Kitabı oxu: «Как заработать на ИИ-агентах»
ТИТУЛЬНЫЙ ЛИСТ
Как заработать на ИИ-агентах:
от первого бота до системы, которая продаёт и поддерживает сама
Никита Куликов
ВВЕДЕНИЕ
Почему эта книга написана именно сейчас
Ещё два года назад фраза «я зарабатываю на ИИ-агентах» вызывала у большинства предпринимателей вежливое недоумение. Сегодня она звучит как «я зарабатываю на сайтах» – то есть как нормальная, понятная и вполне рабочая профессия. Разница лишь в том, что рынок сайтов сформировался за двадцать лет, а рынок ИИ-агентов – за двадцать месяцев. И это означает простую вещь: окно возможностей открыто прямо сейчас, но оно не будет открыто вечно.
Каждый технологический сдвиг проходит три стадии. На первой о технологии говорят только энтузиасты, и деньги зарабатывают единицы – те, кто просто оказался рядом. На второй появляются понятные бизнес-задачи, и деньги начинают зарабатывать те, кто умеет переводить технологию на язык результата. На третьей рынок консолидируется, появляются крупные игроки, и одиночке становится всё сложнее. С ИИ-агентами мы находимся ровно между первой и второй стадией. Модели уже достаточно умны, чтобы выполнять реальную работу. Платформы уже достаточно просты, чтобы собрать первого агента за вечер без единой строчки кода. Но большинство предпринимателей всё ещё не понимают, что с этим делать, кому это нужно и сколько это должно стоить. Именно этот разрыв между «технология есть» и «бизнес не знает, как её применить» – и есть ваша точка входа в заработок.
Эта книга – не про то, как устроены большие языковые модели. Не про то, как обучать нейросети. И не про то, какое будущее ждёт человечество. Она про предельно приземлённые вещи: как найти человека, у которого болит конкретная задача, как собрать агента, который эту задачу закрывает, как назначить за это цену и как выстроить систему, которая приносит деньги, пока вы спите. Всё остальное – интересно, но к заработку имеет косвенное отношение.
Кому эта книга не подойдёт
Честность с читателем начинается с честности о том, кому книга не нужна. Если вы ищете волшебную кнопку «сделать деньги на ИИ» – закройте её. Таких кнопок нет, и любая книга, которая обещает обратное, продаёт вам воздух. Если вы хотите понять, как устроены трансформеры и что такое механизм внимания, – вам нужен учебник по машинному обучению, а не эта книга.
Эта книга подойдёт вам, если вы готовы к тому, что первый агент будет кривым, первый клиент – скептичным, а первый гонорар – скромным. Если вы готовы потратить несколько вечеров на то, чтобы разобраться в интерфейсе конструктора, а потом ещё несколько – на то, чтобы переписать промпт, потому что агент упорно говорит клиентам не то, что нужно. Если вы готовы воспринимать ИИ-агента не как магию, а как инструмент, который делает работу, – и требует настройки, как любой инструмент.
Что вы получите к концу книги
У книги есть конкретная траектория, и к последней странице вы будете находиться в другой точке, чем сейчас. Вот что это за точка.
Во-первых, у вас будет работающий агент. Не концепция, не прототип на бумаге, а собранный и протестированный агент, который отвечает на реальные вопросы реальных людей. Скорее всего, вы соберёте его уже в первой части книги, потому что лучший способ понять агента – сделать его руками.
Во-вторых, вы будете понимать, за что именно платят клиенты. Главная ошибка новичка – пытаться продать «ИИ-агента». Клиенту не нужен агент. Клиенту нужно, чтобы перестали теряться заявки, которые приходят ночью. Чтобы оператор поддержки не отвечал на одни и те же двадцать вопросов по кругу. Чтобы менеджер по продажам не тратил первые десять минут разговора на выяснение бюджета и сроков. Вы научитесь переводить технологию на язык этих болей – и именно этот перевод и оплачивается.
В-третьих, у вас будет модель ценообразования. Одна из самых частых проблем фрилансеров, работающих с ИИ, – они назначают цену за часы, а получают копейки, потому что агента можно собрать за вечер. В книге будет отдельная глава о том, почему почасовая оплата – ловушка, и как строить цену от экономики клиента, а не от собственного времени. Вы уйдёте с тремя рабочими схемами монетизации и пониманием, какая из них подходит именно вам.
В-четвёртых, вы увидите путь к системе. Один агент – это подработка. Система из нескольких агентов, которые передают друг другу контекст, эскалируют сложные случаи человеку и работают без вашего постоянного вмешательства, – это бизнес. Третья часть книги посвящена именно этому переходу: как разделять задачи между агентами, как хранить память о клиенте, как наблюдать за качеством и как масштабировать то, что получилось, не утонув в поддержке.
В-пятых, у вас будет план на две недели. Последняя часть книги – это пошаговый сценарий первого платного проекта: что делать в дни с первого по третий, с четвёртого по седьмой, с восьмого по четырнадцатый. Не абстрактные советы, а конкретные действия с конкретными сроками.
Небольшое предупреждение
Рынок ИИ-агентов меняется быстрее, чем печатаются книги. Платформы, которые существуют сегодня, могут исчезнуть или измениться. Модели, которые сегодня кажутся лучшими, через полгода будут стоить дешевле и работать лучше. Поэтому эта книга написана не про конкретные инструменты, а про принципы: как найти задачу, как построить решение, как назначить цену, как масштабировать. Инструменты вы сможете подставить любые – принципы останутся теми же.
И ещё одно. Заработок на ИИ-агентах – это не про технологию. Это про доверие. Клиент платит вам не за то, что вы знаете, как называется нужная модель. Он платит за то, что вы берёте на себя его боль и возвращаете ему решённую задачу. Всё, что написано дальше, – про то, как это сделать хорошо.
Оглавление
ВВЕДЕНИЕ
Глава 1. Почему «агент» – это не чат-бот
Глава 2. Рынок: кто платит и сколько
Глава 3. Ваш первый агент за один вечер (без кода)
Глава 4. Промпт-инжиниринг для агентов, а не для чата
Глава 5. Инструменты: дайте агенту руки
Глава 6. Агент продаж: от лида до встречи
Глава 7. Агент поддержки: 70% тикетов без человека
Глава 8. Ценообразование: сколько брать за агента
Глава 9. Мультиагентная архитектура: разделяй и властвуй
Глава 10. Память и контекст: чтобы агент не переспрашивал одно и то же
Глава 11. Наблюдаемость: как понять, что агент врёт или тупит
Глава 12. Масштабирование: от одного клиента к потоку
Глава 13. Юридические и этические границы: коротко и по делу
Глава 14. Ваш первый платный проект за 14 дней
Глава 15. Куда расти дальше
Заключение
Глава 1. Почему «агент» – это не чат-бот
Вопрос, который стоит миллион
Представьте типичную сцену. Вы приходите к владельцу небольшого интернет-магазина и говорите: «Я могу сделать вам ИИ-бота». Он кивает с вежливым скепсисом. «У нас уже был бот. Клиенты его ненавидели. Он отвечал не по теме, и все просили соединить с человеком». Вы говорите: «Нет, это не бот. Это агент». Он смотрит на вас с той же вежливой усталостью. «А какая разница?»
