Читать книгу Как заработать на ИИ-агентах (Никита Александрович Куликов) онлайн бесплатно на Bookz (2-ая страница книги)
Как заработать на ИИ-агентах
Как заработать на ИИ-агентах
Оценить:

3

Полная версия:

Как заработать на ИИ-агентах

За что платят на самом деле: три результата, которые покупают

Есть соблазн думать, что клиент платит за «агента». Это не так. Клиент платит за изменение в своём бизнесе, которое можно измерить. Вот три результата, которые рынок покупает охотнее всего, и каждый из них можно показать в цифрах через неделю после запуска.

Первый результат: скорость первого ответа. В продажах и поддержке скорость первого ответа коррелирует с конверсией сильнее, чем почти любой другой фактор. Клиент, который написал в 23:00 и не получил ответа до утра, с высокой вероятностью уже написал конкуренту. Агент, который отвечает за секунды в любое время суток, решает эту проблему. G2 обнаружила, что в высоконагруженных рабочих потоках четыре из пяти организаций сообщают об ускорении цикла как минимум на 11%, а почти половина видит ускорение на 25% и более. Вы можете продать не «агента», а «время первого ответа, которое сократилось с 8 часов до 30 секунд».

Второй результат: разгрузка людей от повторяющихся задач. 83% покупателей агентов говорят, что агенты улучшили удовлетворённость сотрудников за счёт сокращения рутины. При этом только 14% сообщают о сокращении штата. Это важнейший аргумент для разговора с владельцем бизнеса. Он боится, что вы предлагаете ему «уволить менеджеров». Вы предлагаете ему другое: чтобы менеджеры перестали отвечать на двадцать одинаковых вопросов в день и занялись тем, что действительно требует человека. Цифра, которую вы показываете: «Ваш оператор тратит 60% времени на вопросы, которые агент закроет сам. Это 25 часов в месяц, которые можно потратить на сложные обращения».

Третий результат: обработанные заявки, которые раньше терялись. Это самый прямой путь к деньгам клиента. Если агент отвечает на заявки, которые приходили ночью и оставались без ответа, и конвертирует хотя бы часть из них в записи или звонки, это можно посчитать. «За месяц агент обработал 47 ночных заявок. Из них 12 записались на консультацию. Средний чек – 5000 рублей. Это 60 000 рублей дополнительной выручки, которых раньше не было». Такой расчёт закрывает сделку быстрее, чем любое описание технологии.

Обратная сторона: «налог на недоверие» и почему это ваше преимущество

Есть в данных G2 одна цифра, которую нужно знать наизусть, потому что она одновременно и предупреждение, и возможность. 31% покупателей агентов говорят, что их сотрудники тратят шесть и более часов в неделю на надзор за работой агентов. 45% сообщают, что надзор и переделки съедают более четверти ожидаемого прироста производительности.

G2 называет это «Distrust Tax» – налог на недоверие. Люди не доверяют агенту делать работу самостоятельно, поэтому проверяют каждый его шаг. В результате экономия времени, которую обещал агент, частично съедается временем, которое тратится на проверку.

Почему это важно для вас? Потому что большинство конкурентов продают «агента, который работает сам». Вы можете продавать «агента, которому можно доверять». Это означает: настроенные ограничения, чёткие правила эскалации, логирование всех решений, понятные метрики. Клиент, который однажды обжёгся на агенте, который «наговорил лишнего» или «сломал воронку», будет платить вдвое больше за решение, которое не требует постоянного присмотра. Ваша задача – не просто собрать агента, а сделать так, чтобы через месяц клиент перестал сидеть у него на плече. Это и есть настоящая ценность, за которую платят.


Как выбрать нишу, в которой вас не съедят

Теперь самое практическое: где искать первого клиента. Правило простое: выбирайте нишу, где боль очевидна, результат измерим, а решение не требует доступа к критическим системам.

Плохая ниша для старта: банк или крупный ритейл. Длинный цикл согласований, требования к безопасности, конкуренция с интеграторами, у которых есть референсы. Вы потратите три месяца на переговоры и не получите ничего.

