Когда ИИ-агент начинает отвечать клиентам, он получает их имена, телефоны и переписку. Это персональные данные, и на них действует 152-ФЗ независимо от того, человек отвечает или программа. Ниже разбираем 152-ФЗ и ИИ-агенты на практике: что это значит для владельца бизнеса, какие вопросы задать подрядчику и как это устроено у нас. Это не юридическая консультация: перед публикацией документов проверьте их с юристом.
Оператор персональных данных это ваша компания: вы собираете данные клиентов и решаете, зачем. Подрядчик, который внедряет агента, обрабатывает данные по вашему поручению. Значит, у вас должны быть свои документы: политика обработки, согласие клиента там, где оно нужно, и договор с подрядчиком, где написано, что он делает с данными и где их хранит.
С 1 июля 2025 года закон запрещает при сборе записывать и хранить персональные данные граждан России в базах за рубежом (часть 5 статьи 18 152-ФЗ). Для агента это значит: переписка, карточки клиентов и все, что агент читает из CRM и 1С, должны записываться и храниться в базах в России, а передавать их за рубеж можно только по правилам трансграничной передачи, с уведомлением Роскомнадзора. Мы обрабатываем персональные данные на серверах в России по 152-ФЗ, и это первое, что мы советуем спросить у любого подрядчика до подписания договора.
Как работает ИИ-агент: он идет по циклу, в котором модель решает, какой шаг сделать, вызывает инструмент, смотрит на результат и проверяет, решена ли задача. Этот принцип описан в работе ReAct 2022 года, и на нем построено большинство ИИ-агентов.
Что такое ИИ-агент и чем он отличается от бота, мы разобрали в отдельной статье. Здесь только механика: что происходит внутри, пока агент решает задачу.
Цикл агента состоит из пяти звеньев.
1. Задача: сообщение клиента, письмо или поручение сотрудника.
2. Рассуждение: какой шаг сделать. Модель читает задачу, инструкцию и все, что уже известно, и выбирает следующий шаг.
3. Действие: вызов инструмента. Агент ищет заказ в CRM, читает документ или отправляет письмо.
Термины сборки ИИ-агента встречаются в каждом коммерческом предложении и в каждой инструкции, а многие из них появились недавно: протокол MCP открыли только 25 ноября 2024 года. Ниже два десятка слов, которые нужны при сборке и заказе агента, по одной-две фразы на каждое. Каждый термин ведет на страницу раздела, где он разобран на практике.
Языковая модель (LLM): программа, обученная на большом объеме текста, которая пишет ответ слово за словом. Это «мозг» агента, но без инструкций, знаний и инструментов модель только разговаривает. Из каких еще деталей собран агент, показано на схеме семи деталей.
Токен: кусок текста, которым модель считает слова: слово, часть слова или символ. Облачные модели берут плату за токены на входе и выходе, поэтому длинные инструкции и документы стоят денег при каждом ответе; расходы в месяц посчитаны на странице о стоимости работы агента.
Контекстное окно: сколько текста модель видит за один раз, ее рабочая память. Сюда помещаются инструкция, история диалога и найденные документы, а что не поместилось, модель не учитывает.
Векторная база данных для ИИ-агента хранит фрагменты ваших документов вместе с записью их смысла и по вопросу находит близкие по смыслу. Ниже 4 открытые базы, которые ставят на свой сервер, порядок заполнения и обновления и разграничение доступа к фрагментам.
Векторная база хранит фрагменты документов вместе с эмбеддингами, то есть записью смысла в виде набора чисел. Когда приходит вопрос, база находит фрагменты с близким смыслом, даже если слова в вопросе другие.
На этом стоит RAG: модель перед ответом ищет фрагменты в базе документов и отвечает по ним. Так агент работает с вашими документами без обучения модели. Пошагово схема разобрана на странице о том, как сделать RAG.
Сколько фрагментов база отдает модели на один вопрос, задает параметр top K, во Flowise по умолчанию 4. Меньшее значение дает меньше фрагментов, зато точнее, большее захватывает шире.
Размерность векторов задает модель эмбеддингов, и индекс базы должен с ней совпадать. Чем больше измерений, тем больше ресурсов на хранение и сравнение: документация Flowise приводит модели на 768 и 3072 измерения.
Предиктивная аналитика это прогноз проблемы до того, как она случилась: поломки, ухода клиента, болезни. ИИ замечает первые признаки в данных и предупреждает заранее, пока есть время на решение. На ЧерМК «Северстали» такая модель сократила простой на 7 часов, это 65 млн ₽ по оценке альманаха Института ИИ МФТИ 2026 года.
Простыми словами, это ответ на вопрос «что случится, если ничего не менять, и сколько у нас времени». Обычный отчет показывает то, что уже произошло, а прогноз показывает то, что еще можно предотвратить.
Логика одна для любой отрасли. Пока процесс в норме, показатели колеблются в привычных пределах. Перед проблемой они начинают меняться: растет вибрация подшипника, клиент реже заходит в приложение, у пациента меняются анализы.
Человек замечает такие сдвиги поздно, потому что они слабые и их много. Модель следит за всеми показателями сразу и подает сигнал на первых признаках. Между сигналом и проблемой появляется время, чтобы успеть: заказать деталь, позвонить клиенту, пригласить пациента к врачу.
Цифровая трансформация и ИИ часто стоят в одной презентации, но меняют разное: цифровая переводит процессы в системы, ИИ меняет, кто делает работу внутри этих систем. По оценке BCG, около 70% трудностей при внедрении ИИ связаны с людьми и процессами, а не с технологией. Ниже чем они отличаются, кто за что отвечает и как мерить результат.
Цифровая трансформация переводит работу из бумаги, звонков и таблиц в системы: учет в 1С, продажи в CRM, документы в электронный документооборот, отчеты в панель руководителя.