Разница есть. И она стоит ровно столько, сколько стоит один потерянный ночной заказ, один раздражённый клиент, который ушёл к конкуренту, потому что ему не ответили в течение часа, и один менеджер, который тратит первые десять минут каждого разговора на выяснение того, что можно было выяснить автоматически. Разница между ботом и агентом – это разница между «ответить на вопрос» и «сделать работу».
В этой главе мы разберём, что именно отделяет агента от чат-бота, почему это различие критично для вашего заработка и какие три типа агентов рынок готов покупать уже сегодня. К концу главы у вас будет не абстрактное понимание технологии, а конкретный список того, что вы можете продать.
Бот отвечает. Агент действует
Начнём с определения, которое вы сможете использовать в разговоре с клиентом, не пугая его техническими терминами.
Чат-бот – это система, которая реагирует на запрос пользователя заранее определённым ответом. Даже если этот ответ генерируется большой языковой моделью, суть остаётся той же: бот получает вопрос, находит или создаёт ответ и на этом останавливается. Классический пример: клиент пишет «Где мой заказ?», бот отвечает «Ваш заказ номер 12345 в пути, ожидаемая доставка – пятница». Полезно? Да. Достаточно? Нет.
Агент – это система, которая преследует цель, а не просто отвечает на запрос. Когда клиент пишет «Где мой заказ, я уже неделю жду, и если он не придёт завтра, я хочу вернуть деньги», агент не просто находит статус заказа. Он проверяет трек-номер в логистической системе, видит задержку, принимает решение: если задержка превышает установленный порог, он может инициировать процедуру возврата, отправить клиенту форму, создать тикет в CRM и уведомить менеджера. Всё это – без пошаговых инструкций от человека.
Microsoft формулирует это различие предельно чётко: «Чат-боты отвечают на отдельные запросы; ИИ-агенты стремятся к целям через рассуждение и действие в несколько шагов». Ключевое слово – «действие». Агент не заканчивает свою работу там, где заканчивается диалог. Он продолжает её в системах, к которым имеет доступ.
Для вас как для человека, который хочет на этом зарабатывать, это различие имеет практическое следствие. Клиент платит за бота неохотно, потому что бот – это «ещё один канал, который надо обслуживать». Клиент платит за агента с удовольствием, потому что агент – это «сотрудник, который не просит зарплату и не уходит в отпуск». Позиционирование решает всё.
Анатомия агента: четыре детали, без которых ничего не работает
Если вы собираетесь строить агентов и продавать их, вам нужно понимать, из чего они состоят. Не на уровне «магии нейросетей», а на уровне конструктора, где каждая деталь выполняет понятную функцию. Вот эти четыре детали.
Первая: рассуждающий мозг. В центре любого агента находится языковая модель, но не просто как генератор текста. Агент использует модель для того, чтобы разбить задачу на шаги, решить, какой инструмент применить следующим, и оценить, достигнут ли результат. Если клиент пишет «хочу вернуть этот товар, он бракованный», модель должна решить: сначала проверить номер заказа в базе, потом проверить, попадает ли товар под гарантию, потом предложить вариант – замена или возврат. Это не один запрос к модели, это цепочка решений.
Вторая: инструменты. Самая важная часть. Без инструментов агент – это просто умный собеседник. С инструментами он получает руки. Инструментом может быть запрос к базе данных, вызов API CRM, отправка письма, создание задачи в таск-трекере, проверка наличия на складе. Когда вы продаёте агента, вы на самом деле продаёте не «ИИ».
Вы продаёте интеграцию между разговором и теми системами, где хранится информация и происходят действия. Клиенту не нужно, чтобы агент «был умным». Клиенту нужно, чтобы агент «записывал в AmoCRM» или «проверял в 1С».
Третья: память. Агент должен помнить, что было сказано раньше. Если клиент в первом сообщении назвал номер заказа, а в третьем спрашивает «А когда он придёт?», агент должен понимать, о каком заказе речь, не переспрашивая. Память бывает короткой – в рамках одного диалога – и длинной, когда агент помнит, что этот клиент уже обращался неделю назад с той же проблемой. Для продающего агента память критична: если агент квалифицировал лида и выяснил бюджет, он не должен спрашивать об этом снова, когда клиент возвращается через день.
Четвёртая: цикл. Агент работает не линейно, а в петле: подумал → сделал → посмотрел на результат → решил, что делать дальше. Если инструмент вернул ошибку, агент может попробовать другой путь. Если клиент ответил уклончиво, агент может задать уточняющий вопрос.
Эта цикличность – то, что отличает агента от скрипта автоматизации, который ломается при первом же отклонении от сценария.
Вот и всё. Никакой магии. Четыре детали: мозг, инструменты, память, цикл. Когда вы будете собирать своего первого агента – а вы сделаете это в третьей главе, – вы будете собирать именно эти четыре части.
Когда вы будете объяснять клиенту, за что он платит, вы будете перечислять именно эти четыре части, переведённые на язык его бизнеса.
Три типа агентов, которые рынок покупает прямо сейчас
Теперь самое важное для заработка: какие именно агенты нужны людям, у которых есть деньги. Не «что интересно сделать», а «за что готовы платить». Рынок уже проголосовал, и голосование достаточно однозначное.
Первый тип: агент-квалификатор. Это агент, который работает на входе воронки продаж. Его задача – не продать, а выяснить, стоит ли тратить на человека время менеджера. Он задаёт вопросы: какой бюджет, какие сроки, кто принимает решение, какая задача. Он отсеивает тех, кто «просто посмотреть», и передаёт менеджеру тех, кто готов к разговору. Почему это покупают? Потому что менеджеры по продажам тратят от трети до половины времени на разговоры, которые ничем не заканчиваются.
Агент, который делает эту работу, окупается за первую же неделю. G2 сообщает, что 86% B2B-покупателей приобретали агентские решения за последний год, и почти половина видит как минимум 11% улучшения времени цикла в высоконагруженных процессах. Квалификация лидов – один из самых измеримых процессов, а значит, один из самых простых для продажи.
