AI‑агенты: переход от инструментов к автономным исполнителям в бизнесе

AI‑агенты — это не просто улучшенные боты, а автономные системы, обладающие агентностью — способностью понимать сложные цели, самостоятельно планировать шаги для их достижения и активно взаимодействовать с окружающей цифровой средой.

Этот переход знаменует сдвиг от автоматизации отдельных задач к автоматизации целых процессов. По прогнозам Gartner, к 2028 году 33% корпоративных программных приложений будут включать агентный AI, а не менее 15% рабочих решений будут приниматься автономно. Интерес к агентным системам растёт, что подтверждает резкое увеличение количества научных статей, опенсорс‑проектов и вакансий в этой области с середины 2023 года.

При этом базовые технологии (сами LLM) постепенно коммодитизируются — открытые модели догоняют проприетарные по качеству. Основная гонка перемещается на более высокие уровни: платформы, продукты и конкретные бизнес‑применения. В ответ на этот запрос технологии эволюционируют.

В статье разберём, что такое AI‑агенты и как они устроены, а также подробно рассмотрим Yandex AI Studio — нашу платформу, которая объединяет все необходимые модели и инструменты для разработки и внедрения интеллектуальных агентов в бизнес‑процессы.

Что такое AI‑агенты и зачем они нужны

В основе концепции лежит классическое определение из области искусственного интеллекта: агент — это сущность, которая способна воспринимать окружающую среду через сенсоры и воздействовать на неё через актуаторы — исполнительные механизмы.

В технологическом контексте AI‑агент — это система, которая автономно выполняет многоэтапные задачи, используя рассуждения, память и доступные инструменты для достижения цели, которую задаёт пользователь.

Ключевое отличие агента от традиционного программного обеспечения или систем роботизации процессов (RPA) заключается в его гибкости и автономности. Обычное ПО работает по жёстко заданному алгоритму («если произошло А, сделай Б») и не справляется с неопределённостью. AI‑агент, напротив, получает высокоуровневую цель, например «обработать заказ клиента», и самостоятельно определяет последовательность действий, адаптируясь к ситуации в процессе.

Три подхода к автоматизации: традиционное ПО, ML‑модель и AI‑агент

Тренд на AI‑агентов обусловлен качественным скачком в возможностях языковых моделей. LLM обеспечили необходимую базу для рассуждений и понимания контекста. Это позволяет автоматизировать не просто рутинные операции, а сложные когнитивные процессы, ранее требовавшие человеческого интеллекта.

Типы AI‑агентов

AI‑агенты классифицируются по их архитектуре, сложности и способностям. Понимание этих типов помогает архитекторам и продакт‑менеджерам выбрать подходящее решение для конкретной задачи.

Классификация агентов

Классическую систематизацию в 1995 году предложили профессор информатики UC Berkeley Стюарт Рассел и директор по исследованиям Google Питер Норвиг. Она делит агентов по их сложности и возможностям:

• Простые рефлекторные агенты. Действуют только на основе текущего восприятия, игнорируя историю. Работают по принципу «условие — действие». Пример: спам‑фильтр.

• Модельно‑ориентированные агенты. Поддерживают внутреннюю модель мира, отслеживая изменения в среде. Это позволяет им работать в условиях частичной наблюдаемости. Пример: продвинутая система мониторинга IT‑инфраструктуры.

• Целеориентированные агенты. Обладают информацией о цели и планируют последовательность действий для её достижения. Большая часть практических LLM‑агентов в бизнесе работает по этой схеме.

• Полезностно‑ориентированные агенты. Используются, когда нужно выбрать оптимальный способ достижения цели среди нескольких вариантов. Руководствуются функцией полезности. Пример: агент для управления инвестиционным портфелем.

• Обучающиеся агенты. Способны модифицировать своё поведение и улучшать производительность на основе прошлого опыта. Многие современные агенты на базе LLM меняют поведение за счёт опыта.

Мультиагентные системы

Отдельно выделяют мультиагентные системы (Multi‑Agent Systems, MAS). Это среды, в которых несколько агентов взаимодействуют друг с другом для решения задач, слишком сложных для одного агента. Взаимодействие может быть кооперативным (например, команда ботов, совместно пишущих отчёт) или конкурентным — например, когда агенты ведут переговоры о цене поставки или соревнуются в поиске уязвимостей.

AI Studio совместима с OpenAI‑совместимыми интерфейсами. Для текста используется Responses API, для голоса — Realtime API. Для работы с корпоративной базой знаний ассистенты подключают инструменты VectorStore и WebSearch.

Теперь разберём каждый компонент Yandex AI Studio подробнее.

Model Gallery

Model Gallery — каталог моделей в Yandex AI Studio. Доступны собственные модели YandexGPT 5 Lite, YandexGPT 5.1 Pro и YandexART, а также актуальные опенсорс‑модели и специализированные модели: классификаторы, эмбеддеры, реранкеры и токенизаторы. В галерее представлены текстовые и мультимодальные варианты для работы с изображениями.

