четыре обязательных свойства:

1. Автономность. Получает задачу и сам решает, как её выполнить. Каждый шаг прописывать не нужно.
2. Инструменты. Вызывает внешние функции: API, поиск по базе, отправку письма, запись в CRM, расчёт. Ответ текстом для него только часть работы.
3. Планирование. Многошаговые задачи. «Найди клиента, выбери шаблон ответа, подставь его данные, отправь, запиши в CRM» это пять шагов, и порядок агент выбирает сам.
4. Проверка результата. После действия смотрит, что вышло. Ошибка, пробует иначе. Три неудачи подряд, передаёт человеку с пояснением.

Если чего-то из этих четырёх нет, перед вами чат, сценарий или поисковый помощник. Подробное сравнение с ценами каждого варианта я разобрал отдельно: ИИ-агенты против чат-ботов: в чём разница и за что не стоит переплачивать.

Чем ИИ-агент отличается от чат-бота

Чат-бот отвечает. Агент выполняет. Бот по кнопкам ведёт клиента по заранее нарисованной схеме, бот с нейросетью отвечает свободным текстом по базе знаний, но действовать ни тот, ни другой не умеет. Агент записывает клиента в календарь, создаёт сделку в CRM, выставляет счёт, ставит задачу менеджеру и проверяет, что всё это прошло. Поэтому агент дороже и требует больше внимания к правам доступа и журналу действий. Для половины задач малого бизнеса хватает хорошего бота, и честный подрядчик скажет об этом сам.

10 задач малого бизнеса, которые берёт ИИ-агент

Ниже задачи, которые я вижу в запросах чаще всего. Для каждой короткий пример, подводный камень и цена по моему прайсу на странице /ceny/. Все цены нижняя граница, итог зависит от числа интеграций и объёма данных.

1. Отвечает клиентам в мессенджере и на сайте

Клиент пишет в MAX, Telegram или в чат на сайте: «сколько стоит, есть ли завтра свободное время, как доехать». Агент отвечает по вашему прайсу и правилам за минуту в любое время, нестандартное передаёт вам с выжимкой. В прайсе это «ИИ-консультант»: от 50 000 ₽, срок от 1 недели, модель от 3 000 ₽ в месяц. Проверить идею можно пилотом за 3 дня от 30 000 ₽.

Подводный камень. Чем уже ниша, тем лучше ответы. Универсальный «помощник для любого сайта» путается в контексте. И всегда нужна кнопка «связаться с человеком», иначе раздражённый клиент уйдёт.

2. Квалифицирует заявки и передаёт менеджеру

Агент задаёт уточняющие вопросы (бюджет, сроки, город, что уже пробовали), заполняет карточку в CRM и ставит менеджеру задачу с коротким резюме разговора. Менеджер звонит уже подготовленным. Это полноценный «ИИ-агент» с доступом к CRM: от 150 000 ₽, срок от 3 недель, модель от 5 000 ₽ в месяц. Как складывается цена агента для продаж, я расписал в статье сколько стоит ИИ-агент для продаж.

Подводный камень. Агенту нужны ваши критерии «горячего» клиента письменно. Без них он будет вежливо собирать данные, которые никто не читает.

3. Записывает на услугу и переносит встречи

Клиент пишет «хочу на консультацию в четверг вечером». Агент смотрит свободные окна в календаре, предлагает варианты, создаёт запись, отправляет подтверждение и напоминание, а при переносе сам ищет новое время. Это «ИИ-агент» с доступом к календарю, от 150 000 ₽. Если записи как системы у вас ещё нет (кабинет мастера, расписание, предоплата), её делают отдельно: «Онлайн-запись и бронирование», тоже от 150 000 ₽.

Подводный камень. Часовые пояса и многократные переносы дают больше всего ошибок, их отрабатывают отдельными тестами.

4. Разбирает входящую почту

Агент читает общий ящик, раскладывает письма по типам (запрос счёта, жалоба, вопрос по доставке, спам), на типовые готовит ответ по шаблону, сложные отдаёт человеку с пометкой о срочности. В прайсе «Разбор и классификация текстов»: от 80 000 ₽, срок от 2 недель. Подробно про этот сценарий: ИИ разбирает входящую почту и документы.

Подводный камень. Вложения в PDF и Excel требуют отдельного разбора. Жалобы клиентов агенту в одиночку не отдаю никогда: человек в петле обязателен.

