← Назад к базе знаний

Где AI-агент справится, а где сломается: рамка применимости

Где AI-агент справится, а где сломается: рамка применимости

Коротко. AI-агент надёжно работает там, где сделка простая, комитет маленький, а ошибка стоит недорого: квалификация входящих, бронирование встреч, обновление данных. Он ломается на длинных цепочках действий, сложных комитетах и в ситуациях, где цена репутационной ошибки высока. Решает не мощность модели, а профиль сделки.

Где проходит граница

Спор «заменит или не заменит» бесполезен, потому что ответ зависит от типа сделки. Полезнее рамка из четырёх факторов.

Фактор Агент справится Агент сломается
Средний чек До ~$25 000 От ~$100 000
Комитет 1–2 человека 6–10 стейкхолдеров с разными интересами
Тип потока Входящий, много однотипных обращений Сложный исходящий, работа через отношения
Цена ошибки Высокая терпимость: неудачное письмо просто проигнорируют Низкая: одна формулировка бьёт по репутации у всего рынка
Пример Квалификация лида, бронирование демо, напоминания Переговоры с закупкой, нестандартный контракт, эскалация

Как устроен рабочий агент

Производственный агент — не чат-бот, а система из нескольких слоёв. Ему нужны описанные интерфейсы к данным и действиям — здесь помогает MCP как способ не писать интеграцию под каждую систему заново. Ему нужна подгрузка инструментов по требованию, а не весь набор в контексте разом: иначе растут и стоимость, и число ошибок. И ему нужна инфраструктурная часть — ограничения по частоте запросов, повторные попытки, очереди, лимит расходов. Это не технические детали, а то, от чего зависит, переживёт ли агент первый настоящий день работы.

Как именно он ломается

  • Длинные цепочки. Вероятность ошибки накапливается: пять шагов по 95% надёжности дают уже примерно 77% на выходе.
  • Придуманные факты. Агент уверенно сообщает клиенту то, чего в продукте нет.
  • Сломанные инструменты. Изменился ответ API или вёрстка страницы — агент продолжает действовать, будто всё в порядке.
  • Циклы. Агент застревает, повторяя одно и то же действие, и тратит бюджет.
  • Стоимость длинных запусков. Автономная работа часами обходится дороже, чем кажется на демо.

Теневая CRM — главная ошибка внедрения

Типичный сценарий: агент ведёт свою базу и синхронизируется с CRM раз в час. Через месяц у вас два списка контактов, дубли сделок и отчёт, которому никто не верит. Правильная схема — агент работает напрямую с живыми данными CRM: читает оттуда и пишет туда же. Если платформа так не умеет, это довод против платформы, а не повод завести вторую базу.

Что проверить до запуска

  • Что агент делает, когда не уверен? Ответ «продолжает» — плохой. Нужна передача человеку с полным контекстом.
  • Кто отвечает за то, что агент сказал клиенту?
  • Есть ли лимит расходов на один запуск?
  • Как вы узнаете, что агент сломался, — из мониторинга или от клиента?
  • Что видит клиент: понимает ли он, что говорит с машиной?

Автономию имеет смысл вводить снизу — с самых дешёвых и однотипных задач, — а не сверху, с самых заметных. Ошибка агента на квалификации входящих стоит одного потерянного лида. Ошибка на переговорах стоит сделки и репутации.

Сколько стоит AI-SDR по сравнению с человеком?
На американском рынке платформа обходится примерно в $6 000–24 000 в год против $98 000–173 000 полной стоимости человека. В Казахстане разрыв меньше, потому что дешевле человек, — и экономика внедрения считается заново.
Можно ли доверить агенту работу с существующими клиентами?
Рутину — да: напоминания о продлении, сбор обратной связи, обновление данных. Разговор о причинах недовольства — нет. Там цена ошибки равна стоимости контракта.
Что делать, если агент выдумал факт в переписке с клиентом?
Быстро исправить от имени человека, а не агента, и зафиксировать случай. Если такие случаи повторяются, проблема не в конкретном промте, а в отсутствии проверки перед отправкой.
Материал оказался полезным?

Больше на KZSalesHub

Оформите подписку, чтобы продолжить чтение и получить доступ к полному архиву.

Читать дальше