Второй тип: агент-резолвер. Это агент поддержки, который закрывает тикеты без участия человека. Не «отвечает на вопросы», а именно закрывает: находит решение в базе знаний, применяет его, если нужно – делает действие (отменяет заказ, меняет адрес доставки, продлевает подписку), и только в сложных случаях передаёт человеку.
Gartner прогнозировал, что к 2030 году агенты будут обрабатывать 80% задач клиентской поддержки. Это не футуристическая картина; это направление, в котором движутся крупные компании, и малый бизнес следует за ними с задержкой в год-два. Вы можете продавать этого агента сейчас, пока конкуренты ещё не научились.
Третий тип: агент-операционист. Это внутренний агент, который не общается с клиентами, а делает рутинную работу внутри компании. Обрабатывает входящие счета, сверяет данные из двух таблиц, готовит черновики коммерческих предложений по шаблону, собирает отчёты. Этот тип менее заметен, но часто проще в продаже, потому что владелец бизнеса сам страдает от рутины, которую выполняет его бухгалтер или ассистент, и ему не нужно объяснять, зачем автоматизировать то, что он видит каждый день.
У каждого из этих трёх типов есть общая черта: результат измерим. Количество квалифицированных лидов. Процент закрытых тикетов. Количество сэкономленных часов. Именно измеримость делает их продаваемыми. «Красивый бот» – это не результат. «Агент, который закрывает 60% тикетов и экономит двадцать часов в месяц» – это результат, за который платят.
Почему сейчас – лучший момент, и почему он не будет длиться вечно
Есть соблазн думать, что рынок ИИ-агентов уже перегрет, что крупные игроки всё захватили и новичку там нет места. Это не так. Данные говорят об обратном.
G2 провела опрос более тысячи B2B-руководителей в июле 2026 года и обнаружила, что 86% из них покупали агентские решения за последний год – рост на 25 процентных пунктов по сравнению с предыдущим годом. При этом 47% организаций всё ещё управляют агентами «неформально или через децентрализованные модели».
Что это значит на практике? Что компании уже покупают агентов, но ещё не научились их правильно внедрять и поддерживать. Именно здесь находится место для человека, который умеет собрать, настроить и сопроводить агента. Крупные вендоры продают платформы. Они не продают «сделать под ключ для вашего конкретного бизнеса». А малому и среднему бизнесу нужно именно «под ключ».
Ещё одна цифра: IDC прогнозирует, что количество активных агентов в Америке вырастет с 53 миллионов в 2026 году до 741 миллиона к 2029-му, то есть примерно в 14 раз за три года. Если даже половина этого прогноза сбудется, объём работы по внедрению, настройке и поддержке агентов вырастет на порядок. Вам не нужно быть тем, кто построит следующую платформу. Вам достаточно быть тем, кто умеет подключить существующую платформу к конкретному бизнесу.
Но окно не будет открыто вечно. Когда рынок насытится, когда появятся готовые коробочные решения для каждой вертикали, когда крупные игроки начнут предлагать «агент для стоматологии за 5000 рублей в месяц» – вот тогда конкурировать станет сложно. Сейчас этого ещё нет. Сейчас есть разрыв между возможностями технологии и пониманием бизнеса. Этот разрыв – ваша возможность. Он закроется через год-два.
Что вы можете продать уже на этой неделе
Давайте закончим главу конкретикой. Не «когда-нибудь вы построите агента», а «что именно вы можете предложить человеку, у которого есть бизнес и боль».
Возьмите три сценария, которые не требуют ни глубоких технических знаний, ни доступа к сложным системам. Первый: агент, который отвечает на входящие сообщения в мессенджер и записывает на консультацию. Это нужно каждому, кто продаёт услуги – от репетиторов до стоматологов. Второй: агент, который проверяет статус заказа по номеру и отвечает на вопросы о доставке. Это нужно каждому интернет-магазину. Третий: агент, который собирает заявки с сайта, задаёт три квалифицирующих вопроса и отправляет результат в CRM. Это нужно каждому, у кого есть отдел продаж.
Ни один из этих сценариев не требует «прорывных технологий». Все три решаются на существующих платформах за несколько вечеров. Все три имеют измеримый результат, который можно показать клиенту через неделю после запуска. И все три – это не «боты». Это агенты, потому что они не просто отвечают, а доводят до результата: до записи, до информации, до сделки в CRM.
В следующей главе мы поговорим о том, кто именно платит за таких агентов, сколько платит и как найти первых трёх клиентов, не имея портфолио. А в третьей главе вы соберёте своего первого работающего агента – с инструментами, памятью и циклом. Не на бумаге. В реальности.
Практическое задание к главе 1.
Выпишите три бизнеса, с которыми вы так или иначе контактируете: салон, магазин, школа, автосервис, что угодно. Для каждого определите один процесс, где человек тратит время на повторяющиеся вопросы или действия. Не пытайтесь автоматизировать всё. Выберите один процесс, для которого результат можно измерить в цифрах: количество записей, количество отвеченных сообщений, количество обработанных заявок. Это будет ваш первый кандидат на агента.
Глава 2. Рынок: кто платит и сколько
Цифра, которая меняет разговор с клиентом
В предыдущей главе мы разобрались, чем агент отличается от бота. Теперь представьте, что вы приходите к тому же владельцу интернет-магазина и говорите: «Я сделаю вам агента, который будет закрывать часть обращений в поддержку». Он пожимает плечами. Тогда вы достаёте телефон и показываете ему одну цифру.
В июле 2026 года G2 опросила 1019 руководителей B2B-компаний. Выяснилось, что 86% из них за последний год покупали программное обеспечение или услуги на основе ИИ-агентов. Годом ранее таких было 69%. Рост – 25 процентных пунктов за один год. Это не прогноз аналитиков, не обещание футурологов. Это факт: люди, у которых есть бюджеты, уже голосуют за агентов деньгами.
Владелец магазина смотрит на цифру. Потом на вас. «И что это значит для меня?» – спрашивает он. Это значит, что вы не пытаетесь продать ему что-то экзотическое. Вы продаёте ему то, что его конкуренты, скорее всего, уже покупают или рассматривают. Разговор перестаёт быть про технологию и становится про то, почему он всё ещё платит живому человеку за ответы на вопросы «где мой заказ» и «есть ли доставка в мой город».