5. Достаёт данные из счетов, договоров и сканов

Фото чека превращается в строку расходов, PDF договора в список платежей и сроков, скан накладной в позиции для учёта. Агент сверяет суммы и пишет, где сомневается. В прайсе «Распознавание документов»: от 100 000 ₽, срок от 2 недель, модель от 3 000 ₽ в месяц.

Подводный камень. Плохие фото и рукописные пометки снижают точность. Спорные поля агент помечает для проверки человеком, угадывать их нельзя.

6. Отвечает сотрудникам по регламентам и базе знаний

Сотрудник спрашивает «как оформить возврат по безналу» и получает ответ со ссылкой на нужный пункт регламента. Под капотом поиск по вашим документам и модель, которая формулирует ответ только по найденному (это называется RAG). В прайсе «Поиск по документам (RAG)»: от 150 000 ₽, срок от 3 недель, модель и сервер от 5 000 ₽ в месяц. Как это устроено внутри, разобрал в статье про RAG-системы для бизнеса.

Подводный камень. Качество ответа больше всего зависит от того, как документы нарезаны на фрагменты. Таблицы и сканы требуют отдельной подготовки.

7. Превращает звонки и совещания в протокол и задачи

Запись планёрки или разговора с клиентом превращается в текст, короткий протокол, список поручений с ответственными и сроками. В прайсе «Расшифровка звонков и совещаний»: от 60 000 ₽, срок от 2 недель, модель от 3 000 ₽ в месяц.

Подводный камень. Шумная запись и несколько человек, говорящих одновременно, дают ошибки в именах и цифрах. Цифры в протоколе стоит проверять.

8. Отвечает на вопросы по цифрам обычным языком

Собственник пишет «сколько продали в сентябре по второй точке и что с остатками по хиту продаж». Агент сам строит запрос к базе или выгрузке из учётной системы и отвечает цифрой с пояснением. В прайсе «Вопросы к базе данных обычным языком»: от 150 000 ₽, срок от 3 недель.

Подводный камень. Агенту даю права только на чтение. Менять данные в учёте по просьбе в чате он не должен.

9. Переносит данные между сервисами и программами

Заявка с сайта попадает в CRM, счёт из почты в таблицу, оплата в учёт, а агент разбирается с неструктурированными кусками: письмом в свободной форме, фото, голосовым. В прайсе «Автоматизация процессов с ИИ»: от 100 000 ₽, срок от 2 недель, модель от 3 000 ₽ в месяц. Если у старой программы нет API и данные приходится вбивать руками, есть «Агент для работы на компьютере», который работает с интерфейсом как человек: от 150 000 ₽, модель от 5 000 ₽ в месяц.

Подводный камень. Агент с мышкой и клавиатурой медленнее и дороже обмена по API, его берут только там, где другого пути нет.

10. Делает первый звонок или обзвон

Голосовой агент перезванивает по заявке, подтверждает запись, задаёт кандидату на вакансию скрининговые вопросы и передаёт итог человеку. В прайсе «Голосовой робот»: от 100 000 ₽, срок от 3 недель, минуты от 6 ₽.

Подводный камень. Синтезированный голос на русском всё ещё слышно, часть людей кладёт трубку. На малом потоке живой сотрудник обзвонит быстрее, голосовой агент окупается там, где звонков много.

Сводная таблица: задача, услуга и цена

Отдельно про команды разработки: агент для проверки кода (смотрит изменения перед слиянием и пишет замечания по ошибкам, стилю и безопасности) хорошо снимает мелочи, но живого ревьюера не заменяет. Большие изменения он разбирает по частям, первые недели нужна калибровка, иначе много ложных замечаний.

Маркетинговая ловушка: почему все продают «ИИ-агентов»

За 2025 и 2026 год слово «агент» стало модным, и его ставят почти на любое предложение. Под ним часто скрывается один из трёх вариантов:

• Готовый бот на нейросети с системной подсказкой и кнопкой «начать диалог». Без инструментов, без памяти между разговорами, без планирования.
• Сценарий n8n с одним шагом «нейросеть»: получили данные, прогнали через подсказку, отдали ответ. Это автоматизация. Полезная и часто достаточная, но называть её агентом некорректно.
• Поиск по базе знаний с одной функцией. Если система умеет только найти и пересказать, это поисковый помощник.