Хорошая ниша: услуги с записью. Стоматологии, салоны красоты, автосервисы, репетиторы, психологи. У них есть расписание, есть входящие сообщения, есть проблема «не успеваю отвечать». Агент, который отвечает на вопросы и записывает на консультацию, окупается за первый месяц. Вы можете найти пять таких бизнесов в своём городе за один день.

Хорошая ниша: интернет-магазины с потоком однотипных вопросов. «Где заказ», «есть ли в наличии», «сколько стоит доставка». Агент, который отвечает на эти вопросы и проверяет статус в системе, снимает нагрузку с поддержки. Результат измерим: количество обработанных обращений, время ответа.

Хорошая ниша: онлайн-школы и инфопродукты. У них есть отдел продаж, который квалифицирует лидов, и есть проблема «лид пришёл, менеджер ответил через три часа, лид уже купил у другого». Агент-квалификатор, который работает мгновенно, решает эту проблему.

В каждой из этих ниш есть общее: владелец бизнеса сам отвечает на сообщения вечером, сам видит, как теряются клиенты, и сам готов платить, чтобы этого не было. Вам не нужно объяснять ему ценность. Вам нужно только показать, что вы можете это сделать.


Упражнение: найдите своего первого клиента

Прежде чем двигаться дальше, сделайте одну вещь. Откройте список своих контактов или вспомните бизнесы, с которыми вы сталкивались за последний месяц. Выберите три, которые подходят под критерии выше. Для каждого определите одну метрику, которую вы могли бы улучшить: время ответа, количество обработанных ночных заявок, процент квалифицированных лидов. Запишите это.

В следующей главе вы соберёте первого работающего агента – не для абстрактного клиента, а для одного из этих трёх. Не для портфолио. Для реального разговора, который может закончиться первым гонораром.




Практическое задание к главе 2. Составьте список из пяти бизнесов в вашем городе или онлайн, которые соответствуют трём критериям: у них есть входящий поток сообщений, они теряют клиентов из-за медленного ответа, и они достаточно малы, чтобы владелец принимал решение сам. Для каждого напишите одну фразу, которую вы скажете при встрече. Не про ИИ. Про то, что болит. Например: «Я заметил, что вы отвечаете в Instagram с задержкой в несколько часов. Сколько клиентов за это время уходит к конкурентам?» Это и есть начало продажи.

Глава 3. Ваш первый агент за один вечер (без кода)


Обещание, которое нужно выполнить

В конце первой главы вы выбрали три бизнеса, у которых болит конкретная задача. В конце второй – определили, за какой результат они готовы платить. Теперь настал момент, ради которого написаны первые две главы: вы соберёте работающего агента. Не на бумаге, не в виде схемы на салфетке, а в виде системы, которая принимает сообщение, думает и возвращает результат.

Обещание «за один вечер» – не маркетинговый ход. Оно основано на простом факте: современные no-code платформы устроены так, что первый рабочий агент собирается за 2–4 часа, если вы не пытаетесь объять необъятное. Ошибка новичка – попытаться автоматизировать всё сразу. Правильный подход – выбрать один сценарий, один канал и один результат. Сделать это хорошо. Потом расширять.

В этой главе мы разберём три платформы, которые подходят для старта, выберем одну и соберём агента шаг за шагом. К концу главы у вас будет работающая система, которую можно показать первому клиенту. Не идеальная, но работающая. А работающая система, которую можно улучшать, стоит дороже идеальной, которая существует только в голове.


Выбор платформы: Make, Voiceflow или Zapier

Все три платформы позволяют собрать агента без кода. Разница – в том, для какого сценария каждая из них лучше подходит. Выбор неправильной платформы на старте – это не катастрофа, но это лишние часы, потраченные на борьбу с интерфейсом вместо решения задачи клиента.