В этой главе мы разберём три вещи, без которых невозможно назначить цену и найти первого клиента. Первое: кто на самом деле платит и какие бюджеты уже выделены. Второе: за что именно платят – не за «агента», а за конкретный результат, который можно измерить. Третье: как выбрать нишу, в которой ваш первый проект не утонет в согласованиях и не окажется никому не нужным.
Кто платит: три портрета покупателя
Рынок ИИ-агентов неоднороден. За словом «бизнес» скрываются три очень разных покупателя, и у каждого своя логика.
Первый: малый бизнес с 1 до 50 сотрудников. Это владелец салона, стоматологии, небольшого интернет-магазина, онлайн-школы. У него нет ИТ-отдела. У него нет стратегии внедрения ИИ. У него есть боль: сообщения в мессенджер приходят ночью, менеджер не успевает, клиенты уходят к тем, кто отвечает быстрее. Он платит из своего кармана и хочет понять, окупится ли это. По данным Pax8, 67% малых предприятий, использующих ИИ, уже создали хотя бы одно собственное ИИ-решение, которое регулярно используется. Ещё 19% находятся на стадии прототипа. Это означает, что малый бизнес уже не просто покупает готовые инструменты – он строит. И тому, кто умеет строить, есть что предложить.
Второй: средний бизнес с 50 до 500 сотрудников. У него есть отдел продаж, служба поддержки, CRM. У него есть бюджеты, но нет понимания, с чего начать. Именно здесь находится самая платёжеспособная аудитория для фрилансера или небольшой студии. G2 обнаружила, что в пяти из шести отраслей примерно половина компаний выделяет на агентов бюджеты свыше 1 миллиона долларов в год . Это не значит, что вам заплатят миллион. Это значит, что деньги в системе есть, и решение о внедрении агента не требует пересмотра годового бюджета с нуля.
Третий: крупное предприятие. С ним сложнее. G2 отмечает, что 38% организаций, использующих агентов в производстве, управляют более чем сотней агентов. При этом 47% признают, что управление остаётся неформальным или децентрализованным. Это парадокс: агентов много, порядка нет. Крупные компании – не ваш первый клиент. Слишком длинный цикл сделки, слишком много согласований, слишком высокие требования к безопасности. Но именно там находятся самые дорогие проекты, к которым можно прийти через год-два, набравшись опыта на малом и среднем бизнесе.
Для старта выбирайте второй сегмент. Средний бизнес уже страдает от рутины, уже готов платить, но ещё не настолько бюрократизирован, чтобы ваш проект утонул в юридическом отделе.
Сколько платят: вилки, которые существуют на рынке
Теперь самое практичное. Сколько денег вы можете попросить за свою работу. Цифры разнятся в зависимости от источника и географии, но общая картина достаточно ясна.
Российский рынок, по данным Workspace, выглядит так: простой бот или справочник – от 50 000 рублей. Рабочий ИИ-агент, который квалифицирует заявку, заполняет карточку в CRM и ставит задачи менеджеру, – это основной формат для среднего бизнеса. Корпоративная система с несколькими агентами и сложными интеграциями – от 3 миллионов рублей. Для фрилансера, который только начинает, реалистичный первый проект – это «рабочий агент» в диапазоне 100 000–250 000 рублей, если речь идёт о полноценной интеграции с CRM и мессенджерами.
Европейский рынок даёт другие цифры, но пропорции схожие. Neo Vision приводит вилку для малого и среднего бизнеса: proof of concept (доказывание работоспособности концепции) – от 2 500 до 7 500 евро. Рабочий агент для одного рабочего потока с одной-двумя интеграциями и подтверждением человеком – от 10 000 до 30 000 евро. Мультисистемный операционный агент с правами записи и мониторингом – от 20 000 до 60 000 евро. Американские данные от Suvysoft: агент для одного рабочего потока (квалификация лидов или триаж тикетов) – от 3 000 до 12 000 долларов на сборку и от 150 до 600 долларов в месяц на поддержку.
Что это значит для вас? Что цена определяется не «сложностью ИИ», а количеством интеграций и степенью автономности. Агент, который только читает данные и отвечает, дешевле агента, который пишет в CRM, отправляет письма и создаёт задачи. Агент, который работает в одном канале, дешевле агента, который работает в трёх. Клиенту не нужно объяснять, что такое «мультиагентная архитектура». Ему нужно объяснить, что каждая дополнительная система, к которой подключается агент, – это дополнительная работа, которая снижает риск ошибки и повышает ценность.
За что платят на самом деле: три результата, которые покупают
Есть соблазн думать, что клиент платит за «агента». Это не так. Клиент платит за изменение в своём бизнесе, которое можно измерить. Вот три результата, которые рынок покупает охотнее всего, и каждый из них можно показать в цифрах через неделю после запуска.
Первый результат: скорость первого ответа. В продажах и поддержке скорость первого ответа коррелирует с конверсией сильнее, чем почти любой другой фактор. Клиент, который написал в 23:00 и не получил ответа до утра, с высокой вероятностью уже написал конкуренту. Агент, который отвечает за секунды в любое время суток, решает эту проблему. G2 обнаружила, что в высоконагруженных рабочих потоках четыре из пяти организаций сообщают об ускорении цикла как минимум на 11%, а почти половина видит ускорение на 25% и более. Вы можете продать не «агента», а «время первого ответа, которое сократилось с 8 часов до 30 секунд».
Второй результат: разгрузка людей от повторяющихся задач. 83% покупателей агентов говорят, что агенты улучшили удовлетворённость сотрудников за счёт сокращения рутины. При этом только 14% сообщают о сокращении штата. Это важнейший аргумент для разговора с владельцем бизнеса. Он боится, что вы предлагаете ему «уволить менеджеров». Вы предлагаете ему другое: чтобы менеджеры перестали отвечать на двадцать одинаковых вопросов в день и занялись тем, что действительно требует человека. Цифра, которую вы показываете: «Ваш оператор тратит 60% времени на вопросы, которые агент закроет сам. Это 25 часов в месяц, которые можно потратить на сложные обращения».
Третий результат: обработанные заявки, которые раньше терялись. Это самый прямой путь к деньгам клиента. Если агент отвечает на заявки, которые приходили ночью и оставались без ответа, и конвертирует хотя бы часть из них в записи или звонки, это можно посчитать. «За месяц агент обработал 47 ночных заявок. Из них 12 записались на консультацию. Средний чек – 5000 рублей. Это 60 000 рублей дополнительной выручки, которых раньше не было». Такой расчёт закрывает сделку быстрее, чем любое описание технологии.
