ИИ-агент не нужен, если маршрут заранее известен, данные структурированы, решение можно описать точными правилами, а ошибка дорогая. В таких процессах обычный код, интеграция или workflow часто будет быстрее, дешевле и легче проверяться
Почему статья про «не нужен» полезнее еще одного списка возможностей
Когда компания продает AI, легко видеть агента в каждой задаче. Но заказчик в итоге платит не за количество современных слов в архитектуре. Он платит за надежный процесс
Anthropic в Building Effective Agents прямо советует искать самое простое решение и добавлять сложность только когда она улучшает результат. Это, пожалуй, одна из самых полезных рекомендаций на перегретом рынке агентов
10 задач, где мы бы сначала выбрали обычную автоматизацию
| Задача | Что выбрать вместо агента | Почему |
|---|---|---|
| Форма -> CRM | Webhook/API | Маршрут фиксирован |
| Оплата получена -> чек/письмо | Событийная автоматизация | Нужна точность |
| Ежедневный отчет из таблицы | Скрипт/BI | Данные структурированы |
| Напоминание по дате | Планировщик | Нет решения по контексту |
| Смена статуса по полю | Правило CRM | Условие формальное |
| Синхронизация справочников | ETL/integration | Нужна детерминированность |
| Расчет скидки по тарифной сетке | Формула | Цена ошибки высокая |
| Проверка суммы НДС | Код/формула | Арифметика надежнее модели |
| Распределение по фиксированному региону | Правило routing | Все данные уже есть |
| Резервное копирование | Инфраструктурный инструмент | AI ничего не добавляет |
Где ИИ можно добавить маленьким слоем
Иногда процесс на 90% детерминированный и только один шаг требует понимания текста. Например, письмо нужно классифицировать по теме, а дальше идет жесткий маршрут. Тогда модель делает классификацию, а обычная система выполняет все остальные действия
Такой гибрид часто устойчивее полноценного агента. Он проще тестируется и оставляет меньше пространства для сюрпризов
Три признака, что агент все-таки нужен
- Следующий шаг зависит от смысла неструктурированного текста или контекста.
- Для решения нужно выбирать между несколькими инструментами и маршрутами.
- Количество исключений слишком велико для удобного набора жестких правил.
Даже здесь агенту не обязательно отдавать финальное действие. Он может выбрать маршрут или подготовить рекомендацию, а критический шаг подтверждает система или человек
Почему «автоматизировать все» плохая цель
Google Cloud в материалах про agentic work говорит о сквозных workflow, но одновременно делает акцент на данных, контролях и роли человека. Хорошая agentic-система не обязана быть автономной в каждой точке
Чем больше полномочий, тем дороже тестирование и мониторинг. Поэтому автономность должна иметь бизнес-причину: быстрее ответ, меньше ручных переключений, выше пропускная способность. Если такой причины нет, это просто дополнительный риск
Как использовать этот принцип при выборе подрядчика
Попросите объяснить архитектуру без слов «магия» и «революция». Почему здесь нужен LLM? Почему агенту нужен доступ именно к этой системе? Что произойдет при ошибке? Какой шаг можно сделать обычным правилом? Если подрядчик спокойно уменьшает количество AI там, где он лишний, это хороший знак
Когда простой workflow неожиданно становится агентным
Иногда процесс начинается как жесткая цепочка, а потом бизнес добавляет исключения. Лид назначается по региону. Затем появляются ключевые клиенты, несколько продуктов, загрузка менеджеров, история прошлых сделок и свободный текст заявки
В этот момент правила могут разрастись до дерева из сотни условий. Тогда агент или небольшой AI-классификатор способен упростить отдельный участок. Главное - не отдать модели весь процесс просто потому, что один блок стал сложнее
Хорошая архитектура позволяет заменить один блок, не выбрасывая остальное. Права, журнал действий и критичные проверки продолжают работать, а AI отвечает только за вариативную часть
Проверка здравого смысла перед словом «агент»
Попросите команду описать процесс без названий технологий. Если описание звучит как последовательность четких условий, сначала соберите ее обычными средствами. Если постоянно встречается «зависит от смысла сообщения», «надо посмотреть историю» и «следующий шаг каждый раз разный», AI становится более осмысленным кандидатом
Эта проверка полезна и заказчику, и подрядчику. Она снижает стоимость решения и делает обещания честнее. Иногда лучший AI-проект начинается с фразы: «Здесь ИИ вообще не нужен»
Сомневаетесь, нужен ли вам ИИ-агент вообще?
Это нормальный вопрос. Покажите процесс, и мы сначала проверим, нельзя ли решить задачу дешевле обычной автоматизацией. Если агент не даст экономического смысла, так и скажем
Частые вопросы
Чем обычная автоматизация лучше ИИ-агента?
Она предсказуемее в фиксированных процессах, обычно дешевле, быстрее и проще тестируется
Можно ли сочетать ИИ и обычные правила?
Да. На практике это один из самых разумных вариантов: ИИ понимает неструктурированный вход, а правила выполняют точные действия
Почему не давать агенту больше свободы сразу?
Каждое дополнительное действие увеличивает число возможных ошибок и стоимость контроля. Автономность стоит расширять по статистике
Когда агент все-таки оправдан?
Когда следующий шаг зависит от контекста, вариантов много, а обычные правила быстро превращаются в огромную и хрупкую схему
Можно ли начать с обычной автоматизации и добавить ИИ позже?
Да. Это часто лучший путь: сначала сделать надежный детерминированный каркас, а ИИ подключить только к тем шагам, где действительно нужен контекст