Make.com – это визуальный конструктор сценариев, где вы соединяете модули линиями на холсте. Логика простая: событие (новое сообщение, заполненная форма) запускает цепочку действий. Внутри цепочки может быть модуль ИИ, который принимает решение. Make хорош для агентов, которым нужно делать несколько действий в разных системах: проверить базу знаний, создать запись в CRM, отправить письмо. Стоимость начинается примерно от 9 долларов в месяц за 10 000 операций – этого достаточно, чтобы запустить небольшого агента и тестировать его неделями. Интерфейс визуальный: вы видите всю логику на экране, а не надеетесь, что «чёрный ящик» поймёт ваши инструкции правильно.

Voiceflow – платформа, заточенная именно под разговорных агентов. Если ваш агент общается с клиентами в чате или по телефону, Voiceflow даёт более естественный инструментарий: конструктор диалоговых потоков, работу с базой знаний для ответов на вопросы, обработку ситуаций, когда клиент говорит что-то, чего вы не предусмотрели. Для агента поддержки или агента записи на консультацию Voiceflow часто оказывается быстрее в настройке, чем Make, потому что он изначально построен вокруг разговора, а не вокруг интеграций. Стоимость Pro-плана – около 40 фунтов в месяц за место.

Zapier – самый простой вход. Вы описываете, что должен делать агент, обычным языком, и Zapier предлагает структуру. Интерфейс дружелюбный, интеграций тысячи, но есть важное ограничение: Zapier Agents – это персональные автоматизации, привязанные к вашему аккаунту. Их нельзя встроить на сайт или сделать клиентским интерфейсом. Для внутреннего агента, который обрабатывает входящие заявки и раскладывает их по системам, Zapier подходит отлично. Для агента, который общается с клиентами на сайте, – нет. Для этого нужен Zapier Chatbots, отдельный продукт.

Рекомендация для первого проекта. Если вы собираете агента поддержки или агента записи – берите Voiceflow. Если агента, который делает несколько действий в разных системах (проверил, записал, отправил) – берите Make. Если хотите просто попробовать и понять логику – начните с Zapier, но знайте про ограничение с клиентским интерфейсом.

Дальше в этой главе мы будем собирать агента на Make. Причина простая: Make даёт наиболее наглядное представление о том, что такое «инструменты» и «цикл» агента. Вы увидите, как агент вызывает разные модули и получает от них результат. Этот навык переносится на любую другую платформу.


Что мы будем собирать: агент поддержки для интернет-магазина

Сценарий должен быть достаточно простым, чтобы уложиться в вечер, и достаточно реалистичным, чтобы его можно было показать клиенту. Возьмём агента, который отвечает на вопросы о заказах.

Представьте: клиент пишет в чат или на почту «Где мой заказ номер 12345?». Агент должен найти информацию о заказе, сформулировать ответ и отправить его. Если заказ не найден – честно сказать об этом и предложить связаться с оператором. Если вопрос не про заказ, а про что-то другое (например, «Есть ли у вас доставка в Казань?») – найти ответ в базе знаний.

Этот сценарий хорош тем, что в нём есть все четыре детали агента из первой главы: мозг (модель, которая понимает вопрос), инструменты (поиск заказа, поиск в базе знаний), память (в рамках одного диалога агент помнит, о каком заказе речь) и цикл (если первый поиск не дал результата, агент пробует другой инструмент).


Шаг 1: Регистрация и создание первого сценария

Зайдите на Make.com и создайте аккаунт. Бесплатного плана достаточно для первых экспериментов: 1 000 операций в месяц, две активные сценария, минимальный интервал запуска – 15 минут. Для тестирования этого хватит.

После регистрации вы увидите пустой рабочий стол. Нажмите «Create a new scenario». Перед вами откроется холст, на который вы будете перетаскивать модули из панели слева.

Первый модуль – это триггер, то есть событие, которое запускает агента. В нашем случае это новое входящее сообщение. Make поддерживает множество источников: Gmail, мессенджер, веб-формы. Для теста проще всего использовать Webhook – модуль, который создаёт URL, и любой запрос на этот URL запускает сценарий. Вы можете отправить на этот URL тестовое сообщение через Postman или даже через простую HTML-страницу.