Обратная сторона: «налог на недоверие» и почему это ваше преимущество
Есть в данных G2 одна цифра, которую нужно знать наизусть, потому что она одновременно и предупреждение, и возможность. 31% покупателей агентов говорят, что их сотрудники тратят шесть и более часов в неделю на надзор за работой агентов. 45% сообщают, что надзор и переделки съедают более четверти ожидаемого прироста производительности.
G2 называет это «Distrust Tax» – налог на недоверие. Люди не доверяют агенту делать работу самостоятельно, поэтому проверяют каждый его шаг. В результате экономия времени, которую обещал агент, частично съедается временем, которое тратится на проверку.
Почему это важно для вас? Потому что большинство конкурентов продают «агента, который работает сам». Вы можете продавать «агента, которому можно доверять». Это означает: настроенные ограничения, чёткие правила эскалации, логирование всех решений, понятные метрики. Клиент, который однажды обжёгся на агенте, который «наговорил лишнего» или «сломал воронку», будет платить вдвое больше за решение, которое не требует постоянного присмотра. Ваша задача – не просто собрать агента, а сделать так, чтобы через месяц клиент перестал сидеть у него на плече. Это и есть настоящая ценность, за которую платят.
Как выбрать нишу, в которой вас не съедят
Теперь самое практическое: где искать первого клиента. Правило простое: выбирайте нишу, где боль очевидна, результат измерим, а решение не требует доступа к критическим системам.
Плохая ниша для старта: банк или крупный ритейл. Длинный цикл согласований, требования к безопасности, конкуренция с интеграторами, у которых есть референсы. Вы потратите три месяца на переговоры и не получите ничего.
Хорошая ниша: услуги с записью. Стоматологии, салоны красоты, автосервисы, репетиторы, психологи. У них есть расписание, есть входящие сообщения, есть проблема «не успеваю отвечать». Агент, который отвечает на вопросы и записывает на консультацию, окупается за первый месяц. Вы можете найти пять таких бизнесов в своём городе за один день.
Хорошая ниша: интернет-магазины с потоком однотипных вопросов. «Где заказ», «есть ли в наличии», «сколько стоит доставка». Агент, который отвечает на эти вопросы и проверяет статус в системе, снимает нагрузку с поддержки. Результат измерим: количество обработанных обращений, время ответа.
Хорошая ниша: онлайн-школы и инфопродукты. У них есть отдел продаж, который квалифицирует лидов, и есть проблема «лид пришёл, менеджер ответил через три часа, лид уже купил у другого». Агент-квалификатор, который работает мгновенно, решает эту проблему.
В каждой из этих ниш есть общее: владелец бизнеса сам отвечает на сообщения вечером, сам видит, как теряются клиенты, и сам готов платить, чтобы этого не было. Вам не нужно объяснять ему ценность. Вам нужно только показать, что вы можете это сделать.
Упражнение: найдите своего первого клиента
Прежде чем двигаться дальше, сделайте одну вещь. Откройте список своих контактов или вспомните бизнесы, с которыми вы сталкивались за последний месяц. Выберите три, которые подходят под критерии выше. Для каждого определите одну метрику, которую вы могли бы улучшить: время ответа, количество обработанных ночных заявок, процент квалифицированных лидов. Запишите это.
В следующей главе вы соберёте первого работающего агента – не для абстрактного клиента, а для одного из этих трёх. Не для портфолио. Для реального разговора, который может закончиться первым гонораром.
Практическое задание к главе 2. Составьте список из пяти бизнесов в вашем городе или онлайн, которые соответствуют трём критериям: у них есть входящий поток сообщений, они теряют клиентов из-за медленного ответа, и они достаточно малы, чтобы владелец принимал решение сам. Для каждого напишите одну фразу, которую вы скажете при встрече. Не про ИИ. Про то, что болит. Например: «Я заметил, что вы отвечаете в Instagram с задержкой в несколько часов. Сколько клиентов за это время уходит к конкурентам?» Это и есть начало продажи.
Глава 3. Ваш первый агент за один вечер (без кода)
Обещание, которое нужно выполнить
В конце первой главы вы выбрали три бизнеса, у которых болит конкретная задача. В конце второй – определили, за какой результат они готовы платить. Теперь настал момент, ради которого написаны первые две главы: вы соберёте работающего агента. Не на бумаге, не в виде схемы на салфетке, а в виде системы, которая принимает сообщение, думает и возвращает результат.
Обещание «за один вечер» – не маркетинговый ход. Оно основано на простом факте: современные no-code платформы устроены так, что первый рабочий агент собирается за 2–4 часа, если вы не пытаетесь объять необъятное. Ошибка новичка – попытаться автоматизировать всё сразу. Правильный подход – выбрать один сценарий, один канал и один результат. Сделать это хорошо. Потом расширять.
В этой главе мы разберём три платформы, которые подходят для старта, выберем одну и соберём агента шаг за шагом. К концу главы у вас будет работающая система, которую можно показать первому клиенту. Не идеальная, но работающая. А работающая система, которую можно улучшать, стоит дороже идеальной, которая существует только в голове.
Выбор платформы: Make, Voiceflow или Zapier
Все три платформы позволяют собрать агента без кода. Разница – в том, для какого сценария каждая из них лучше подходит. Выбор неправильной платформы на старте – это не катастрофа, но это лишние часы, потраченные на борьбу с интерфейсом вместо решения задачи клиента.
Make.com – это визуальный конструктор сценариев, где вы соединяете модули линиями на холсте. Логика простая: событие (новое сообщение, заполненная форма) запускает цепочку действий. Внутри цепочки может быть модуль ИИ, который принимает решение. Make хорош для агентов, которым нужно делать несколько действий в разных системах: проверить базу знаний, создать запись в CRM, отправить письмо. Стоимость начинается примерно от 9 долларов в месяц за 10 000 операций – этого достаточно, чтобы запустить небольшого агента и тестировать его неделями. Интерфейс визуальный: вы видите всю логику на экране, а не надеетесь, что «чёрный ящик» поймёт ваши инструкции правильно.
Voiceflow – платформа, заточенная именно под разговорных агентов. Если ваш агент общается с клиентами в чате или по телефону, Voiceflow даёт более естественный инструментарий: конструктор диалоговых потоков, работу с базой знаний для ответов на вопросы, обработку ситуаций, когда клиент говорит что-то, чего вы не предусмотрели. Для агента поддержки или агента записи на консультацию Voiceflow часто оказывается быстрее в настройке, чем Make, потому что он изначально построен вокруг разговора, а не вокруг интеграций. Стоимость Pro-плана – около 40 фунтов в месяц за место.
