Слово «агент» в контексте ИИ затёрлось до неузнаваемости. Его лепят и на простой GPT-виджет, и на полноценную автономную систему. Разберём, что это на самом деле - и где это реально работает в малом бизнесе без венчурных бюджетов.
Чем агент отличается от чат-бота
Чат-бот отвечает на вопрос. AI-агент выполняет задачу.
Разница принципиальная. Бот работает по сценарию: получил вопрос → нашёл ответ в базе → выдал. Агент работает с целью: получил задачу → разбил на шаги → вызвал нужные инструменты → получил результат → сообщил.
Агент умеет:
- самостоятельно выбирать, какой инструмент использовать (поиск, база данных, API, браузер)
- сохранять контекст между шагами
- менять план при неожиданном результате
- работать в цикле, пока задача не решена
Это не магия - это LLM с доступом к набору функций и петлёй обратной связи.
Сценарий 1. Автоответы в мессенджерах с контекстом
Что делает: клиент пишет в Телеграме или WhatsApp → агент понимает смысл запроса, проверяет CRM, отвечает по существу. Не шаблоном, а осмысленно.
Инструменты:
- n8n или Make - оркестратор
- Claude API или GPT-4o - генерация ответа
- Bitrix24 / AmoCRM API - данные по клиенту
- Telegram Bot API / WhatsApp Business API (через 360dialog или Waba.io)
Сложность внедрения: средняя. 2-4 дня на интеграцию, если CRM уже есть.
Стоимость в месяц: $30-80 (API-ключи + n8n cloud или self-hosted). WhatsApp Business API - отдельно, от $50/мес.
Цены актуальны на март 2026. Уточняйте на сайте сервиса.
Где реально помогает: услуги, где клиент спрашивает «сколько стоит», «когда привезут», «можно ли перенести». Агент закрывает 70-80% входящих без участия менеджера.
Сценарий 2. Обработка входящей почты
Что делает: новые письма → агент читает, определяет тип (жалоба, запрос, спам, счёт), приоритет, черновик ответа. Срочное - помечает и пушит в Телеграме.
Инструменты:
- Gmail API или IMAP-коннектор в n8n
- Claude API (хорошо читает длинные письма, держит контекст переписки)
- Google Sheets или Notion - лог обработанных писем
Сложность: низкая. Готовый workflow в n8n собирается за день.
Стоимость: $10-25/мес (Claude API при 200-500 писем в день).
Что получаете: менеджер открывает почту и видит уже рассортированное и с черновиками. Тратит 20 минут вместо двух часов.
Сценарий 3. Мониторинг и анализ отзывов
Что делает: агент раз в сутки парсит Google Maps, Яндекс Карты, 2ГИС → анализирует тональность → группирует по темам → генерирует черновики ответов → присылает сводку.
Инструменты:
- Python-скрипт с httpx + парсинг (или API агрегатора отзывов типа Repometr)
- Claude API - анализ тональности и черновик ответа
- n8n - планировщик и рассылка
Сложность: средняя. Парсинг Яндекс Карт требует аккуратности (они не любят ботов).
Стоимость: $15-40/мес. Если через API агрегатора - плюс $30-100 за агрегатор.
Реальная ценность: бизнесы с 50+ отзывами в месяц тратят часы на ручной мониторинг. Агент делает это автоматически и замечает паттерн («три жалобы на доставку за неделю») раньше, чем его заметит человек.
Сценарий 4. Еженедельные отчёты с AI-выводами
Что делает: в пятницу вечером агент собирает метрики из аналитики (GA4, Яндекс Метрика, CRM, реклама) → считает изменения → Claude формулирует выводы на человеческом языке → отправляет PDF или сообщение в Телеграме.
Инструменты:
- API нужных сервисов (GA4 Data API, Яндекс Метрика API, Директ API)
- Python или n8n для сборки данных
- Claude API - текстовые выводы
- Telebot / Telegram Bot API - доставка
Сложность: высокая. Подключение каждого источника - отдельная работа.
Стоимость: $20-50/мес (в зависимости от набора источников).
Что меняет: владелец получает не таблицу с цифрами, а текст «Конверсия упала на 12% - возможная причина в росте CPC по брендовым запросам. Рекомендую проверить ставки».
Сценарий 5. Мониторинг конкурентов
Что делает: агент раз в день обходит сайты конкурентов → фиксирует изменения цен, новые товары/услуги, обновления контента → сравнивает с вашими данными → сигналит об аномалиях.
Инструменты:
- Python + httpx + BeautifulSoup или Playwright (для JS-сайтов)
- Claude API - извлечение структурированных данных из HTML
- PostgreSQL или Google Sheets - хранение истории
- n8n - оркестрация и уведомления
Сложность: высокая. Каждый сайт конкурента - отдельный кейс. LLM сильно упрощает парсинг нестандартных структур.
Стоимость: $30-70/мес в зависимости от объёма.
Когда AI-агент избыточен
Агент - не решение для всех задач. Не стоит внедрять, если:
- задача выполняется раз в неделю вручную за 10 минут
- данные полностью структурированы и достаточно обычного скрипта
- нет стабильного источника данных (агент не работает с хаосом)
- команда не готова поддерживать систему
Простая автоматизация через Zapier или Make без LLM дешевле и надёжнее для линейных задач. ИИ добавляет смысл, когда данные неструктурированы или нужен контекст.
С чего начать
Выберите один сценарий с наибольшей болью - например, перегруженный входящий Telegram. Сделайте MVP за неделю. Убедитесь, что оно работает и экономит время. Потом расширяйте.
Попытка автоматизировать сразу всё гарантированно превращается в незаконченный проект.