Добавьте модуль Webhooks → Custom webhook. Make сгенерирует URL. Скопируйте его. Позже вы сможете подключить сюда Telegram-бота или форму на сайте, но для первого теста достаточно отправить запрос вручную.


Шаг 2: Добавляем мозг – модуль ИИ-агента

Теперь самое важное: модуль, который будет «думать». В Make это Make AI Agent (New) → Run an agent. Перетащите его на холст и соедините с вебхуком.

При настройке модуля вам нужно указать несколько вещей.

Модель. Make поддерживает разные провайдеры: OpenAI, Anthropic, Groq и другие. Для первого теста можно использовать модель от Groq – она быстрая и имеет бесплатный tier. Если у вас есть ключ OpenAI, используйте его. Главное на этом этапе – не выбирать самую дорогую модель. Для ответов на вопросы о заказах хватит модели среднего уровня.

Системный промпт. Это инструкция, которая описывает роль агента. Не пишите «ты полезный ассистент». Пишите конкретно:

«Ты – агент поддержки интернет-магазина. Твоя задача – отвечать на вопросы клиентов о заказах. Если клиент спрашивает про статус заказа, сначала используй инструмент “Поиск заказа”. Если заказ найден, сообщи статус и предполагаемую дату доставки. Если заказ не найден, вежливо сообщи об этом и предложи связаться с оператором. Если вопрос не про заказ, используй инструмент “База знаний”. Не выдумывай информацию. Если не знаешь ответа, скажи об этом честно».

Обратите внимание на последнюю фразу. Она критична. Без неё агент будет галлюцинировать – придумывать статусы заказов, которых нет. В Voiceflow документация прямо рекомендует включать в промпт правило: «Никогда не угадывай шаги, настройки или политики. Если не уверен, скажи об этом честно, а не выдумывай». Это правило универсально для любого агента.

Шаг 3: Даём агенту руки – создаём инструменты

Пока агент умеет только говорить. Он не может проверить заказ, потому что у него нет доступа к данным. Инструменты – это то, что превращает говорящую голову в работника.

В Make инструмент – это отдельный сценарий, который агент может вызывать. Вы создаёте сценарий, который принимает номер заказа, ищет его в Google Sheets или в базе данных и возвращает результат. Потом в настройках агента вы добавляете этот сценарий как инструмент.

Создайте второй сценарий. Назовите его «Поиск заказа». Триггер – Webhook, который принимает номер заказа. Следующий модуль – Google Sheets → Search rows. Настройте его так, чтобы он искал строку, где номер заказа совпадает с тем, что пришёл. Последний модуль – Webhook response, который возвращает найденную информацию: статус, дату доставки, трек-номер.

Теперь вернитесь к первому сценарию (где агент) и в настройках агента найдите раздел Tools. Добавьте новый инструмент, выбрав «Поиск заказа». Make попросит вас описать инструмент так, чтобы агент понял, когда его использовать. Напишите: «Используй этот инструмент, когда клиент спрашивает о статусе заказа. На вход принимает номер заказа. Возвращает статус и дату доставки».

Повторите то же самое для базы знаний. Создайте третий сценарий, который ищет ответ в Google Doc с частыми вопросами. Или используйте встроенную функцию Knowledge в Make: вы загружаете файл (PDF, TXT, CSV), и агент сам ищет в нём релевантные фрагменты. Для первого раза проще загрузить файл, чем строить отдельный сценарий.

Шаг 4: Добавляем память

Без памяти агент будет вести себя странно. Клиент пишет «Где заказ 12345?», агент отвечает. Клиент пишет «А когда он придёт?», агент не понимает, о каком заказе речь, и переспрашивает. Это раздражает.

В Make память работает через Conversation ID. Когда вы настраиваете агента, укажите, что каждый диалог должен иметь уникальный идентификатор. Если вы тестируете через вебхук, передавайте ID вместе с сообщением. Если подключаете Telegram, ID чата и будет идентификатором диалога. Make сохраняет историю сообщений в рамках одного Conversation ID, и агент видит предыдущие реплики.

