AI-агенты: Инструмент для бизнеса или новые клиенты? Конспект доклада

TL;DR

Паша Филонов (основатель AI-агентства) разбирает концепцию AI-агентов не как хайп, а как три конкретные бизнес-роли: цифровые сотрудники (автоматизация рутины), новый UX (чат вместо дашбордов) и новые клиенты (когда боты покупают у вас вместо людей). Основной посыл: пора адаптировать сайты и API не только для людей, но и для агентов, иначе можно потерять рынок.

Кому будет полезно

• Product Managers / Owners: для понимания новых паттернов взаимодействия с пользователем.
• CTO / Tech Leads: для оценки архитектуры под «агентный» трафик.
• Бизнес-заказчики: чтобы понять, где реально экономить ФОТ, а где растить выручку.
• Разработчики: для понимания тренда на llms.txt и Agent-oriented архитектуру.

Краткий контекст

• Спикер: Паша Филонов, основатель AI-агентства, эксперт в ML/AI с 15+ летним опытом.
• Тема: Практическое применение AI-агентов за пределами простого чат-бота.
• Окружение: Обсуждение смещается от «замены людей» к «усилению команд» и изменению интерфейсов взаимодействия (B2B, Industrial IoT).

---

Ключевые идеи

1. Формула настоящего Агента

Что сказали: [00:02:57] Просто LLM (ChatGPT) — это развлечение с ограниченной памятью. Агент появляется, когда мы собираем три компонента:

1. LLM (мозг).
2. Память (контекст, RAG, история).
3. Инструменты (возможность влиять на мир: кликнуть, отправить запрос, запустить скрипт).

Почему это важно: Пока модель не может выполнить действие (например, забронировать слот или перезагрузить сервер), она остается просто «болталкой». Бизнес-ценность появляется именно в инструментах.

Как применить: При проектировании бота сразу закладывайте список действий (Tools), которые он имеет право совершать в вашей системе, а не только базу знаний для чтения.

2. Агенты как Сотрудники: роль «Библиотекаря»

Что сказали: [00:05:10] Самый рабочий кейс сейчас — не полная замена профи, а роль «библиотекаря» или «стажера». Он бегает по тысячам документов корпоративной базы знаний, компилирует ответ и приносит человеку.

Почему это важно: Это снижает нагрузку на поиск информации. Мы не увольняем людей, а замедляем наем новых, так как текущие справляются с бОльшим объемом рутины.

Как применить: Внедрить RAG-систему (поиск по документам) для техподдержки или юристов, чтобы ускорить первичную обработку запросов.

3. Агент как новый UX (User Experience)

Что сказали: [00:11:21] Эволюция интерфейсов: Desktop → Web → Mobile → Chat. Сложные промышленные интерфейсы с десятками графиков можно заменить одним чатом. Пользователь не ищет нужный дашборд, а спрашивает: «Что с температурой в цехе 5?», и бот сам идет в систему, смотрит датчики и отвечает.

Почему это важно: Это снижает порог входа в продукт. Клиенту не нужно учиться пользоваться сложным софтом, он общается на естественном языке.

Как применить: Если у вас сложный B2B-продукт (CRM, ERP, мониторинг), попробуйте сделать надстройку-чата, который умеет строить отчеты по запросу, вместо отрисовки новых кнопок.

4. Агенты как Клиенты (Agent-to-Business)

Что сказали: [00:13:45] Будущее, которое наступает: пользователи перестанут сами серфить сайты. Они скажут своему личному агенту: «Найди мне страховку/барбершоп/товар». Агент пойдет сканировать сайты. Если ваш сайт красивый, но непонятный для робота (много JS, сложная верстка), агент его пропустит или не сможет прочитать.

Почему это важно: Вы рискуете потерять платежеспособную аудиторию, которая делегирует покупки ИИ. Появляется понятие Agent-Oriented сервисов.

Как применить: Проверить доступность вашего контента для машин. Внедрять стандарты типа llms.txt (текстовое описание вашего сервиса для ботов).

---

Примеры и кейсы

• Hyperbot (Industrial IoT): [00:11:29]
  • Было: Операторы заводов и ЖК смотрели в перегруженные дашборды с тысячами переменных.
  • Стало: Чат-бот, подключенный к API системы мониторинга. Оператор пишет «Настрой климат», бот идет и реально меняет настройки оборудования, возвращая результат.
• Банковская поддержка:
  • Было: Бот зачитывал статьи из FAQ.
  • Стало: Бот сам отключает услуги, меняет лимиты и совершает действия в биллинге, отчитываясь о результате.

---

Что можно сделать уже сегодня

1. Проверить сайт на «агентопригодность»: [00:18:35] Создать файл llms.txt (или robots.txt с правильными инструкциями), где в простом текстовом формате описать, что делает ваш бизнес и какие у вас цены/услуги. Это SEO будущего для AI-агентов.
2. Оценить стоимость «цифрового сотрудника»: Сравнить стоимость подписки на AI-инструменты (например, $20-30/мес) с затратами на найм и онбординг новых людей для рутинных задач.
3. Пересмотреть API: [00:19:01] Если вы делаете API, пишите к нему идеальную документацию. Агенты (как Copilot или кастомные) работают с API настолько хорошо, насколько хорошо они документированы.
4. Внедрить «Библиотекаря»: Загрузить регламенты и инструкции в простую RAG-систему (например, на базе Open WebUI), чтобы сотрудники тратили меньше времени на поиск ответов.

---

Цитаты

«Агент — это суперпозиция: LLM + Память + Инструменты. Как только мы разрешили системе вносить изменения в реальный мир — это агент.»

«Раньше были клиентоориентированные сервисы, теперь будут агентоориентированные сервисы.»

«Мы не увольняем людей, мы просто перестаем нанимать новых с той же скоростью.»

---

Итоговый вывод

AI-агенты переходят из фазы игрушек в фазу инфраструктуры. Спикер выделяет главный сдвиг: мы привыкли делать интерфейсы для людей (красивые, визуальные), но скоро нашими главными посетителями станут боты, которым нужна сухая, структурированная информация и четкие API. Самый разумный шаг сейчас — подготовить свой продукт к тому, что его будет «читать» и «использовать» другой алгоритм, а не человек.