Пять вопросов, по которым я за пару минут отличаю агента от обёртки:

• Инструменты. «Что умеет вызывать ваш агент?» Ответ «он отвечает на вопросы» означает чат.
• Планирование. «Может ли он выполнить задачу в несколько шагов, выбрав порядок сам?» Ответ «мы прописали последовательность» означает сценарий.
• Память. «Помнит ли он, что обсуждалось вчера?» Без хранения состояния это разовый чат.
• Проверка результата. «Что он делает, если результат плохой?» Если отдаёт как есть, агентом это назвать нельзя.
• Журнал действий. «Где посмотреть, что агент сделал?» Без журнала шагов и причин выпускать систему к клиентам опасно.

Если провалены три вопроса из пяти, вам продают другой продукт. Само по себе это нормально: многим задачам хватает автоматизации или бота по базе знаний. Плохо, когда за него просят цену агента.

Что не работает: обещания без подложки

Теперь о том, что звучит красиво, а в работе ломается.

«Агент сам напишет код вашего стартапа». Инструменты вроде Claude Code и Codex быстро собирают прототип. Чем сложнее проект, тем чаще они ошибаются на длинной дистанции: путают версии библиотек, дублируют код, оставляют скрытые ошибки в редких случаях. Рабочая схема это пара «человек плюс ИИ»: человек держит архитектуру, агент решает локальные задачи. Я сам так работаю каждый день.

«Агент полностью заменит поддержку первой линии». Большую часть типовых вопросов он закроет. Остаются нестандартные случаи, клиенты, которые уже злы на бота, и решения, которые нужно согласовать. Уберёте кнопку «оператор», потеряете часть клиентов. Оставите, и агент работает первой линией, а человек второй.

«Автономный ИИ-трейдинг». Технически собрать агента, который торгует на бирже, можно. Окупаемость сомнительна: на рынке против вас алгоритмы с несравнимо большими данными, скоростью и капиталом. Если вам продают «ИИ-трейдинг под ключ» с гарантией дохода, это повод насторожиться.

«Агент сам ведёт ваш бизнес». Современные модели теряют нить на длинных цепочках шагов. Стратегия, переговоры, работа с проверяющими органами остаются за людьми. Руководящих ролей агенты в 2026 году не занимают.

Сколько стоит ИИ-агент для бизнеса

Цена складывается из двух частей: разработка один раз и ежемесячная работа (модель, сервер, сопровождение). Все цифры ниже взяты из моего прайса на странице /ceny/, это нижняя граница.

В разработку входит: разбор процесса, проектирование, подсказки для модели, подключение инструментов и источников данных, проверка на наборе реальных случаев, запуск и журнал действий. Отдельно идёт сбор базы знаний, если её нет, и обучение сотрудников (в прайсе «Обучение команды работе с ИИ» от 80 000 ₽).

Сложные системы из нескольких агентов с жёсткими требованиями к надёжности стоят заметно дороже, их считаю по проекту. Подробный разбор этапов и бюджета есть в статье разработка ИИ-агентов для бизнеса под ключ, а общий взгляд на бюджет внедрения в материале сколько стоит внедрить ИИ в компанию.

Ежемесячный расход на модель я показываю в рублях за каждый ответ и ставлю потолок на сутки, чтобы счёт не стал сюрпризом. Как это устроено, описал в кейсе обвязка для ИИ: цена ответа в рублях. Окупаемость считаю до старта по вашему потоку обращений: сколько часов сотрудника уходит на задачу сейчас и сколько останется.

ИИ-агент или обычная автоматизация: когда агент не нужен

Часть запросов «нужен ИИ-агент» решается обычным сценарием без нейросети. Таблица, по которой я выбираю:

Главный признак, что нужен именно агент: входные данные не структурированы, и сценарий ветвится непредсказуемо. Если процесс можно нарисовать схемой на доске и не отступать от неё, берите обычную автоматизацию. Если не получается, нужен агент с инструментами и планированием.

Мои проекты с ИИ-агентами

Три разбора, где видно, как агенты устроены на практике. В каждом честно написано, что работает и чего пока нет.

