Как собрать ИИ-агента

Почему большинство первых агентов не взлетают

Типичный провал в 2026 году не технический, а по скоупу. Команды открывают Agent Builder или Copilot Studio, формулируют размытую цель («помочь с поддержкой клиентов»), запускают что-то работающее и смотрят, как оно уходит в небытие, потому что никто не определил, что значит «работает». Написать ТЗ заранее это самые продуктивные 30 минут, которые вы потратите на агента.

Второй провал это тестирование на удобных примерах. Промпт, который выглядит безупречно на трёх образцах, сломается на 50-м реальном вводе. Только реальный объём данных обнажает граничные случаи.

Сборник из 8 шагов

1. 01

   Опишите рабочий процесс на бумаге до выбора инструмента

   До того как открыть любую платформу, напишите простое ТЗ: триггер (какое событие запускает агента), шаги (что он читает, решает, делает), результат (куда попадает итог), критерии успеха (как выглядит «сработало»), и условия выхода (когда остановиться или передать человеку). Пропустить этот шаг это главная причина, по которой 80% первых агентов не взлетают: они становятся обычными чат-ботами, потому что скоуп так и не был сформулирован.

2. 02

   Выберите платформу под свои данные

   Платформа следует за данными. Если команда работает в Google Workspace + best-of-breed SaaS (HubSpot, Slack, Notion), OpenAI Workspace Agents это самый быстрый путь. Если вы глубоко сидите в Microsoft 365 / SharePoint, подойдёт Microsoft Copilot Studio. Нативно в Google Cloud: Vertex AI Agent Builder. Для нестандартных стеков подойдёт фреймворк типа LangChain или CrewAI. Не выбирайте инструмент первым, сначала разберитесь, где уже лежат ваши данные. Модель под задачу мы подбираем отдельно (ChatGPT, Claude, GigaChat, YandexGPT), а не привязываемся к одному вендору заранее.

3. 03

   Ограничьте коннекторы минимально необходимыми правами

   Какую бы платформу вы ни выбрали, выдавайте агенту только те разрешения, которые реально нужны. Только чтение, если возможно. Конкретная папка, конкретный пайплайн, конкретный канал, а не «весь Drive» или «всё в HubSpot». Workspace Agents работают непрерывно; агент с неправильным промптом и правом записи на всю организацию это звонок ночью в воскресенье.

4. 04

   Пишите системный промпт на примерах, а не на правилах

   Лучшие системные промпты содержат 3–5 конкретных примеров «вход → идеальный выход». Промпты с обилием правил («всегда используй профессиональный тон», «никогда не извиняйся за не наши ошибки») тихо ломаются при масштабировании. Примеры удерживают модель лучше. Если вы используете Agent Builder от OpenAI, поток создания промпта и загрузки файлов специально рассчитан на поглощение таких примеров.

5. 05

   Тестируйте на 30–50 реальных вводах, а не на 3 демо-примерах

   Это шаг, который отделяет агентов, которые доходят до продакшна, от агентов, которые хорошо смотрятся в демо. Соберите 30–50 реальных вводов за последние 2 недели (не придуманных примеров). Прогоните агента через каждый. Прочитайте каждый вывод. Оцените: правильно / неправильно / нужна доработка. Скорректируйте промпт для неправильных случаев. Повторяйте, пока процент ошибок не упадёт ниже 5%.

6. 06

   Добавьте шаги подтверждения для любых деструктивных действий

   Первые 2–4 недели никогда не давайте агенту неограниченный доступ на запись во внешние системы. Каждая отправка письма, каждое обновление в CRM, каждое создание тикета должно проходить через шаг проверки человеком. Это выявляет случаи «агент запутался» до того, как они обойдутся вам потерей клиента. Снимайте ограничители постепенно, по мере накопления доказательств корректной работы.

7. 07

   Назначьте одного ответственного и еженедельный разбор

   Агент без именного ответственного становится бесхозным активом за квартал. Выберите одного человека, в чьи обязанности входит проверка 20 запусков агента в неделю, фиксация дрейфа и настройка промпта. Не команду, не канал, а конкретного человека. Без этого агенты тихо деградируют по мере изменения данных и процессов.

8. 08

   Измеряйте правильное, а не самое простое

   Метрика ROI это не «агент запустился 300 раз», а «возвращённое время людей». Считайте, сколько часов команда получила обратно. Если это число равно нулю, агент не помогает, он просто занят. Частая причина: выводы, которые всё равно требуют полной проверки человеком, а значит, агент не сэкономил время, а просто добавил шаг.

Как выбрать платформу

Вопросы