Ко мне на разбор приходит человек и говорит: «Мы внедрили ИИ-агента». Прошу показать. Открывается чат, куда менеджер вручную копирует письма клиентов и вставляет ответы обратно. Агент есть. Работает он в голове у менеджера.
Путаница в терминах стоит дорого. Люди покупают «агентов» за миллионы, а получают чат-бота с длинным промптом. Или наоборот: строят мультиагентную систему там, где хватало одной кнопки в автоматизации. Дальше - четыре уровня, шесть типов и критерий, по которому видно, что именно вам продают.
Чат-бот не агент, и это не придирка к словам
Спор о том, считается ли ChatGPT агентом, обычно идёт о разном: один про интерфейс, второй про архитектуру. На практике удобнее смотреть на четыре уровня - разница видна сразу.
Первый уровень: чат-боты. ChatGPT, Claude, Gemini в чистом виде. Отвечают на промпт, не помнят контекст между сессиями, не имеют доступа к вашим системам. Могут написать текст, но не могут отправить его клиенту. Памяти нет, действий нет, есть только генерация.
Второй уровень: workflow и автоматизация. Конструкторы сценариев и связки типа «пришла заявка, отправь в таблицу, продублируй в мессенджер». Работает предсказуемо и дешево, но шаги прописаны жёстко. Если входные данные чуть отличаются от задуманных, сценарий ломается молча. Отсюда и берётся желание купить «настоящего агента».
Третий уровень: собственно агент. Ему дают цель и набор инструментов, а маршрут он выбирает сам. Выбрал инструмент, получил результат, увидел ошибку, попробовал иначе. Способность петлять и переспрашивать отличает его от сценария.
Четвёртый уровень: агентные системы. Управляющие оболочки, которые соединяют десятки агентов, дают им обмениваться контекстом и результатами, учатся и запоминают. Здесь начинается самое интересное и самое дорогое.
Держите в голове простую вещь: большинство бизнес-задач закрывается на втором уровне, а продают людям четвёртый. Не потому что злые, а потому что четвёртый красивее звучит в презентации.
Шесть типов агентов: официальная классификация и что за ней стоит
Крупные вендоры описывают шесть типов агентов, различающихся по сложности. Три встречаются в реальных проектах чаще всего: реактивные, проактивные и гибридные. Остальные три относят к целеориентированным, обучающимся и утилитарным.
Целеориентированный агент держит в голове цель и строит план её достижения, пересобирая план при провале шага. Обучающийся меняет поведение по опыту: удачные цепочки закрепляются, неудачные отбрасываются. Утилитарный выбирает не просто рабочее решение, а оптимальное по метрике - скорость, стоимость, конверсия.
Звучит академично. На деле разница проявляется в одном вопросе: кто принимает решение о следующем шаге. Правило, прогноз, цель или накопленный опыт.
Реактивные агенты: дешёвые, предсказуемые и незаменимые в рутине
Реактивные, они же рефлекторные, работают по схеме «стимул - реакция». Пришёл запрос, сработало правило, ушёл ответ. Никакого планирования, никакой памяти о прошлом.
Кажется примитивом, а деньги приносит именно этот тип. Сброс пароля по ключевым словам в чате поддержки, ответ про сроки доставки, маршрутизация обращения на нужного специалиста. В поддержке такие агенты закрывают 40-60% тикетов, и это не маркетинговые цифры, а строки в логах.
Ловушка рядом. Агент без памяти и без права импровизировать встаёт намертво, как только клиент формулирует непривычно. «Не могу войти» он понимает, «вчера заходил, а сегодня пишет ошибку 403» уже нет. В нормальной настройке обязателен порог уверенности и передача человеку, а не попытка дожать любой ценой.
Проактивные агенты: они замечают проблему раньше вас
Проактивные агенты используют прогнозные алгоритмы и действуют без прямого запроса. Ищут закономерности в потоке данных, предсказывают развитие ситуации и предлагают решение до того, как случился ущерб.
Классика жанра - мониторинг цепочек поставок. Агент видит, что партия застряла на промежуточном складе. Сопоставляет с историей похожих задержек, считает вероятность срыва сроков и предлагает перекинуть заказ на другого поставщика. Человек узнаёт о проблеме, когда её ещё можно дешево решить.
Главная настройка здесь не модель, а порог чувствительности. Если агент пишет «обнаружена аномалия» каждые пятнадцать минут, его отключают через неделю. Начните с порога, при котором срабатываний не больше двух-трёх в день, и снижайте постепенно, отслеживая долю ложных тревог.
Гибридные агенты: то, что чаще всего нужно на практике
Гибрид совмещает обе модели: реагирует на события по правилам, но приоритизирует и планирует по прогнозу. В живом проекте это выглядит так. Агент в продажах мгновенно отвечает на входящую заявку по шаблону, чтобы человек не ждал. Параллельно считает вероятность сделки по истории похожих лидов и ставит задачу менеджеру с нужным приоритетом.
Простой ответ достаётся всем, внимание человека только тем, где оно окупается. Внедрять сложнее, чем чистый реактив, зато скорость реакции сохраняется, а ресурсы не размазываются ровным слоем.
Мультиагентные системы: когда агенты начинают спорить друг с другом
Четвёртый уровень устроен как управляющая оболочка над множеством агентов. Они обмениваются контекстом, результатами работы и могут проверять друг друга. Схема с ролями «исследователь, критик, исполнитель» работает заметно лучше одиночного агента: критик ловит то, что исследователь проглотил не проверив.
Дальше начинается отрезвление. В реальных проектах система из пяти-семи агентов - уже предел, после которого качество падает. Контекст раздувается, агенты начинают соглашаться друг с другом вместо того, чтобы спорить, стоимость запросов растёт быстрее пользы. На Reddit в тредах про оркестрацию практикующие инженеры описывают ту же стену: конфигурации на двадцать ролей выдают ответ хуже одного хорошего агента с внятным промптом.
Практическое правило: начинайте с двух агентов, добавляйте третьего только если можете назвать конкретную ошибку, которую он ловит. Не «для полноты картины».
Агенты по задачам: поддержка, код, планирование
Если смотреть не на архитектуру, а на применение, картина становится приземлённой. Клиентская поддержка и почта: ответы на запросы, генерация писем, обработка лидов. Здесь сильны Forethought, Manus, Cognosys AI, и почти всё делается в no-code, без программиста.
Код и DevOps: автогенерация кода, работа с CI/CD, техническое ревью. Набор другой - Devin AI, SWE-Agent, AutoGen, CrewAI. Порог входа выше, зато экономия на однотипных правках и тестах ощутимая.
Планирование и персональные ассистенты: ChatGPT GPTs, Motion, Pi AI, xAI. Планирование дня, напоминания, координация задач между людьми. Самая массовая категория и самая переоценённая: красиво на демо, но требует дисциплины от самого пользователя.
Отдельный слой, который многие пропускают, - готовые агенты под конкретную задачу. Ничего собирать не надо: выбрал, открыл, начал работать. Модель внутри обычно меняется прямо в чате, и это важнее, чем кажется. Одна задача лучше решается флагманом, другая - быстрой и дешёвой моделью.
Российская специфика: где брать модели и агентов без танцев с картами
До недавнего времени главная боль была не в выборе типа агента, а в доступе. Иностранная карта, иностранный номер, прокси, риск потерять аккаунт вместе с историей. Сейчас решается проще, чем год назад.
Сервис 3GPT от 3SELLER даёт прямой доступ из России к флагманским моделям. Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений, генерация видео. Стартовый доступ от 149 рублей, без иностранных карт.