Для первого теста можно пропустить этот шаг и просто проверить, что агент отвечает на одиночные сообщения. Но когда вы будете показывать агента клиенту, память – первое, что он заметит. Клиент скажет: «Он помнит, что я уже назвал номер заказа. Это удобно». Это то, за что платят.

Шаг 5: Тестируем и ломаем

Теперь у вас есть сценарий: вебхук принимает сообщение → агент думает → вызывает инструмент → получает результат → формулирует ответ → возвращает ответ. Пора это запустить.

Нажмите Run once в Make. Отправьте на вебхук тестовое сообщение: «Где мой заказ 12345?». Посмотрите, что произойдёт.

Скорее всего, с первого раза не получится. Это нормально. Возможные проблемы:

Агент не вызывает инструмент. Он отвечает «Я не могу проверить заказы». Причина: описание инструмента недостаточно чёткое или системный промпт не говорит явно, что нужно использовать инструмент. Исправьте промпт: «Если клиент спрашивает про заказ, ты ОБЯЗАН использовать инструмент “Поиск заказа”».

Агент вызывает инструмент, но получает ошибку. Проверьте, что вебхук инструмента правильно принимает номер заказа и что Google Sheets настроен верно. Посмотрите логи выполнения в Make – они покажут, на каком шаге что-то пошло не так.

Агент выдумывает ответ. Если он говорит «Ваш заказ в пути» без вызова инструмента – значит, промпт недостаточно строгий. Добавьте: «Никогда не сообщай статус заказа, если ты не получил его через инструмент».

Этот этап отладки – не признак неудачи. Это и есть работа. Один из практиков описывает, как его первый агент сломался из-за апострофа в имени подписчика: «Никто не показывает это в маркетинговых скриншотах. No-code не значит “без отладки”. Это значит, что отладка происходит на понятном языке, а не в трейсбеках Python». Он потратил три часа на исправление граничных случаев, и после этого агент работал месяцами без вмешательства. Ваш первый вечер уйдёт на то же самое. Это нормально.

Шаг 6: Добавляем предохранители

Прежде чем показывать агента кому-то ещё, добавьте два простых правила, которые спасут вас от катастрофы.

Правило первое: лимит на действия. Make позволяет ограничить количество шагов, которые агент может выполнить за один запуск. Установите лимит в 3–5 шагов. Без этого агент может застрять в цикле: вызвал инструмент, получил непонятный результат, попробовал снова, снова, снова. Каждый шаг стоит денег и времени. Лимит заставит его остановиться и вернуть то, что есть.

Правило второе: эскалация. В системный промпт добавьте инструкцию: «Если ты не можешь ответить на вопрос или клиент явно недоволен, предложи соединить с оператором. Не пытайся решить проблему самостоятельно, если она выходит за рамки твоих инструментов». Это защита от самого страшного: агент, который пытается быть полезным там, где не должен.

В Voiceflow для этого есть отдельный механизм – playbooks и передача человеку. В Make вы просто добавляете в ответ фразу «Я передам ваш вопрос оператору» и, если нужно, отправляете уведомление в Telegram или Slack. Для первого агента достаточно текстовой эскалации.

Что вы получили и что с этим делать дальше

К концу вечера у вас есть агент, который принимает сообщение, понимает, о чём речь, проверяет данные через инструмент и возвращает осмысленный ответ. Он не идеален. Он не обработает сто разных сценариев. Но он работает. И это главное.

Теперь самое важное: покажите его кому-то. Не продавайте. Просто покажите. Отправьте ссылку на вебхук или подключите Telegram-бота и попросите знакомого написать вопрос про заказ. Посмотрите, как он реагирует. Скорее всего, он скажет что-то вроде «О, это удобно». Или «А он может ещё вот это?». Оба ответа – хорошо. Первый подтверждает ценность. Второй даёт направление для развития.


