ММООЗЗГГ.ru

Разбор

ИИ-агенты и автоматизация: когда нужен агент, а когда хватит сценария

6 мин4 источника

ИИ-агенты и автоматизация по сценарию решают разные задачи: сценарий проходит шаги, которые заранее расписал человек, а агент сам выбирает следующий шаг. Правило выбора простое: если шаги задачи можно расписать заранее, хватит сценария, если путь каждый раз другой, нужен агент. Anthropic в декабре 2024 года советовала начинать с простого решения и усложнять его, только когда простое не справляется, поэтому для многих задач сценария хватает.

На странице · 5 разделов

Для всех уровней

Правило выбора за пять минут

Выпишите десять последних случаев задачи. Если шаги почти всегда совпадали, стройте сценарий. Если путь каждый раз был другим, а результат можно проверить, нужен агент. Сомневаетесь, начните со сценария и подключите агента только к сложным случаям.

Что такое сценарий, а что агент

Сценарий — это цепочка шагов, которую задал человек: пришла заявка, модель определила тему, заявка ушла нужному менеджеру. Модель (нейросеть, которая понимает текст) внутри сценария может быть, но порядок шагов от нее не зависит.

Агент сам выбирает следующий шаг и инструмент. Anthropic делит агентные системы именно так: в рабочих процессах шаги заданы кодом, в агентах модель сама решает, что делать дальше.

Сценарий предсказуем: на одинаковый вход он делает одно и то же, его легко проверить и дешево запускать. По словам Anthropic, рабочие процессы дают предсказуемость и единообразие там, где задача четко определена.

Конструкторы вроде n8n умеют и то и другое: в одном сценарии часть шагов задана жестко, а в нужном месте стоит ИИ-агент, который решает сам. Поэтому выбирать приходится не программу, а форму решения для каждого шага.

Агент гибче, но каждый его шаг — это новый запрос к модели и новая возможность ошибиться. Как агент проходит свой цикл шаг за шагом, разобрано на странице о том, как работает ИИ-агент.

Чем агент отличается от чат-бота с кнопками, мы разобрали простыми словами. Здесь сравнение с другим соседом: сценарием, где модель уже есть, но решений не принимает.

Пять признаков задачи для агента

Признаки взяты из двух руководств разработчиков моделей: Anthropic (декабрь 2024) и OpenAI (апрель 2025). Чем больше совпадений, тем больше смысла в агенте.

1. Число шагов заранее неизвестно. Anthropic советует агентов для открытых задач, где нельзя предсказать, сколько шагов понадобится, и нельзя жестко прописать путь.

2. Решение зависит от контекста и исключений. Пример OpenAI: одобрить или нет возврат денег клиенту в службе поддержки.

3. Правила разрослись, и их дорого поддерживать. OpenAI приводит в пример проверку безопасности поставщиков, где каждое обновление правил стоит денег и рождает ошибки.

4. Много свободного текста: письма, документы, переписка с клиентом. Пример OpenAI: разбор страхового случая по заявлению клиента.

5. Результат можно проверить. В поддержке это решенное обращение, в программировании пройденные автоматические тесты: так Anthropic объясняет, почему агенты прижились именно там.

Если совпал один признак или ни одного, начните со сценария. OpenAI пишет то же: если задача не отвечает этим критериям, может хватить решения с заранее заданными правилами.

Проверьте признаки на своей задаче письменно: выпишите десять последних случаев и отметьте, где шаги совпадали, а где каждый раз были разными. Если шаги почти всегда одни и те же, сценарий справится дешевле.

Цена ошибки выбора

Агент там, где хватило бы сценария, стоит дороже и ошибается чаще. Anthropic предупреждает: самостоятельность агента означает более высокие затраты и риск накопления ошибок, поэтому агентов тестируют в изолированной среде и ставят им ограничители.

