Как создать ИИ-агента: три варианта сборки и когда нужен подрядчик

7 августа 2026 · 8 мин чтения

Знакомый сценарий: за вечер собрали бота на конструкторе, он бойко отвечает клиентам, все довольны. Через две недели выясняется, что половину обращений он не донёс: поговорил и забыл, в CRM пусто.

Говорилка действительно собирается за вечер. Агент, который доводит заявку до сделки, устроен иначе. Ниже: из каких частей он состоит, три пути его получить с ценой каждого и ошибки самостоятельной сборки, которые всплывают не сразу.

Из чего состоит ИИ-агент

Агент отличается от обычного чат-бота одним признаком: он умеет действовать, а чат-бот только отвечает. Технически это пять частей.

Модель (LLM). Языковая модель, которая понимает текст и решает, что делать дальше: GPT, Claude, Gemini, DeepSeek, из российских вариантов YandexGPT и GigaChat. Модель формирует ответ из того, что ей передали в запросе. Сама по себе она ничего не помнит между обращениями и не выполняет никаких действий.

Системный промпт. Инструкция, которая задаёт модели роль, границы и тон: кто она, что ей можно и нельзя, как отвечать в нештатной ситуации. От качества промпта зависит больше, чем от выбора модели: слабый промпт на сильной модели работает хуже, чем продуманный на средней.

Инструменты. Функции, которые модель может вызвать: посмотреть заказ в CRM, отправить письмо, создать задачу, найти товар на складе. Без инструментов это чат-бот, а не агент: он умеет говорить, но не может изменить состояние ваших систем.

Данные (RAG). Подключение к базе знаний: каталогу товаров, документации, истории обращений. Перед ответом модель ищет в базе релевантные фрагменты, поэтому ответ строится на ваших реальных данных: конкретных ценах, остатках, формулировках из документов.

Петля контроля. Механизм, который связывает всё вместе: агент получает задачу, решает, какой инструмент вызвать, получает результат, проверяет, решён ли вопрос, и либо продолжает, либо передаёт диалог человеку. Здесь же задаются ограничения: какие действия требуют подтверждения, сколько шагов агент делает за один запрос, что записывается в лог.

Путь 1. Конструкторы и no-code: n8n, Make, платформы ботов

Самый быстрый способ получить рабочий прототип: визуальные конструкторы вроде n8n и Make, а также специализированные платформы для ботов. Блоки вроде триггера, вызова модели, запроса к внешнему сервису и условия соединяются мышью, код писать не нужно.

Конструктора хватает для таких задач:

• FAQ-бот с базой ответов,
• квалификация заявок по нескольким критериям,
• уведомления,
• сценарии вида «пришло сообщение, определи тему, отправь в нужный отдел».

Для проверки гипотезы или разового процесса это разумный старт: результат виден за дни.

Пока агент идёт по заранее нарисованным веткам, конструктор справляется. Когда агенту приходится самому выбирать один инструмент из десятка, схема разрастается в клубок условий, который трудно читать. Тонкая настройка прав (какие действия агент делает без подтверждения) в конструкторе почти не выражается: действие либо разрешено полностью, либо недоступно вовсе, без промежуточных состояний.

Сервисы берут плату за число операций или запусков сценария, поэтому счёт растёт вместе с потоком обращений: считайте его на будущий объём. Если облачная версия сервиса размещена за пределами РФ, при работе с персональными данными вопрос 152-ФЗ нужно решить заранее (раздел про ошибки ниже).