Создание агента c российскими сервисами

Мы разобрали логику сборки на примере Make.com — это было нужно, чтобы понять саму механику: триггер, мозг, инструменты, память, цикл. Но если вы планируете работать с российскими клиентами, зарубежные платформы создают три практических барьера: оплата в валюте, соответствие требованиям 152-ФЗ о хранении персональных данных и отсутствие русскоязычной поддержки. К счастью, к концу 2026 года на рынке сформировался полноценный отечественный стек — от бесплатных экосистемных конструкторов до корпоративных low-code решений для закрытого контура.

Давайте посмотрим, что выбрать для первого вечера, и соберём агента на одной из платформ.

Категории российских платформ: что для чего подходит

Российские платформы для сборки ИИ-агентов делятся на четыре группы. Выбор зависит от задачи и клиента.

Первая группа: экосистемные платформы — для быстрого и бесплатного старта. Это оптимальный вход для первого агента, потому что они дают доступ к мощным моделям и визуальному конструктору без первоначальных вложений.

GigaPlatform AI Studio (Сбер) — полностью бесплатная платформа, доступная после входа через Сбер ID. Внутри — визуальный конструктор без кода, все актуальные модели семейства GigaChat (включая GigaChat 3.5 Reasoning), инструменты для работы с текстом, голосом и документами. Можно загружать собственные документы и базы знаний, чтобы создавать помощников для HR, техподдержки и продаж. Агентов можно собирать из готовых блоков или шаблонов и проверять прямо в студии. Это самый простой способ проверить гипотезу и собрать рабочий прототип за вечер без единого рубля.

Yandex AI Studio — более мощная коммерческая платформа с бесплатным тарифом и грантом 4000 ₽ для старта; стоимость начинается от 100 ₽ в месяц. Ключевой инструмент — конструктор Agent Atelier, где можно собирать агентов, подключать к ним дополнительные инструменты и использовать собственные данные через AI Search и File Search. Платформа поддерживает интеграцию с CRM и внешними системами через API, включая OpenAI-совместимые API и MCP. Это хороший выбор для первого коммерческого проекта, где нужна не только сборка, но и интеграция с существующими системами клиента.

Вторая группа: корпоративные low-code решения — для проектов с повышенными требованиями к безопасности. Когда вы продаёте агента среднему или крупному бизнесу, на первый план выходят интеграция с внутренними системами и возможность работы в закрытом контуре.

Астра ИИ Платформа (Группа Астра) — визуальный low-code конструктор для создания корпоративных ИИ-приложений без программирования. Продукт полностью независим от зарубежных облаков, включён в реестр Минцифры, обеспечивает высокий уровень информационной безопасности и подходит для закрытого контура. С его помощью можно за считанные дни собирать ИИ-секретарей или ИИ-аналитиков.

MWS AI Agents Platform (MTS Web Services) — платформа для создания «виртуальных сотрудников». Ключевая особенность — песочница, в которой агент может безопасно выполнять написанный им код для сверки данных или расчётов, не имея доступа к рабочим системам компании. Также есть конструктор интерфейсов, который даёт агенту собственный экран с кнопками и формами под конкретную задачу, а не просто окно чата.

Третья группа: платформы для чат-ботов и продаж — «рабочие лошадки» для малого и среднего бизнеса. Эти инструменты изначально создавались для автоматизации продаж и поддержки в мессенджерах и идеально подходят для быстрого результата.

Salebot — очень популярная в России платформа (более 15 000 компаний). Это не просто конструктор ботов, а целая экосистема: встроенная CRM, конструктор сайтов, система рассылок. Важно, что в Salebot есть ИИ-агенты со встроенным RAG-ассистентом для поиска ответов в ваших документах, а также глубокая интеграция с amoCRM и Битрикс24. Бесплатный тариф позволяет отправить до 50 сообщений в сутки для теста, тариф «Бизнес» стоит 2 999 ₽ в месяц.

Richat — платформа, специально созданная для малого и среднего бизнеса, чтобы внедрять ИИ-решения без разработчиков. Система обучается на данных компании: достаточно загрузить документы или указать ссылку на сайт. Подходит для создания ИИ-ассистентов для сайта и Telegram, которые закрывают до 80% клиентских запросов.

bannerbanner