Семейный и командный ассистент в мессенджере. Мой собственный продукт: семья или небольшая команда пишет боту текстом, голосом, фото или пересылкой, а модель решает, что это: событие, задача, покупка, платёж или документ. Из фото чека получается расход, из договора аренды платежи и сроки. Для команды есть задачи с проверкой, фото счетов бухгалтеру и расшифровка голосовых совещаний в протокол с поручениями. Один код обслуживает Telegram и MAX. Настоящей аудитории пока нет, тестируют знакомые. Разбор: Kinly: семейный ИИ-ассистент в Telegram и MAX.

Рабочее место руководителя с 30 ролями. Тоже мой продукт: юрист, кадровик, экономист, закупщик и другие роли-агенты в одном кабинете. Каждый отвечает по одному протоколу: ответ по существу, варианты с риском в рублях, рекомендация, решение за руководителем. Персональные данные заменяются метками до отправки в модель, ответ можно скачать файлом Word. Автотестов пока нет, и ответы модели сами по себе юридической силы не имеют, это написано прямо. Разбор: Ферзь: рабочее место руководителя без штатных юриста и кадровика.

Слой между агентом и моделью. Прячет всех провайдеров за одной операцией, считает цену каждого ответа в рублях и останавливает агента при достижении суточного потолка. Модель меняется без потери памяти, потому что документы и примеры лежат у клиента. Разница в цене одного ответа между доступными моделями вышла больше чем в тринадцать раз, и это главный довод выбирать модель по задаче. Разбор: обвязка для ИИ: цена ответа в рублях и потолок на сутки.

Фреймворки для разработки ИИ-агентов

Если вы решили делать агента своими силами, вот из чего выбирают. Кратко: сильная сторона, слабая и когда брать.

Мой выбор для большинства задач: Pydantic AI. LangChain беру, когда нужны редкие интеграции. n8n ставлю заказчикам, которые хотят править сценарии сами. Если бюджета пока нет и хочется попробовать руками, начните с бесплатных инструментов из статьи бесплатные и локальные ИИ-агенты.

Пример кода: минимальный ИИ-агент на Python

Чтобы было видно, как агент устроен внутри, вот минимальный пример на Pydantic AI: два инструмента (калькулятор и заглушка поиска) и задача в несколько шагов.

from pydantic_ai import Agent
from pydantic import BaseModel
import math

# 1) Структура ответа: типизированный результат
class AnswerReport(BaseModel):
    answer: str
    steps_taken: list[str]
    confidence: float

# 2) Агент с системной подсказкой
agent = Agent(
    "openai:gpt-4o-mini",  # или российская модель через своего провайдера
    output_type=AnswerReport,
    system_prompt=(
        "Ты помощник-аналитик. На каждый вопрос используй доступные "
        "инструменты, чтобы дать точный ответ. Не выдумывай факты, "
        "если не уверен, скажи об этом."
    ),
)

# 3) Инструменты
@agent.tool_plain
def calculator(expression: str) -> float:
    """Вычисляет выражение: +, -, *, /, **, sqrt. Только для примера."""
    safe = {"sqrt": math.sqrt, "pi": math.pi, "e": math.e}
    return eval(expression, {"__builtins__": {}}, safe)

@agent.tool_plain
def search_web(query: str) -> str:
    """Заглушка поиска. В работе здесь вызов поискового API."""
    return f"Заглушка: результаты по '{query}' получены"

# 4) Задача
result = agent.run_sync(
    "Сколько секунд в году, и какова в этом году инфляция в РФ? "
    "Подели одно на другое и объясни, что получилось."
)

# 5) Структурированный ответ
print(f"Ответ: {result.output.answer}")
print(f"Шаги: {result.output.steps_taken}")
print(f"Уверенность: {result.output.confidence}")

Что делает агент на этом коде:

1. Понимает, что нужны два факта: число секунд в году и текущая инфляция.
2. Сам вызывает calculator для 365×24×3600.
3. Вызывает search_web за инфляцией.
4. Считает результат тем же калькулятором.
5. Возвращает структурированный ответ с оценкой уверенности.

Это скелет. Рабочий агент обрастает десятками инструментов, памятью между сессиями (Redis или Postgres), передачей человеку, журналом действий и повторами при сбоях. Калькулятор через eval здесь только для наглядности, в рабочей системе так делать нельзя.

Юридические нюансы ИИ-агентов в России

Раздел, который разработчики часто пропускают. Три вопроса.