Путь 2. Свой код на API: когда в команде есть разработчик

Второй путь: подключиться к API модели напрямую (OpenAI, Anthropic, DeepSeek, YandexGPT) и написать логику агента в коде. Порядок такой:

1. Выбрать модель. Не решение на всю жизнь: на старте разумно взять то, что дешевле и проще подключить, гнаться за самой мощной моделью на рынке необязательно. При стандартном интерфейсе подключения смена модели в коде занимает несколько часов.
2. Спроектировать промпт. Самая недооценённая по времени часть. Первая версия промпта может работать на стандартных запросах и ломаться на нетипичных: их нужно найти и учесть отдельно.
3. Подключить инструменты. Написать функции, которые агент будет вызывать, и описать их так, чтобы модель понимала, когда какую использовать. Здесь же закладываются ограничения: что агент делает сам, что только предлагает на подтверждение человеку.
4. Прогнать тесты. Не юнит-тесты в привычном смысле, а десятки и сотни реальных диалогов, включая нетипичные и провокационные запросы, чтобы увидеть, где агент ошибается или выходит за рамки.

Агент с одним-двумя инструментами и понятным сценарием займёт у опытного разработчика от одной до трёх недель, по нашей оценке. Основное время уходит на шаги 2 и 4: промпт и тесты, код интеграций пишется быстрее.

С каждым добавленным инструментом срок растёт быстрее, чем кажется: инструменты начинают взаимодействовать друг с другом, и число сочетаний для тестирования быстро увеличивается.

Путь 3. Когда звать подрядчика и как его выбрать

Обращаться к подрядчику имеет смысл в таких случаях:

• В команде нет разработчика, а нанимать его под одну задачу невыгодно.
• Сценарий лезет сразу в несколько боевых систем (CRM, 1С, склад), где ошибка стоит дорого.
• Сроки слишком жёсткие, чтобы учить сотрудника на ходу.

При выборе подрядчика стоит проверить:

• Живое демо. Работающий агент, с которым можно пообщаться до оплаты. Слайды и чужие кейсы такой проверки не заменяют.
• Фикс-цена на этап. Фиксированная стоимость означает, что подрядчик уже оценил объём работы. Открытая вилка без верхней границы может означать, что оценки пока нет.
• Пилот с заранее описанными критериями успеха. Конкретные метрики: сколько запросов агент закрывает без человека, в какой момент передаёт диалог оператору.
• Обработка данных в РФ, если речь о персональных данных клиентов: где физически стоит сервер и через какие API идут запросы. Это прямо влияет на соответствие 152-ФЗ.

Большинство агентств на рынке цену публично не называют: по нашему обзору 15 крупных ИИ-агентств из открытого рейтинга, 14 из 15 цену на сайте не указывают.

По нашей оценке рынка, агент с RAG на готовой базе знаний стоит 150-200 тысяч рублей и делается за 3-8 недель. Агент с несколькими интеграциями стоит от 200 тысяч рублей, в сложных случаях (несколько систем, нестандартная логика) до 3 миллионов.

На другом конце шкалы готовые продукты: наш агент Digital Broker стоит от 19 900 ₽, под ключ с пакетом документов по 152-ФЗ от 39 900 ₽. Это готовый продукт с открытой фиксированной ценой, отдельный от индивидуальной разработки с нуля.

Частые ошибки самостоятельной сборки

Промахи первой сборки своими силами всплывают не сразу.

Нет ограничений на действия. Агенту дают доступ к функции «отправить письмо» или «оформить возврат» без разделения на то, что он делает сам, и то, что должен сначала предложить человеку. Так появляется письмо не тому адресату или возврат, которого не должно было быть.

Нет логов. Никто не записывает, какой запрос пришёл, что решил агент и какой инструмент вызвал. Когда клиент жалуется на странный ответ, разобраться, что произошло, невозможно: остаётся только верить на слово.

Персональные данные уезжают в зарубежные API. Агент передаёт имя, телефон, адрес клиента в модель, запрос к которой физически обрабатывается за пределами РФ. Для бизнеса, который работает с персональными данными российских граждан, это прямой вопрос к 152-ФЗ, и он не решается фразой «мы же просто тестируем».

Нет метрик качества. Агента запускают в работу и не измеряют, в каком проценте диалогов он решает вопрос без передачи человеку, где именно ошибается и сколько стоит один диалог. Без этих цифр нельзя сказать, работает агент лучше человека или хуже, можно только предположить.

Сам или подрядчик

Частые вопросы