Варианты использования моделей в Model Gallery: базовый инстанс, выделенный инстанс, пакетная обработка:

• Базовый инстанс. Быстрый старт с оплатой за потреблённые токены. Подходит для прототипов и нерегулярной нагрузки. К моделям можно обращаться в AI Playground, по API и через Yandex Cloud ML SDK.

• Выделенный инстанс. Нужен для продакшн‑сценариев с гарантированными параметрами работы и стабильным временем ответа. Инстанс разворачивается и управляется в Yandex AI Studio, платформа обеспечивает устойчивый и эффективный инференс. Функциональность находится на стадии Preview.

• Пакетная обработка. Массовая обработка датасетов одним запуском, когда строгих требований по времени нет. Результат формируется в течение часов и сохраняется в виде датасета. Доступен широкий набор текстовых и мультимодальных опенсорс‑моделей, включая линейки Qwen, Gemma и DeepSeek. Запуск возможен из консоли, через Yandex Cloud ML SDK и Batch API.

Эксплуатация крупных моделей требует внимательной работы с производительностью и устойчивостью. AI Studio решает эту проблему: для базового инстанса ничего дополнительно настраивать не нужно, а для выделенного инстанса платформа оптимизирует инференс и изолирует пользователя от чужого трафика. Для выделенных инстансов фиксируются метрики производительности — TTFT — время до первого токена от момента запроса, Latency — время до полного ответа, TPS — число токенов в секунду при генерации.

Модели можно адаптировать под задачи бизнеса через Tuning API. Поддерживается метод LoRA для YandexGPT 5 Lite и Llama 8B, а также дообучение классификаторов и модели эмбеддингов. Функциональность находится на стадии Preview.

AI Search

Агенту нужна память. Краткосрочная хранит контекст диалога в треде — модель опирается на неё, когда отвечает в рамках текущего разговора. Долгосрочная собирает знания компании и «кормит» RAG‑контур, чтобы ответы оставались точными и актуальными. В Yandex AI Studio такой контур строится вокруг AI Search.

Что относится к AI Search

База знаний состоит из двух сущностей — файлов‑источников и поисковых индексов. Файлы загружают через Files API или Yandex Cloud ML SDK, затем из них строят индекс нужного типа: текстовый, векторный или гибридный. Индексация идёт асинхронно: при создании индекса возвращается идентификатор операции. После завершения построения можно удалить исходные файлы, если не нужны ссылки на источники.

Retrieval для ассистента

Ассистент подключает инструмент Retrieval. Инструмент берёт из индекса релевантные фрагменты и подмешивает их в контекст перед генерацией ответа. В конфигурации ассистента задают стратегию обращения к индексу — всегда или по решению модели — и ограничение на число фрагментов, которые попадут в подсказку модели. Сейчас ассистент поддерживает один индекс за раз.

Настройки индекса

Для разбивки текста доступна статическая стратегия с управлением размером чанка и перекрытием, значения задаются в токенах. Для текстового поиска настраивают токенизацию — n‑граммы через NgramTokenizer или словарный разбор через standardTokenizer — и выбирают анализатор: стандартный или Yandex Lemmer для лемматизации. В гибридном поиске доступны стратегии нормализации оценок релевантности и объединения ранжирований — среднее с весами или RRF. Эти параметры помогают согласовать влияние текстового и векторного поиска.

Метаданные и фильтры

Метаданные задают и у файлов, и у индексов. Их используют для фильтрации результатов и для понятных ссылок на источники в ответах ассистента. Если файлы после построения индекса удалены, ссылки на источники недоступны — индекс продолжает работать, но блок с источниками будет пустым.

MCP Hub и WebSearch: инструменты для действий

Это набор готовых инструментов и API, через которые агент выходит во внешний мир. С ними он получает данные из корпоративных систем и интернета и может выполнять действия по правилам сценария.

WebSearch

Инструмент WebSearch встроен в Yandex AI Studio. Он позволяет агенту искать информацию в поиске Яндекса, а также ограничивать область и задавать фильтры по дате, языку и формату. Использование инструмента тарифицируется как генеративный ответ сервиса Yandex Search API.

MCP Hub

MCP Hub — часть Yandex AI Studio для создания, подключения и мониторинга MCP‑серверов. Один MCP‑сервер может содержать до двадцати инструментов. Типовые сценарии — интеграции с CRM и ERP, подключение внутренних хранилищ и внешних API, автоматизация бизнес‑процессов. Функциональность находится на стадии Preview.

Что можно делать в MCP Hub:

• Подключать существующие внешние MCP‑серверы и использовать их инструменты в агентах. Допускаются серверы на smithery.ai, из Yandex Cloud Marketplace или развёрнутые в собственной инфраструктуре.
• Создавать собственные MCP‑серверы с нуля и добавлять инструменты трёх типов: HTTPS‑запросы к внешним API, функции Yandex Cloud Functions и рабочие процессы Yandex Workflows.
• Преобразовывать имеющийся API в инструменты MCP прямо в консоли AI Studio, чтобы модель могла вызывать нужные методы.
• Управлять доступом и безопасностью. Можно выпускать приватные и публичные MCP‑серверы, ограничивать обращение ролями и включать журналирование запросов.
• Использовать готовые шаблоны MCP‑серверов для популярных систем. В каталоге есть шаблоны для Контур.Фокус, amoCRM, Yandex Tracker и Yandex Search API.

