ИИ-агента не покупают коробкой: что на самом деле решает внедрение

Разница между агентом, который красиво отвечает, и агентом, который приносит деньги, — не в модели. Она в интеграциях, регламентах и обучении на ваших данных. Разбираем на примерах Wonderful, Toyota и Cisco, что именно нужно закладывать во внедрение.

Деньги приносит не модель, а интеграция

Стартап Wonderful за 20 месяцев дорос до оценки 5 млрд долларов, подняв в сентябре 2026 года 550 млн. Рецепт не в уникальной модели: агенты поддержки для неанглоязычных рынков плюс собственные инженеры, которые сидят у клиента и вшивают ИИ в его системы. Платформа работает с любой моделью и подключается к текущему стеку заказчика.

Вывод для бизнеса простой. Агент «из коробки» отвечает на вопросы. Деньги приносит агент, который заглянул в CRM, проверил остаток на складе и завёл заявку. Разница между ними — интеграция, регламенты и обучение на ваших данных.

Что спросить у подрядчика до начала работ: с какими системами он свяжет агента, как учитывает ваш язык и вашу терминологию, кто отвечает за правила действий и что останется у вас после проекта.

Первый агент дорогой, окупается второй

Команда корпоративного ИИ Toyota показала свой конвейер: единая платформа, поверх которой собираются агенты. Раньше одного агента делали полгода силами шести инженеров — теперь четыре дня и один человек. Разница между агентами свелась к конфигурационному файлу: сценарий, доступы, источники данных.

Первый агент всегда дорогой: в него закладывают интеграции, права доступа, логи и проверки. Дальше окупается не модель, а повторное использование этой обвязки. Если каждого следующего агента пишут с нуля, автоматизация не масштабируется — и второй проект стоит столько же, сколько первый.

Экономика: дорогая модель — не для всего

Cisco выдала личного ИИ-агента всем 90 тысячам сотрудников. Интересен не масштаб, а три решения. Экономика: 50–60 % запросов идут в открытые модели, 20–30 % закрывает обычная автоматизация без нейросети, и лишь остаток уходит в дорогую флагманскую модель. Контроль: любое действие наружу — письмо, платёж, правка в системе — требует подтверждения человека. Память: агент помнит контекст и не переспрашивает одно и то же.

Схема повторяется и для компании на 50 человек: RAG по своим документам, маршрутизация «дешёвая модель по умолчанию», правила и журнал действий. Дорогая модель включается там, где без неё действительно не обойтись.

Как это делаем мы

Мы начинаем не с выбора модели, а с разбора процесса: где теряется время, какие данные нужны агенту и какие действия он вправе совершать. Дальше собираем один контур подключений к Битрикс24, amoCRM, 1С, телефонии и базе знаний — новые сценарии добавляются поверх него, а не пишутся заново. После проекта контур остаётся у вас.

Читайте дальше: ИИ-ассистент под ключ, Автоматизация документов, Обсудить внедрение.

4 сентября / 2026
Автор: команда Дев-бот · задать вопрос по внедрению
Made on
Tilda