Архитектура AI-агента для бизнеса: от чат-бота к операционной системе
Многие компании начинают с неправильного вопроса: «Давайте сделаем чат-бота?» Более полезный вопрос звучит так: «Какой повторяемый процесс AI-агент должен вести от начала до конца?» Разница огромная. Чат-бот отвечает. Агент понимает контекст, выбирает следующий шаг, вызывает инструменты, пишет состояние в систему и передает человеку то, что рискованно автоматизировать полностью.
Для профессионального AI-агентства архитектура агента не про магию, а про управляемость. Система должна быть полезной в понедельник утром, понятной менеджеру и восстановимой, если API или внешний сервис упал.
Основные слои
У production-агента обычно есть пять слоев:
- Интерфейс: чат, форма на сайте, CRM, голос, Slack, Telegram или email.
- Знания: регламенты, продуктовые документы, переписки, заявки, таблицы, договоры и примеры.
- Инструменты: CRM, счета, рекламные кабинеты, календари, базы данных, поиск и внутренние API.
- Политики: что агент делает сам, что требует подтверждения, что запрещено.
- Наблюдаемость: логи, стоимость, задержки, успешность, правки человека и типы ошибок.
Если одного слоя нет, демо может выглядеть хорошо, но система не станет инфраструктурой.
Начинайте с работы, а не с модели
Лучшие первые агенты узкие: квалификация лидов, обработка документов, triage поддержки, черновики коммерческих предложений, отчеты и внутренний поиск. Там виден результат. Руководитель продаж понимает, правильно ли распределен лид. Менеджер поддержки видит, надо ли эскалировать тикет. Основатель может сравнить черновик КП с финальной версией.
Выбор модели идет позже. Архитектура должна позволять менять модель без переписывания бизнес-процесса. Легкая модель может классифицировать и извлекать данные. Более сильная может разбирать сложные кейсы. Жесткое правило может блокировать опасное действие.
Память должна быть явной
«Память» звучит эффектно, но в бизнес-системах она должна быть скучной. Храните профили клиентов, решения, summaries, результаты tool calls и статусы согласований в структурированных таблицах. Векторный поиск хорош для документов, но не должен быть единственным хранилищем состояния.
Человек остается в контуре
Human-in-the-loop не слабость, а способ запустить серьезный workflow. Агент может готовить, обогащать, сравнивать, классифицировать и рекомендовать. Человек подтверждает скидки, юридические формулировки, возвраты, дорогие коммуникации и изменения чувствительных данных.
Что измерять
Смотрите на бизнес-метрики: сколько времени сэкономлено, какой процент задач проходит без переделки, насколько точны эскалации, какова средняя скорость ответа, стоимость выполненной задачи и качество по оценке команды.
Хорошая архитектура AI-агента похожа не на футуристичного ассистента, а на дисциплинированный операционный слой: ясные границы, подключенные инструменты, полезные логи и путь от прототипа к продакшену.