Результат измеряют охватом и скоростью: сколько процессов переведено в системы, сколько документов стало электронными, насколько быстрее закрывается месяц.
Типичный проект: выбрать систему, перенести в нее информацию, настроить, обучить людей. Проект заканчивается, когда система запущена и в ней работают все отделы.
Работу при этом делают те же люди. Менеджер так же разбирает заявки, бухгалтер так же сверяет акты, только в программе, а не на бумаге.
Что такое суверенный ИИ, зависит от того, кто спрашивает: у понятия два значения. Юридическое: статус модели по закону о поддержке развития технологий ИИ, вступившему в силу 1 сентября 2026 года. Практическое: ИИ, который работает в вашем контуре и не отправляет данные наружу. Ниже оба, с датами, оговорками, ценой каждого варианта и тем, что бизнесу проверить уже сейчас.
Закон принят Госдумой 8 июля 2026 года и вступил в силу 1 сентября 2026 года. Суверенная модель: разработчик российское юрлицо, он сам ведет разработку и может полностью воспроизвести ее цикл, включая обучение, а ответы модели и данные обрабатываются в дата-центрах на территории России. Национальная модель: допускает компоненты с открытыми лицензиями, включая иностранные фундаментальные модели, но серверы и данные тоже в России. Критерии классификации и правила применения вступают в силу 1 марта 2027 года; для уже созданных систем переходный период до 1 сентября 2032 года при условии обработки данных в России. С 1 марта 2027 года правительство получает право определять случаи, в которых допускаются только суверенные или национальные модели; общего запрета на иностранные модели для бизнеса нет.
Термины локального ИИ стоит знать до разговора с подрядчиком: от них зависит, сколько памяти и видеокарт купить, с какой скоростью модель ответит и где окажутся ваши данные. Ниже около сорока понятий простыми словами, от модели к железу и закону, с числом там, где оно есть, а в конце пример проверки сметы.
Токен: единица текста для модели, обычно кусок слова. По данным крупного российского разработчика ИИ, у его модели в среднем 3–4 символа на токен, поэтому документ на 10 страниц по 1 800 знаков занимает около 4 500–6 000 токенов. Облачная модель берет плату за токены, локальная тратит на них время видеокарты.
Параметры: числа внутри модели, которые она выучила при обучении. Их количество пишут как 8B или 70B, где B означает миллиард; чем их больше, тем модель обычно сильнее и тем больше памяти требует. Активные параметры: в моделях с разреженной архитектурой на каждый токен работает только часть параметров. У ИТ-руководителя Альфа-Банка агент на модели с 35 млрд параметров и примерно 3 млрд активных выдает около 70 токенов в секунду на Mac.
Слово «ИИ-агент» звучит из каждого утюга, и в половине случаев им называют обычного чат-бота. Ниже короткое объяснение без технических терминов: что такое ИИ-агент, чем он отличается от нейросети и бота, и как понять, что вам продают.
Нейросеть это модель, которая умеет понимать и генерировать текст. Сама по себе она ничего не делает, ей нужно задать вопрос. ИИ-ассистент это окно, где вы задаете вопросы нейросети и получаете ответы: полезно, но работу все равно делаете вы. ИИ-агент это нейросеть плюс доступ к вашим системам плюс правила: он получает сообщение клиента, понимает его, сам заводит сделку в CRM, сам записывает в календарь, сам отвечает и сам понимает, когда позвать человека.
Клиент пишет: «Нужно 40 коробок на среду в Тулу, есть?» Чат-бот отвечает «выберите пункт меню». Ассистент отвечает текстом, если менеджер скопирует ему вопрос. Агент разбирает позицию, объем, срок и город, смотрит остатки в 1С, отвечает «есть, 38 в наличии, остальное к четвергу» и заводит сделку в CRM с позициями. Менеджер утром видит готовую сделку.
ИИ-отдел это несколько ИИ-агентов, которые работают в ваших системах как одна команда: один отвечает на заявки, второй ведет сделки, третий записывает клиентов, четвертый готовит отчет руководителю. У каждого своя задача и своя учетная запись, а данные и правила у них общие. Ниже разберем, как устроен ИИ-отдел: из чего состоит, когда нужен вместо одного агента, сколько стоит и как его собирают.
ИИ-агент это программа, которая понимает свободный текст и сама выполняет действия в ваших системах: заводит сделку в CRM, проверяет остатки в 1С, записывает клиента. Один агент закрывает один процесс. ИИ-отдел это 3–5 таких агентов, которые передают друг другу работу так же, как сотрудники обычного отдела: заявка, которую принял один агент, превращается в сделку у второго и в запись у третьего, а руководитель утром видит итог в одном отчете.
Слова «чат-бот», «ИИ-ассистент» и «ИИ-агент» продавцы используют как синонимы, а покупатель потом удивляется, почему бот за 500 ₽ в месяц не заводит сделки в CRM. Разница не в модели, а в том, что продукт умеет делать с вашими системами и кто отвечает за результат. Ниже пять примеров того, чем ИИ-агент отличается от чат-бота, из наших пилотов и внедрений.
Чат-бот работает по сценарию: клиент нажимает «Узнать цену», бот показывает заготовленный ответ. Шаг влево, и бот пишет «не понял вопрос». ИИ-ассистент уже отвечает на вопросы в свободной форме, но живет в отдельном окне и ничего не делает после ответа.
ИИ-агент читает сообщение как есть. Клиент пишет «нужно 40 коробок на среду в Тулу, есть?», и агент разбирает из этого позицию, объем, срок и город, проверяет остатки и отвечает цифрами. На пилоте по приему заявок это и есть первая метрика: доля обращений, на которые агент ответил по сути без участия человека.