Когда ИИ-агент бизнесу не нужен: 10 задач, где достаточно правил или ассистента

Агентность - не уровень качества, а уровень свободы

Слово «агент» описывает самостоятельность системы в выборе действий, а не её качество. Хорошо настроенная автоматизация может выполнять задачу лучше агента, которому для той же работы дали лишнюю свободу

Руководство Google Cloud по выбору архитектуры рекомендует рассматривать агентов для открытых задач с автономными решениями, а для предсказуемых, структурированных задач - более простые неагентные подходы ¹

Anthropic формулирует близкий принцип: начинать с минимальной сложности, достаточной для задачи, и усложнять решение при необходимости ². Это ориентир для проектирования, не доказательство, что любая система на правилах дешевле любого агента

Шесть вопросов для первичного выбора архитектуры

Ответьте «да» или «нет». Это авторский фильтр для обсуждения, а не измерение вероятности успеха: вопросы частично связаны друг с другом, и сумма не заменяет сравнения решений

Таблица прокручивается вправо →

При 0–1 балле начните проверку с правил. При 2–3 баллах сравните их с ИИ в отдельном шаге или помощником для сотрудника. При 4–6 баллах имеет смысл включить агентный вариант в сравнение. Эти диапазоны - рабочая эвристика, а не доказанные границы применимости

Отдельно проверьте причины исключений. Если их создают плохие данные или отсутствие регламента, добавление агента проблему не устраняет. Неприемлемый риск остаётся стоп-фактором при любой сумме баллов

Цена лишней агентности

Когда агент выбирает маршрут сам, у задачи появляется больше возможных последовательностей действий. Помимо запросов к модели, рабочая схема должна предусматривать

• достаточный набор тестовых случаев
• повторные прогоны из-за вариативности
• журналирование всей последовательности действий
• контроль инструментов и прав
• условия остановки
• защита от циклов
• разбор промежуточных ошибок
• более сложное обновление после смены модели

Руководство по оценке агентов подчёркивает, что их автономность, многошаговость и изменение состояния делают проверку сложнее, чем у одиночного ответа модели ³

Такие расходы есть и у обычной автоматизации, но самостоятельный выбор действий может увеличить их объём. Сравнивайте фактическую стоимость и результат, а не число компонентов в схеме

10 задач, для которых агент не обязателен

1. Новая форма должна создать лид

Событие, поля и результат известны. Для создания лида достаточно интеграции с проверкой данных и повторов; самостоятельный выбор плана здесь ничего не добавляет

2. Оплаченный заказ должен сменить статус

Если условие - подтверждённый платёж, смену статуса задают правилом по событию. Важно проверить связь платежа с заказом и не выполнить действие повторно

3. Нужно рассчитать скидку по утверждённой таблице

При утверждённой таблице условий расчёт выполняет программное правило. ИИ может помочь разобрать запрос, но не должен каждый раз заново определять размер скидки

4. Нужно перенести данные между двумя системами

При известном соответствии полей нужна интеграция с проверками и обработкой ошибок. Самостоятельное планирование не требуется, пока не появляется задача выбора нового маршрута

5. Нужно создать документ из заполненной карточки

Когда поля и шаблон известны, достаточно шаблонизации и проверки обязательных данных. Генерация плана не улучшает сам перенос значений

6. Нужно раз в день отправить отчёт

Готовый отчёт с известным адресатом отправляется по расписанию. Если нужна текстовая сводка, её можно добавить отдельным шагом ИИ, не передавая ему управление рассылкой

7. Нужно проверить обязательные поля

Наличие обязательных полей, формат даты и допустимые значения проверяются кодом. Если требуется понять смысл свободного текста, ИИ может извлечь признак для последующей проверки

8. Нужно назначить менеджера по региону и продукту

Если компания утвердила соответствие региона, продукта и ответственного, используйте маршрутизацию по правилам. Длина таблицы сама по себе не является основанием заменить её агентом

9. Нужно посчитать итог по данным

Итог вычисляет расчётный модуль: код или формула. Даже когда ИИ извлекает числа из текста, арифметику и проверки можно выполнить отдельно по заданным правилам

10. Нужно сделать сводку человеку, который сам примет решение

При готовом наборе материалов ИИ может подготовить сводку без самостоятельных действий. Важно различать роль и устройство: помощник для сотрудника тоже может использовать агентный поиск, если ему действительно нужно самому выбирать источники

Где ИИ всё равно может участвовать без агента

Отказ от агента не означает отказа от ИИ. Например, модель извлекает из сообщения регион и продукт, после чего правило назначает менеджера. Или выделяет сумму договора со ссылкой на исходный фрагмент, а после проверки значения код сравнивает её с лимитом. Языковая модель разбирает неструктурированный вход; дальнейший маршрут задаётся заранее

Признак переусложнения №1 - выбор почти всегда одинаков

Условный пример: в 98% случаев после получения заявки агент вызывает одну и ту же функцию. Это повод проверить, можно ли закрепить действие правилом. Но сначала разберите оставшиеся случаи: они могут быть редкими и при этом важными. При необходимости основной поток остаётся фиксированным, а исключения передаются сотруднику или ограниченному агентному сценарию. Выгоду такого разделения нужно измерить, а не выводить из частоты автоматически

Признак переусложнения №2 - человек подтверждает абсолютно всё

В другом условном примере сотрудник подтверждает каждый из десяти шагов агента. Проверьте, нельзя ли вместо этого подготовить один пакет для решения человека. Это не повод убирать необходимые согласования: в процессе с дорогими действиями каждое подтверждение может быть оправдано. Сокращать стоит лишние шаги, а не контроль ради красивой автономности

Признак переусложнения №3 - невозможно объяснить, зачем нужен план

Попросите команду привести конкретный случай, где система должна выбрать новое действие по промежуточному результату, а заданной ветки правил недостаточно. Если такого примера нет, сначала стоит испытать фиксированный маршрут

Когда агент всё-таки начинает оправдываться

Рассмотрим квалификацию сложного входящего лида. Возможная последовательность

1. понять запрос
2. найти клиента
3. оценить, хватает ли вводных
4. выбрать уточняющий вопрос
5. после ответа решить, какую проверку сделать
6. получить данные из другого источника
7. выбрать специалиста
8. передать контекст

Сам по себе этот список не доказывает, что нужен агент: вопросы и проверки могут укладываться в фиксированные ветки. Агентный вариант стоит сравнить, когда по ответам клиента нужно выбирать действия, которые неудобно или ненадёжно задавать таким способом

Другой пример - исследовательская задача, в которой система выбирает источники, уточняет гипотезу и продолжает поиск до заданного критерия полноты. Здесь самостоятельный выбор может быть полезен, если ограничены доступные действия, расходы и условия остановки

Как оставить возможность перехода к агенту

Разделение на слои позволяет менять управление процессом, не смешивая его с правами и данными

Слой 1 - события и данные. Приём сообщений и внутренние форматы не должны зависеть от конкретной модели

Слой 2 - точные правила. Проверки данных, права, лимиты и условия выполнения критичных действий остаются вне свободного решения модели

Слой 3 - функции ИИ. Классификация, извлечение, сводка и предложения дают ограниченный результат для следующего шага

Слой 4 - управление маршрутом. Сначала можно задать фиксированный сценарий. Часть выбора передаётся агенту, только если самостоятельный выбор решает подтверждённую проблему лучше правил; большое число веток ещё не доказывает этого

Это не обещание перехода без переделок. Изменившийся маршрут всё равно нужно тестировать, но отдельные границы данных, прав и действий помогают понять, что именно затронуто

Как доказать, что агент лучше обычного сценария

Сравните на сопоставимых задачах два варианта: А - фиксированный маршрут с ИИ в отдельных шагах, Б - агент, который сам выбирает последовательность. Дайте им одинаковые исходные данные и критерии результата. Повторяйте прогоны, чтобы оценить разброс, и учитывайте

• долю успешно завершённых задач
• время
• полные затраты на один успешный результат, включая неудачные попытки и проверку
• число вызовов инструментов
• ручные вмешательства
• критичные ошибки
• удобство изменения процесса

Если агент не даёт достаточного выигрыша при допустимом риске, оснований платить за самостоятельный выбор пока нет. Не сравнивайте успешную демонстрацию агента со всем потоком ошибок обычного сценария

Антиагентная проверка перед закупкой

Перед тем как подписывать проект, попросите ответить письменно

1. какой шаг система не может выполнить по заранее заданному маршруту
2. какие инструменты она должна выбирать сама
3. какие промежуточные результаты меняют план
4. какие действия будут запрещены
5. где находится человеческое подтверждение
6. как измерят выигрыш против более простого решения
7. сколько стоит один успешно завершённый процесс

Если ответы туманные, разумнее остановиться на более простой архитектуре и вернуться к агенту после появления фактов