Zapier – самый простой вход. Вы описываете, что должен делать агент, обычным языком, и Zapier предлагает структуру. Интерфейс дружелюбный, интеграций тысячи, но есть важное ограничение: Zapier Agents – это персональные автоматизации, привязанные к вашему аккаунту. Их нельзя встроить на сайт или сделать клиентским интерфейсом. Для внутреннего агента, который обрабатывает входящие заявки и раскладывает их по системам, Zapier подходит отлично. Для агента, который общается с клиентами на сайте, – нет. Для этого нужен Zapier Chatbots, отдельный продукт.
Рекомендация для первого проекта. Если вы собираете агента поддержки или агента записи – берите Voiceflow. Если агента, который делает несколько действий в разных системах (проверил, записал, отправил) – берите Make. Если хотите просто попробовать и понять логику – начните с Zapier, но знайте про ограничение с клиентским интерфейсом.
Дальше в этой главе мы будем собирать агента на Make. Причина простая: Make даёт наиболее наглядное представление о том, что такое «инструменты» и «цикл» агента. Вы увидите, как агент вызывает разные модули и получает от них результат. Этот навык переносится на любую другую платформу.
Что мы будем собирать: агент поддержки для интернет-магазина
Сценарий должен быть достаточно простым, чтобы уложиться в вечер, и достаточно реалистичным, чтобы его можно было показать клиенту. Возьмём агента, который отвечает на вопросы о заказах.
Представьте: клиент пишет в чат или на почту «Где мой заказ номер 12345?». Агент должен найти информацию о заказе, сформулировать ответ и отправить его. Если заказ не найден – честно сказать об этом и предложить связаться с оператором. Если вопрос не про заказ, а про что-то другое (например, «Есть ли у вас доставка в Казань?») – найти ответ в базе знаний.
Этот сценарий хорош тем, что в нём есть все четыре детали агента из первой главы: мозг (модель, которая понимает вопрос), инструменты (поиск заказа, поиск в базе знаний), память (в рамках одного диалога агент помнит, о каком заказе речь) и цикл (если первый поиск не дал результата, агент пробует другой инструмент).
Шаг 1: Регистрация и создание первого сценария
Зайдите на Make.com и создайте аккаунт. Бесплатного плана достаточно для первых экспериментов: 1 000 операций в месяц, две активные сценария, минимальный интервал запуска – 15 минут. Для тестирования этого хватит.
После регистрации вы увидите пустой рабочий стол. Нажмите «Create a new scenario». Перед вами откроется холст, на который вы будете перетаскивать модули из панели слева.
Первый модуль – это триггер, то есть событие, которое запускает агента. В нашем случае это новое входящее сообщение. Make поддерживает множество источников: Gmail, мессенджер, веб-формы. Для теста проще всего использовать Webhook – модуль, который создаёт URL, и любой запрос на этот URL запускает сценарий. Вы можете отправить на этот URL тестовое сообщение через Postman или даже через простую HTML-страницу.
Добавьте модуль Webhooks → Custom webhook. Make сгенерирует URL. Скопируйте его. Позже вы сможете подключить сюда Telegram-бота или форму на сайте, но для первого теста достаточно отправить запрос вручную.
Шаг 2: Добавляем мозг – модуль ИИ-агента
Теперь самое важное: модуль, который будет «думать». В Make это Make AI Agent (New) → Run an agent. Перетащите его на холст и соедините с вебхуком.
При настройке модуля вам нужно указать несколько вещей.
Модель. Make поддерживает разные провайдеры: OpenAI, Anthropic, Groq и другие. Для первого теста можно использовать модель от Groq – она быстрая и имеет бесплатный tier. Если у вас есть ключ OpenAI, используйте его. Главное на этом этапе – не выбирать самую дорогую модель. Для ответов на вопросы о заказах хватит модели среднего уровня.
Системный промпт. Это инструкция, которая описывает роль агента. Не пишите «ты полезный ассистент». Пишите конкретно:
«Ты – агент поддержки интернет-магазина. Твоя задача – отвечать на вопросы клиентов о заказах. Если клиент спрашивает про статус заказа, сначала используй инструмент “Поиск заказа”. Если заказ найден, сообщи статус и предполагаемую дату доставки. Если заказ не найден, вежливо сообщи об этом и предложи связаться с оператором. Если вопрос не про заказ, используй инструмент “База знаний”. Не выдумывай информацию. Если не знаешь ответа, скажи об этом честно».
Обратите внимание на последнюю фразу. Она критична. Без неё агент будет галлюцинировать – придумывать статусы заказов, которых нет. В Voiceflow документация прямо рекомендует включать в промпт правило: «Никогда не угадывай шаги, настройки или политики. Если не уверен, скажи об этом честно, а не выдумывай». Это правило универсально для любого агента.
Шаг 3: Даём агенту руки – создаём инструменты
Пока агент умеет только говорить. Он не может проверить заказ, потому что у него нет доступа к данным. Инструменты – это то, что превращает говорящую голову в работника.
В Make инструмент – это отдельный сценарий, который агент может вызывать. Вы создаёте сценарий, который принимает номер заказа, ищет его в Google Sheets или в базе данных и возвращает результат. Потом в настройках агента вы добавляете этот сценарий как инструмент.
Создайте второй сценарий. Назовите его «Поиск заказа». Триггер – Webhook, который принимает номер заказа. Следующий модуль – Google Sheets → Search rows. Настройте его так, чтобы он искал строку, где номер заказа совпадает с тем, что пришёл. Последний модуль – Webhook response, который возвращает найденную информацию: статус, дату доставки, трек-номер.
Теперь вернитесь к первому сценарию (где агент) и в настройках агента найдите раздел Tools. Добавьте новый инструмент, выбрав «Поиск заказа». Make попросит вас описать инструмент так, чтобы агент понял, когда его использовать. Напишите: «Используй этот инструмент, когда клиент спрашивает о статусе заказа. На вход принимает номер заказа. Возвращает статус и дату доставки».
Повторите то же самое для базы знаний. Создайте третий сценарий, который ищет ответ в Google Doc с частыми вопросами. Или используйте встроенную функцию Knowledge в Make: вы загружаете файл (PDF, TXT, CSV), и агент сам ищет в нём релевантные фрагменты. Для первого раза проще загрузить файл, чем строить отдельный сценарий.
Шаг 4: Добавляем память
Без памяти агент будет вести себя странно. Клиент пишет «Где заказ 12345?», агент отвечает. Клиент пишет «А когда он придёт?», агент не понимает, о каком заказе речь, и переспрашивает. Это раздражает.