Пополнить баланс можно российской картой, через СБП или криптой. Мелочь, но именно на ней обычно всё и останавливается, когда надо просто попробовать инструмент в работе, а не строить инфраструктуру.
Для повседневных задач в бизнесе этого хватает с запасом. Продающие тексты, лендинги, обработка фото, ролики, озвучка. Всё в одном окне, без переключения между десятью подписками.
Отдельно про агентов. Есть готовые ИИ-агенты под задачи: выбираете нужного, начинаете общение, модель меняете прямо в чате. Разбираться в оркестрации и фреймворках не нужно, чтобы понять, работает ли подход на ваших данных.

Для изображений есть отдельный вход через лучшие ИИ-инструменты генерации: фотореалистичные картинки, товарные снимки, обложки. Разница с бесплатными генераторами видна на деталях: руки, текст на вывесках, отражения.


Как выбрать тип под свою задачу, а не под чужую презентацию
Начните с вопроса: задача повторяется и правила известны? Если да, агент с планированием не нужен. Хватит реактивного или обычной автоматизации - надёжнее и в разы дешевле.
Нужно замечать проблему заранее - смотрите на проактивный тип. Логистика, склад, дебиторка, отток клиентов. Закладывайте время на настройку порогов, иначе получите генератор тревог.
Нужно и быстро реагировать, и расставлять приоритеты - берите гибрид. Самый частый сценарий в продажах и поддержке, просто сложнее в настройке.
Нужны разные компетенции: собрать исследование, проверить факты, оформить отчёт - смотрите в сторону мультиагентной системы. Стартуйте с двух ролей, третью добавляйте под конкретную ошибку из логов.
И шаг, который пропускают почти все. Перед покупкой прогоните двадцать реальных кейсов из своей практики, не демо-примеров. Двадцать писем клиентов, двадцать заявок, двадцать строк из базы. Ошибается в трёх из двадцати и ошибки некритичны - можно внедрять. В восьми - вы купили красивую демку.
Возьмите задачу, которая съедает больше всего времени на этой неделе, посчитайте часы и запустите на ней агента. Через две недели у вас будет не мнение о видах ИИ-агентов из статей, а собственные цифры. С ними разговор про внедрение перестаёт быть разговором про хайп.