Какие модели можно использовать. Если агент работает с персональными данными (ФИО, телефон, почта клиента, а это почти всегда так), первичная запись и хранение должны идти в базах на территории России по ч. 5 ст. 18 152-ФЗ. Отправлять такие данные в зарубежные модели рискованно. За нарушение локализации компании грозят штрафы по ст. 13.11 КоАП, для юрлиц это миллионы рублей, а повторное нарушение наказывается строже. Суммы в 2025 году меняли, поэтому актуальную редакцию статьи сверьте с юристом. Подробно в статье о локализации ПД.

Варианты, которые закрывают этот вопрос: YandexGPT, GigaChat и другие российские модели, а также открытые модели на своём сервере в России. Сравнение в статье про российский ИИ-стек. Ещё один приём, который я использую: заменять персональные данные метками до отправки в модель и возвращать их уже в ответе.

Согласие пользователя. Если агент обрабатывает данные клиента (даже переписка в чате это ПД), в согласии и политике нужно указать автоматизированную обработку. Если агент сам принимает решения, которые влияют на права человека (отказ в услуге, цена, рейтинг), по ст. 16 152-ФЗ нужно отдельное письменное согласие.

Кто отвечает за ошибку агента. Перед клиентом отвечает компания, которая агента использует. Поэтому для денег, медицины, юридических и кадровых решений человек в петле обязателен, а журнал действий и возможность отмены нужны любой системе, которая касается клиентов.

5 ошибок при внедрении ИИ-агента

Типовые грабли, которые я закладываю в план с первого дня:

1. Слишком много свободы сразу. Агент с полным доступом к CRM и почте в первую же неделю может разослать клиентам письмо с ошибкой. Решение: поэтапный запуск. Сначала только чтение, потом действия с подтверждением, потом самостоятельно и с лимитами.
2. Не считают расход на модель. Агент, который по любому запросу крутится в цикле «подумал, проверил, переделал», съедает бюджет незаметно. Решение: лимит шагов на задачу, ограничение длины контекста, суточный потолок в рублях и оповещение при приближении к нему.
3. Не ведут журнал. Что-то пошло не так, а расследовать нечем. Решение: с первого дня записывать каждый шаг агента: что решил, какой инструмент вызвал, что получил, что сделал дальше.
4. Нет человека в петле для критичных действий. Деньги, удаление данных, массовые рассылки, изменение прав доступа должны требовать подтверждения человека. Список таких действий фиксирую до запуска.
5. Не проверяют странные случаи. На обычных вопросах всё работает, а сообщение на другом языке, огромный текст или попытка заставить агента нарушить правила его ломают. Решение: набор из сотни-двух реальных и «хаотичных» обращений, который прогоняется перед каждым обновлением.

Куда движутся ИИ-агенты в 2026-2027

Что я вижу по своим проектам и по тому, что выходит у разработчиков моделей.

Управление компьютером. Агент работает с программой как человек: смотрит на экран, двигает мышью, печатает. Для старых систем без API это прорыв, но пока медленно и дорого, поэтому применение нишевое.

Несколько агентов в одной системе. Один планирует, несколько исполняют, ещё один проверяет результат. Из экзотики это становится обычной архитектурой, особенно там, где ошибка стоит дорого.

Голосовые агенты. Задержка ответа сокращается, речь звучит естественнее. Это изменит колл-центры и первый этап найма, но на русском языке голос пока узнаваем.

Модели на устройстве и на своём сервере. Простые задачи (классификация, фильтрация, короткие ответы) всё чаще решаются без облака. Для бизнеса это и экономия на больших объёмах, и меньше вопросов по персональным данным.

Частые вопросы

Что такое ИИ-агенты для бизнеса?

Это программы на основе языковой модели, которые сами выполняют рабочую задачу по шагам: читают обращение или документ, решают, что делать, вызывают нужные сервисы (CRM, календарь, почту, учётную систему), проверяют результат и передают человеку спорное. Типовые задачи: ответы клиентам, квалификация заявок, запись, разбор почты и документов, ответы по регламентам, протоколы совещаний.

Сколько стоит ИИ-агент для бизнеса?

По моему прайсу: ИИ-консультант для ответов клиентам от 50 000 ₽, автоматизация процессов с ИИ от 100 000 ₽, полноценный ИИ-агент от 150 000 ₽. Ежемесячно модель от 3 000 до 5 000 ₽, сопровождение ассистента от 15 000 ₽ в месяц. Начать можно с пилота за 3 дня от 30 000 ₽. Разбор цены для продаж в статье сколько стоит ИИ-агент.