В Make память работает через Conversation ID. Когда вы настраиваете агента, укажите, что каждый диалог должен иметь уникальный идентификатор. Если вы тестируете через вебхук, передавайте ID вместе с сообщением. Если подключаете Telegram, ID чата и будет идентификатором диалога. Make сохраняет историю сообщений в рамках одного Conversation ID, и агент видит предыдущие реплики.
Для первого теста можно пропустить этот шаг и просто проверить, что агент отвечает на одиночные сообщения. Но когда вы будете показывать агента клиенту, память – первое, что он заметит. Клиент скажет: «Он помнит, что я уже назвал номер заказа. Это удобно». Это то, за что платят.
Шаг 5: Тестируем и ломаем
Теперь у вас есть сценарий: вебхук принимает сообщение → агент думает → вызывает инструмент → получает результат → формулирует ответ → возвращает ответ. Пора это запустить.
Нажмите Run once в Make. Отправьте на вебхук тестовое сообщение: «Где мой заказ 12345?». Посмотрите, что произойдёт.
Скорее всего, с первого раза не получится. Это нормально. Возможные проблемы:
Агент не вызывает инструмент. Он отвечает «Я не могу проверить заказы». Причина: описание инструмента недостаточно чёткое или системный промпт не говорит явно, что нужно использовать инструмент. Исправьте промпт: «Если клиент спрашивает про заказ, ты ОБЯЗАН использовать инструмент “Поиск заказа”».
Агент вызывает инструмент, но получает ошибку. Проверьте, что вебхук инструмента правильно принимает номер заказа и что Google Sheets настроен верно. Посмотрите логи выполнения в Make – они покажут, на каком шаге что-то пошло не так.
Агент выдумывает ответ. Если он говорит «Ваш заказ в пути» без вызова инструмента – значит, промпт недостаточно строгий. Добавьте: «Никогда не сообщай статус заказа, если ты не получил его через инструмент».
Этот этап отладки – не признак неудачи. Это и есть работа. Один из практиков описывает, как его первый агент сломался из-за апострофа в имени подписчика: «Никто не показывает это в маркетинговых скриншотах. No-code не значит “без отладки”. Это значит, что отладка происходит на понятном языке, а не в трейсбеках Python». Он потратил три часа на исправление граничных случаев, и после этого агент работал месяцами без вмешательства. Ваш первый вечер уйдёт на то же самое. Это нормально.
Шаг 6: Добавляем предохранители
Прежде чем показывать агента кому-то ещё, добавьте два простых правила, которые спасут вас от катастрофы.
Правило первое: лимит на действия. Make позволяет ограничить количество шагов, которые агент может выполнить за один запуск. Установите лимит в 3–5 шагов. Без этого агент может застрять в цикле: вызвал инструмент, получил непонятный результат, попробовал снова, снова, снова. Каждый шаг стоит денег и времени. Лимит заставит его остановиться и вернуть то, что есть.
Правило второе: эскалация. В системный промпт добавьте инструкцию: «Если ты не можешь ответить на вопрос или клиент явно недоволен, предложи соединить с оператором. Не пытайся решить проблему самостоятельно, если она выходит за рамки твоих инструментов». Это защита от самого страшного: агент, который пытается быть полезным там, где не должен.
В Voiceflow для этого есть отдельный механизм – playbooks и передача человеку. В Make вы просто добавляете в ответ фразу «Я передам ваш вопрос оператору» и, если нужно, отправляете уведомление в Telegram или Slack. Для первого агента достаточно текстовой эскалации.
Что вы получили и что с этим делать дальше
К концу вечера у вас есть агент, который принимает сообщение, понимает, о чём речь, проверяет данные через инструмент и возвращает осмысленный ответ. Он не идеален. Он не обработает сто разных сценариев. Но он работает. И это главное.
Теперь самое важное: покажите его кому-то. Не продавайте. Просто покажите. Отправьте ссылку на вебхук или подключите Telegram-бота и попросите знакомого написать вопрос про заказ. Посмотрите, как он реагирует. Скорее всего, он скажет что-то вроде «О, это удобно». Или «А он может ещё вот это?». Оба ответа – хорошо. Первый подтверждает ценность. Второй даёт направление для развития.
Создание агента c российскими сервисами
Мы разобрали логику сборки на примере Make.com — это было нужно, чтобы понять саму механику: триггер, мозг, инструменты, память, цикл. Но если вы планируете работать с российскими клиентами, зарубежные платформы создают три практических барьера: оплата в валюте, соответствие требованиям 152-ФЗ о хранении персональных данных и отсутствие русскоязычной поддержки. К счастью, к концу 2026 года на рынке сформировался полноценный отечественный стек — от бесплатных экосистемных конструкторов до корпоративных low-code решений для закрытого контура.
Давайте посмотрим, что выбрать для первого вечера, и соберём агента на одной из платформ.
Категории российских платформ: что для чего подходит
Российские платформы для сборки ИИ-агентов делятся на четыре группы. Выбор зависит от задачи и клиента.
Первая группа: экосистемные платформы — для быстрого и бесплатного старта. Это оптимальный вход для первого агента, потому что они дают доступ к мощным моделям и визуальному конструктору без первоначальных вложений.
GigaPlatform AI Studio (Сбер) — полностью бесплатная платформа, доступная после входа через Сбер ID. Внутри — визуальный конструктор без кода, все актуальные модели семейства GigaChat (включая GigaChat 3.5 Reasoning), инструменты для работы с текстом, голосом и документами. Можно загружать собственные документы и базы знаний, чтобы создавать помощников для HR, техподдержки и продаж. Агентов можно собирать из готовых блоков или шаблонов и проверять прямо в студии. Это самый простой способ проверить гипотезу и собрать рабочий прототип за вечер без единого рубля.
Yandex AI Studio — более мощная коммерческая платформа с бесплатным тарифом и грантом 4000 ₽ для старта; стоимость начинается от 100 ₽ в месяц. Ключевой инструмент — конструктор Agent Atelier, где можно собирать агентов, подключать к ним дополнительные инструменты и использовать собственные данные через AI Search и File Search. Платформа поддерживает интеграцию с CRM и внешними системами через API, включая OpenAI-совместимые API и MCP. Это хороший выбор для первого коммерческого проекта, где нужна не только сборка, но и интеграция с существующими системами клиента.
Вторая группа: корпоративные low-code решения — для проектов с повышенными требованиями к безопасности. Когда вы продаёте агента среднему или крупному бизнесу, на первый план выходят интеграция с внутренними системами и возможность работы в закрытом контуре.
Астра ИИ Платформа (Группа Астра) — визуальный low-code конструктор для создания корпоративных ИИ-приложений без программирования. Продукт полностью независим от зарубежных облаков, включён в реестр Минцифры, обеспечивает высокий уровень информационной безопасности и подходит для закрытого контура. С его помощью можно за считанные дни собирать ИИ-секретарей или ИИ-аналитиков.