Обратная ошибка тоже стоит денег. Сценарий для задачи с исключениями обрастает ветками, и каждое новое правило задевает старые; OpenAI называет такие системы громоздкими, а их обновление дорогим и подверженным ошибкам.

Есть и третья цена: время. Сценарий собирают и проверяют быстрее, потому что его поведение видно по схеме. Агента приходится проверять на десятках реальных случаев, ведь его путь каждый раз может быть другим.

Gartner в июне 2025 года спрогнозировал, что больше 40% проектов агентного ИИ закроют к концу 2027 года из-за затрат, неясной пользы и слабого контроля рисков. Неверно выбранная форма решения бьет по первым двум причинам сразу.

Для ориентира по деньгам: агент на один процесс у нас стоит от 149 000 ₽ и запускается за 14 дней, сопровождение стоит от 40 000 ₽ в месяц. Если задачу закрывает сценарий, мы скажем об этом на звонке, и тратить эти деньги не придется.

Поэтому выбор между агентом и сценарием делают до сборки, по задаче и ее экономике. Почему это важнее выбора инструмента, разобрано в отдельной статье.

Примеры из продаж и поддержки

Поддержка, агент. Anthropic называет поддержку естественной задачей для агента: разговор с клиентом требует внешних данных и действий. Агент находит данные клиента, историю заказов и статьи базы знаний, оформляет возврат или обновляет заявку, а успех измеряется решенным обращением.

Там же отмечено, что часть компаний берет деньги за таких агентов только за успешно решенные обращения. Это пример оплаты по результату, а не за часы работы.

Поддержка, сценарий. Письмо с темой «счет» уходит в бухгалтерию, с темой «доставка» в логистику, клиенту приходит подтверждение. Модель здесь только определяет тему, дальше работают правила.

Продажи, сценарий. Заявка с сайта попадает в amoCRM или Битрикс24, клиенту уходит письмо с прайсом, менеджер получает задачу на звонок. Шаги всегда одни и те же, агент здесь не нужен.

Продажи, агент. Клиент пишет свободным текстом, что ему нужно двести коробок к пятнице и с доставкой. Агент разбирает позиции, проверяет остатки и цены в 1С, задает уточняющий вопрос и заводит сделку; число шагов зависит от клиента, это признаки 1 и 4 из списка выше.

Часто хорошо работает связка: сценарий принимает заявку и раскладывает ее по полкам, а агент подключается только к сложным случаям.

Вопросы и ответы

Чем ИИ-агент отличается от обычной автоматизации?

В обычной автоматизации порядок шагов задал человек, и система повторяет его на каждой заявке. Агент сам решает, какой шаг сделать следующим и каким инструментом: найти данные клиента, задать вопрос, завести сделку. Модель может стоять и в сценарии, но там она только выполняет свой шаг.

Можно ли совместить сценарий и агента в одном процессе?

Да, и это частый вариант. В n8n агент ставится как отдельный шаг внутри сценария: заявку принимают и раскладывают жесткие правила, а агент получает только случаи, где нужен разбор свободного текста или исключения.

Сколько стоит ИИ-агент и сколько времени займет запуск?

Агент на один процесс у нас стоит от 149 000 ₽ и запускается за 14 дней, сопровождение стоит от 40 000 ₽ в месяц. Цена и срок фиксируются в договоре до старта.

Как проверить, что агент справляется?

Записать метрику до запуска и прогнать агента на десятках реальных случаев, а не на выдуманных примерах. Anthropic объясняет успех агентов в поддержке и программировании именно тем, что результат там проверяется: обращение решено или тесты пройдены.

Источники и проверка

Проверено редакцией 16 октября 2026.

  1. Anthropic, 19 декабря 2024 (anthropic.com)
  2. Gartner, 25 июня 2025 (gartner.com)
  3. OpenAI, A practical guide to building agents, апрель 2025 (cdn.openai.com)
  4. Документация n8n: AI Agent node, проверено 16 октября 2026 (docs.n8n.io)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram