Слово agentic сейчас встречается всё чаще. По сути, это следующий шаг после привычных «нейросетей, которые пишут текст». Вместо модели, которая просто отвечает на запрос, появляется система, которая берёт на себя кусок работы: планирует, пользуется инструментами, следит за результатом.
Чтобы понять, что за этим стоит, полезно разложить современный ИИ на несколько уровней — от самых простых моделей до «цифровых сотрудников».
!!! Больше кейсов на канале “AI для продакта”.
1. AI & Machine Learning: модели, которые смотрят в будущее
Самый нижний уровень — машинное обучение.Здесь модель смотрит на много примеров из прошлого и пытается ответить на простой вопрос: «что, скорее всего, произойдёт в похожей ситуации?»
- У банка это история платежей и просрочек, по которой он оценивает риск невозврата.
- У магазина — продажи по неделям, чтобы прикинуть, сколько товара завозить.
- У сервиса подписок — логины, покупки и отмены, по которым видно, кто из клиентов “остывает”.
Такая модель ничего не «придумывает». Она живёт в рамках своих данных. Если в истории нет какого-то сценария, модель его не угадает.
Обычно это выглядит как цикл. Собрали данные → обучили модель → проверили, насколько её прогнозы совпадают с реальностью → по мере накопления новых данных переобучили её ещё раз.
За счёт этого модель остаётся более-менее актуальной, но по сути решает одну узкую задачу. Это ещё не «интеллект» в человеческом смысле, а очень настойчивый калькулятор со статистикой. Но без этого слоя ничего более сложного сверху не работает. Если компания не умеет собирать и использовать свои данные, говорить про агенты и agentic AI смысла мало.
2. Deep Neural Networks: машины, которые видят, слышат и читают
На следующем уровне появляются глубокие нейронные сети. Они делают всё то же самое — ищут закономерности в данных, — но сами данные становятся намного богаче: картинки, звук, текст.
Вместо «строк в таблице» модель получает фотографию детали и решает, есть там дефект или нет. Или аудиозапись разговора — и превращает её в текст. Или комментарий в соцсетях — и определяет, это нормальный отзыв или откровенный хейт.
Такие модели стоят за привычными вещами:
- камера на заводе, которая сама отбраковывает брак;
- поисковик, который понимает не только отдельные слова, но и смысл запроса;
- автоматический переводчик, который уже не выглядит как шутка из 2000-х.
По сути, это всё те же «прогнозы», только над более сложными объектами:
- на картинке — есть нужный объект или нет;
- в аудио — что именно сказал человек;
- в тексте — какой у него тон и тема.
Ограничение остаётся таким же, как на первом уровне. Каждая модель решает свою конкретную задачу и не выходит за её рамки. Но именно глубокие сети дали ИИ доступ к миру вне таблиц — к образам, речи, живому языку.
Дальше, когда мы говорим про генеративный ИИ, агенты и agentic AI, почти везде внутри сидят как раз такие модели, которые научились понимать сложный вход, а не только числа в Excel.
3. Generative AI: модели, которые не только понимают, но и создают
Когда нейросети научились хорошо разбирать текст, изображения и звук, следующий шаг был очевиден. Если модель понимает контекст, почему бы не попросить её продолжить? Так появился генеративный ИИ.
Он берёт на вход пример — фразу, абзац, набросок картинки — и достраивает его дальше в том же стиле.
- Менеджер набрасывает пару строк письма, модель предлагает аккуратный, развёрнутый вариант.
- Юрист загружает длинный договор, модель делает краткое резюме и поднимает спорные места.
- Разработчик описывает, что должна делать функция, — и получает заготовку кода.
- Дизайнер формулирует идею, а нейросеть генерирует десяток вариантов композиции.
По ощущениям это уже не «модель, которая ставит галочку да/нет», а что-то ближе к собеседнику. Можно спросить, уточнить, попросить переписать. Но принцип внутри остаётся статистическим. Модель не «думает», она опирается на огромный массив примеров и продолжает их наиболее вероятным образом.
На этом уровне ИИ по-прежнему не делает ничего сам. Он формулирует ответ, а всё остальное остаётся за человеком. Принять или отклонить вариант, отправить письмо или оставить в черновиках, запустить предложенный код или переписать вручную.
Генеративный ИИ сильно ускоряет работу с текстами, кодом, идеями, но не берёт на себя ответственность за выполнение задач. Именно этот разрыв — между «предложить» и «сделать» — и закрывают агентные подходы на следующих уровнях.
4. AI-агенты: ИИ, который берёт на себя кусок процесса
Генеративный ИИ хорош, пока речь идёт о «подумать вместе»: придумать формулировку, объяснить тему, предложить варианты. Но в реальной работе ценность обычно не в тексте, а в том, что кто-то пошёл и сделал: забрал данные, что-то посчитал, обновил систему, отправил письмо.
Агент как раз про это. По сути, это генеративная модель, к которой добавили:
- память о том, что уже происходило в задаче,
- набор доступных инструментов (почта, календарь, CRM, база данных, API),
- и «обёртку», которая позволяет планировать шаги, а не только выдавать ответ на фразу.
Например, вместо «напиши письмо клиенту с отчётом» вы говорите:
«Собери отчёт по продажам за прошлую неделю по ключевым клиентам и отправь его команде».
Дальше агент может:
- зайти в CRM и аналитику,
- вытащить нужные цифры,
- сверить их с планом,
- попросить генеративный модуль написать понятное резюме,
- собрать всё в одном документе
- и разослать по списку.
Снаружи это по-прежнему выглядит как «бот, которому вы что-то написали». Разница в том, что результатом становится не текстовый совет, а реально выполненная работа. В календаре появляются встречи, в почте — письма, в задачнике — обновлённые статусы.
Обычно у такого агента горизонт короткий. Одна задача, один сценарий, один блок работы от начала до конца. Он не живёт «жизнью отдельного персонажа», а включается, когда его зовут, и выключается после завершения процесса.
И вот уже на этой базе — когда ИИ умеет не только отвечать, но и выполнять цепочки задач — становится возможен следующий шаг: системы, которые живут дольше одной сессии и держат в голове цель, а не только текущий запрос.
5. Agentic AI: системы, которые живут в роли, а не в одном сценарии
На уровне agentic AI фокус смещается от «сделать задачу» к «держать направление». Речь уже не о том, чтобы один раз собрать отчёт или обработать пачку заявок, а о том, чтобы система постоянно работала внутри своей зоны ответственности.
Хороший образ — цифровой коллега с узкой ролью. Например, «цифровой аккаунт-менеджер» для группы клиентов или «цифровой операционный ассистент» для определённого процесса.
У такого ИИ есть цель, понятный периметр и набор инструментов. Он умеет:
- наблюдать за тем, что происходит в его области — по логам, данным, статусам задач;
- замечать отклонения: что-то идёт не по плану, метрики поползли не туда;
- сам предлагать действия и, в пределах своих прав, выполнять их;
- сравнивать ожидаемый результат с фактическим и накапливать опыт.
Например, «цифровой аккаунт-менеджер» может месяцами следить за активностью клиентов: видеть, кто перестал пользоваться продуктом, кто часто обращается в поддержку, у кого приближается конец контракта. Когда риск становится заметным, он не просто показывает цифру в отчёте, а собирает нужную информацию, готовит предложение и ставит человеку понятную задачу: созвониться, обсудить условия, согласовать изменения.
Ключевая разница с обычным агентом в том, что agentic-система сама связывает отдельные задачи в цепочку вокруг цели и умеет корректировать своё поведение по ходу. Если какой-то шаг регулярно даёт плохой результат, его можно пересмотреть. Если появляется новый тип события, со временем он перестаёт быть «аномалией» и превращается в учтённый сценарий.
Отдельная тема — границы. Agentic AI не должен превращаться в «чёрный ящик, который делает что хочет». Ему задают уровень доступа, допустимые действия, критерии, в каких случаях он обязан позвать человека. По сути, вместе с такой системой приходится заново формулировать, где нам нужен автомат, а где — ответственность живого человека.
В итоге agentic AI — это всё тот же ИИ, только поднятый на уровень роли: он не просто помогает в моменте, а помогает удерживать курс, выполнять рутину и реагировать на изменения в своём участке работы.
Готова ли компания к агентам
Агенты и тем более agentic AI — это надстройка. Если фундамент слабый, сверху получится красивая витрина, которая развалится от первого же реального процесса.
Есть несколько простых признаков, по которым можно понять, что компания хотя бы в принципе готова к агентному подходу.
Во-первых, понятны процессы. Не обязательно идеально описаны, но есть хоть какое-то понимание: кто что делает, из каких шагов состоит работа, где начинается и заканчивается ответственность.
Если внутри царит «каждый делает по-своему, но как именно — никто не знает», агенту просто не за что зацепиться.
Во-вторых, есть доступные данные и системы с API. Агент ничего не может без точек входа: CRM, helpdesk, учётка задач, хранилище документов.
Если данные живут в отдельных Excel на личных ноутбуках, а половина важных операций делает «тот самый человек, который всё знает», — придётся сначала навести порядок.
В-третьих, есть доверие к автоматизации, но без иллюзий. Команда готова отдать машине рутину, но понимает, что контроль и ответственность остаются за людьми.
Там, где любой сбой дорого стоит — финансы, юридические действия, публичные коммуникации, — всегда должен быть понятный «стоп-кран».
Наконец, есть человек или команда, кому это действительно нужно. Не «поставим агентный ИИ, потому что модно», а конкретная боль: тонули в отчётах, зашивались в рутине, месяцами согласовывали простые вещи.
Если боли нет, то и результат будет выглядеть как игрушка: красивая демка, которая никому не помогает.
Хорошее рабочее правило:
- сначала честно описать один живой процесс, который уже сейчас еле дышит от ручной работы,
- посмотреть, какие шаги там можно отдать машине,
- и только потом думать словами «агент», «оркестрация» и дальше по модным терминам.
В итоге agentic AI — это не про волшебный интеллект, а про аккуратное делегирование части работы машинам. Чем лучше компания понимает свои процессы и границы ответственности, тем больше шансов, что «цифровые коллеги» будут не игрушкой, а реальной поддержкой в ежедневной работе.
!!! Больше кейсов на канале “AI для продакта”.