MWS AI Agents Platform (MTS Web Services) — платформа для создания «виртуальных сотрудников». Ключевая особенность — песочница, в которой агент может безопасно выполнять написанный им код для сверки данных или расчётов, не имея доступа к рабочим системам компании. Также есть конструктор интерфейсов, который даёт агенту собственный экран с кнопками и формами под конкретную задачу, а не просто окно чата.
Третья группа: платформы для чат-ботов и продаж — «рабочие лошадки» для малого и среднего бизнеса. Эти инструменты изначально создавались для автоматизации продаж и поддержки в мессенджерах и идеально подходят для быстрого результата.
Salebot — очень популярная в России платформа (более 15 000 компаний). Это не просто конструктор ботов, а целая экосистема: встроенная CRM, конструктор сайтов, система рассылок. Важно, что в Salebot есть ИИ-агенты со встроенным RAG-ассистентом для поиска ответов в ваших документах, а также глубокая интеграция с amoCRM и Битрикс24. Бесплатный тариф позволяет отправить до 50 сообщений в сутки для теста, тариф «Бизнес» стоит 2 999 ₽ в месяц.
Richat — платформа, специально созданная для малого и среднего бизнеса, чтобы внедрять ИИ-решения без разработчиков. Система обучается на данных компании: достаточно загрузить документы или указать ссылку на сайт. Подходит для создания ИИ-ассистентов для сайта и Telegram, которые закрывают до 80% клиентских запросов.
Четвёртая группа: специализированные студии. Jay Agents (Just AI) — универсальная ИИ-студия, работающая по принципу «одного чата»: вы описываете задачу, а система может сгенерировать сайт, автономного агента, приложение или отчёт. В разработку было инвестировано более 400 млн рублей, что говорит о серьёзности продукта.
Что выбрать для первого вечера: практическая рекомендация
Для сборки первого агента на российских мощностях за вечер, предлагаю такой порядок действий:
Начните с GigaPlatform AI Studio. Это бесплатно, не требует карты и даёт понимание основ без риска. Вы собираете агента из готовых блоков, загружаете документ с частыми вопросами и проверяете, как он отвечает. Это ваш «первый вечер» в российском стеке.
Для первого коммерческого проекта присмотритесь к Yandex AI Studio (если клиенту нужна интеграция с CRM и внешними системами) или Salebot (если клиент уже использует amoCRM или Битрикс24 и хочет быстрый результат в продажах).
Для проектов с повышенными требованиями к безопасности (банки, госсектор, крупный бизнес) используйте Астра ИИ Платформу или MWS AI Agents Platform.
Практическая сборка: агент поддержки на GigaPlatform AI Studio
Давайте соберём того же агента, что и в третьей главе, но на бесплатной российской платформе. Логика остаётся той же: идентичность, инструменты, память, цикл.
Шаг 1: вход. Зайдите на платформу и авторизуйтесь через Сбер ID. Это займёт минуту.
Шаг 2: создание агента. В визуальном конструкторе выберите создание нового агента. Задайте ему имя — например, «Агент поддержки интернет-магазина».
Шаг 3: системный промпт. Вставьте промпт, который мы составили в четвёртой главе. Семь блоков: идентичность, цели, инструменты, рабочие процессы, тон, границы, обработка ошибок. Платформа использует модели GigaChat, и промпт работает с ними так же, как с любыми другими LLM.
Шаг 4: база знаний. Загрузите документ с частыми вопросами и ответами (TXT, PDF или DOCX). Платформа проиндексирует его, и агент сможет искать в нём ответы. В системном промпте добавьте инструкцию: «Используй базу знаний для ответов на вопросы о доставке, возврате и оплате».
Шаг 5: тестирование. Встроенный чат позволяет проверить агента сразу. Напишите «Где мой заказ 12345?» и «Есть ли доставка в Казань?». Посмотрите, как агент отвечает. Если он выдумывает — вернитесь к промпту и добавьте запрет: «Никогда не сообщай статус заказа, если ты не получил его из базы знаний».
Шаг 6: предохранители. В настройках агента ограничьте количество шагов и добавьте правило эскалации: «Если клиент упоминает жалобу, суд или требует человека — передай диалог оператору». Это те же правила, что и в Make.
Когда агент будет готов, вы сможете показать его клиенту. Это не «демо на зарубежной платформе», а работающий прототип на российском стеке — с оплатой в рублях, поддержкой на русском и соответствием требованиям по данным. Для первого разговора с клиентом это сильный аргумент.
Что это меняет для вашего позиционирования
Использование российских платформ — это не просто техническое решение. Это часть вашего предложения. Когда вы говорите клиенту: «Я собираю агентов на GigaChat и YandexGPT, данные хранятся в России, оплата в рублях, поддержка на русском» — вы снимаете три страха, которые есть у любого российского предпринимателя: «а это законно?», «а данные не утекут?», «а я смогу это оплатить?».
И ещё одно. Российские платформы развиваются быстрее, чем кажется. GigaPlatform AI Studio запустилась в октябре 2026 года, Yandex AI Studio постоянно обновляется, Астра ИИ Платформа вышла на рынок в конце октября. Это означает, что окно возможностей — быть одним из первых, кто освоил эти инструменты и начал продавать их малому и среднему бизнесу — открыто прямо сейчас. Через год конкуренция будет плотнее. Через два — появятся готовые коробочные решения. Сейчас — самое время
В следующей главе мы займёмся тем, что превращает работающего агента в продаваемого: промпт-инжинирингом. Потому что разница между агентом, который «вроде работает», и агентом, за которого платят, – это качество инструкций и проработанность границ. Вы увидите, как переписать системный промпт так, чтобы агент перестал выдумывать сроки доставки, и как заставить его задавать уточняющие вопросы вместо того, чтобы гадать.
Практическое задание к главе 3.
Зарегистрируйтесь в GigaPlatform AI Studio через Сбер ID. Соберите агента по шагам выше. Не пытайтесь сделать всё идеально. Добейтесь, чтобы он отвечал на три вопроса: «Где заказ 12345?», «Есть ли доставка в Казань?» и «Я хочу вернуть товар». Для первых двух у него должны быть инструменты. Для третьего – честный ответ «Я передам ваш запрос оператору». Запишите, что сломалось с первого раза и что вы исправили. Это и есть ваш первый опыт отладки агента – навык, который будете использовать в каждом проекте.
Pulsuz fraqment bitdi.