Чем ИИ-агент отличается от чат-бота?

Чат-бот отвечает на вопросы, агент выполняет действия. У агента есть инструменты (запись в CRM, календарь, отправка писем), он сам планирует шаги и проверяет результат. Бот по кнопкам или бот с нейросетью дешевле и для многих задач достаточен. Подробно в статье ИИ-агенты против чат-ботов.

Можно ли сделать ИИ-агента бесплатно?

Для пробы да: есть бесплатные тарифы сервисов, локальные модели и n8n на своём сервере. Предел наступает, когда нужны надёжность, интеграции с вашими системами и защита персональных данных. Что попробовать без бюджета, разобрал в статье бесплатные и локальные ИИ-агенты.

Сколько времени занимает разработка?

ИИ-консультант для ответов клиентам от 1 недели, автоматизация процессов с ИИ от 2 недель, ИИ-агент с интеграциями от 3 недель. Если базу знаний нужно собирать с нуля из разрозненных файлов и переписок, добавьте время на это. Пилот на одной задаче занимает 3 дня.

Можно ли использовать зарубежные модели для ИИ-агента в России?

Технически да. С персональными данными клиентов из России это риск нарушения ч. 5 ст. 18 152-ФЗ. Для задач без персональных данных (общий контент, расчёты) вопрос мягче. Для работы с клиентскими данными выбираю российские модели, открытые модели на сервере в России или обезличивание данных до отправки.

Что выбрать: LangChain или n8n с нейросетью?

Если задача укладывается в линейный сценарий с понятными ветками, n8n: дешевле в разработке, проще в поддержке, заказчик правит сам. Если нужны настоящее планирование, проверка результата и инструменты в непредсказуемом порядке, LangChain или Pydantic AI. По моему опыту, заметная часть запросов «нужен агент» закрывается n8n с одним обращением к модели.

ИИ-агент заменит сотрудника?

В 2026 году нет. Он заберёт часть рутины: типовые ответы, перенос данных, первичный разбор. Сотрудник остаётся там, где нужны контекст, эмпатия, переговоры и нестандартные решения. Если задача звучит как «полностью заменить человека», скорее всего, результат будет хуже, чем с человеком в петле.

Безопасно ли давать агенту доступ к CRM и базам?

Если доступ настроен правильно, да. Принципы: минимальные права, отдельные ключи для агента с лимитами, журнал каждого действия, список опасных операций с подтверждением человека, регулярный просмотр журнала. Опасно дать агенту админский доступ ко всей CRM и надеяться на лучшее.

Можно ли сделать агента на YandexGPT или GigaChat?

Да. Обе модели поддерживают вызов функций, на них можно строить агентов. Для большинства задач малого бизнеса разница с зарубежными моделями для клиента почти незаметна, а вопрос локализации данных решается проще. Сравнение в статье про российский ИИ-стек.

Как научить агента работать с моими данными?

Почти всегда через поиск по документам (RAG), без дообучения модели. Документы, правила и примеры удачных ответов хранятся у вас, модель получает их в составе запроса. Так модель можно сменить без потери «памяти». Дообучение имеет смысл, только если RAG не справляется с особым стилем или жаргоном, и это отдельный, заметно более дорогой проект.

Выводы: с чего начать

1. Сформулируйте задачу как процесс. «Нужен ИИ-агент» это пока не задача. «Разбирать 200 входящих писем в день по пяти типам и отвечать на три из них» уже задача. Чем конкретнее, тем точнее цена и срок.
2. Проверьте, нужен ли агент. Если процесс укладывается в линейный сценарий, обычная автоматизация или бот сделают то же дешевле. Таблица выше помогает выбрать.
3. Выберите модель под данные. Есть персональные данные клиентов, значит российские модели, свой сервер в России или обезличивание. Нет, выбор свободнее.
4. Начните с пилота на одной задаче. Один процесс, один канал, понятные метрики. Получилось, расширяйте. Пытаться сделать всё сразу дорого и долго.

Хотите разобраться сами, фреймворки зрелые и документация есть. Хотите быстрее и без типовых граблей, пишите.

Напишите мне в Telegram кодовое слово «АГЕНТЫ», и коротко опишите задачу, которая отнимает у вас или сотрудников больше всего времени. Я скажу, нужен ли там агент или хватит бота, и с какого пилота начать.