Подключение к MCP‑серверу выполняет компонент MCP Connector. Сами серверы создаются и настраиваются в MCP Hub.

Agent Atelier и Yandex Workflows: среда разработки и планирование

В Yandex AI Studio агенты проектируются и настраиваются в Agent Atelier, а сложные цепочки действий и интеграций удобно оркестровать в Yandex Workflows. Этот тандем закрывает и «кодовые» сценарии через OpenAI‑совместимые API, и визуальную сборку процессов через конструктор шагов.

Agent Atelier — среда для создания текстовых и голосовых AI‑агентов. Агенты подключают модели, инструменты и память, могут автоматически вызывать Retrieval и WebSearch, а к внешним системам выходят через MCP Connector. Для разработки доступны OpenAI‑совместимые Responses API для текста и Realtime API для голоса. Поддерживаются фреймворки OpenAI SDK, LangChain и LangGraph.

Yandex Workflows — low‑code‑конструктор рабочих процессов. Сценарии собирают из готовых интеграционных и управляющих шагов, настраивают сеть выполнения и сервисный аккаунт, а запуск возможен из консоли, CLI или по API. Для экспериментов и дообучения моделей под задачи бизнеса удобно использовать Yandex DataSphere.

Responses API: интеграция и выполнение

Чтобы встроить агентов в приложения, Yandex AI Studio предлагает два OpenAI‑совместимых API:

Оба API подключают инструменты и память и сохраняют состояние между запросами, так что агент умеет продолжать разговор и опираться на контекст.

Риски, вызовы и как их снижать

Внедрение ИИ‑агентов открывает новые возможности, но требует дисциплины в качестве, безопасности и комплаенсе.

Облачные платформы снимают часть рисков за счёт готовых сервисов безопасности и наблюдаемости. В нашей экосистеме за это отвечают управление секретами в Yandex Lockbox, журналы в Yandex Cloud Logging и аудит на уровне организации в Yandex Audit Trails. Также доступна платформа Yandex Security Deck — CNAPP c модулями прозрачности доступа и DSPM для контроля данных и соответствия требованиям.

Эти инструменты повышают видимость действий, упрощают расследования и позволяют выполнять требования внутренних и внешних проверок.

Применение Yandex AI Studio в бизнесе

AI‑агенты уже меняют ключевые процессы в компаниях разных отраслей. Платформа AI Studio и наши сервисы дают готовую инфраструктуру для быстрого запуска — от прототипов до устойчивых продакшн‑нагрузок.

Клиентский сервис и поддержка

Агенты берут на себя рутину в контакте с клиентом и помогают держать стабильное качество даже при всплесках обращений. Это не скриптовые боты, а системы, которые понимают контекст и умеют действовать.

Эти примеры показывают, как голосовые и текстовые агенты снимают нагрузку с операторов и ускоряют реакции системы без просадки в качестве общения.

Персонализация и маркетинг

ИИ позволяет говорить с покупателем на его языке — от контента карточек на маркетплейсах до уникального визуала. Персонализация работает, когда она массовая, быстрая и при этом бережная к бренду. Эти кейсы как раз об этом.

HR и внутренние помощники

ИИ помогает закрывать вакансии быстрее и делает корпоративные знания доступными. Внутренние ассистенты разгружают бэкофис и ускоряют принятие решений, а рекрутинговые выравнивают спрос и предложение труда без расширения штата.

Разработка и эксплуатация ПО

ML‑инструменты в облаке помогают масштабировать сервисы без потерь в качестве и бюджете. Когда ML‑среда и вычисления управляемые, команда быстрее экспериментирует и переносит модели в продакшн.

Аналитика и поиск

Данные двигают продукт вперёд. Когда сбор и поиск настроены, бизнес быстрее получает ответы, а продукт увереннее закрывает пользовательские запросы.

Будущее и перспективы

По данным отчёта Stanford AI Index 2025, внимание рынка смещается от выбора базовой модели к платформам, продуктовой интеграции и надёжности систем на базе агентов.

Влияние AI‑агентов на занятость людей

Из‑за генеративных технологий изменится состав рабочих задач. По оценке McKinsey, уже существующие решения способны автоматизировать 60–70% видов деятельности по времени выполнения, хотя речь идёт о долях задач, а не о полном замещении профессий. Параллельно меняется структура востребованных навыков: на первом плане остаются аналитическое и критическое мышление, креативность, обучаемость, лидерство и умение работать с AI как с инструментом.

На какие навыки растёт спрос

В верхней части списков остаются аналитическое и критическое мышление, креативность, способность учиться, лидерство и социальное влияние. Организации также ждут технологической грамотности и умения работать с AI как с инструментом.

Новая роль — менеджер агентов

Появляется управленческая роль, которая ставит цели, задаёт правила, следит за безопасностью и работает с метриками качества. Такой специалист распределяет задачи между агентами и останавливает выполнение по заданным условиям. В продакшне это помогает соблюдать требуемую скорость реакции системы при нужной наблюдаемости и контроле.