Создание ИИ-агента по шагам на нашем примере — агент проверяет задачи в Битрикс24 по регламенту: правила текстом, контекст из систем, режим журнала, калибровка до 85%. Платформы, MCP, безопасность, ошибки.
Автор — Николай Елатонцев, руководитель группы компаний «Гильдия консультантов».
Создание ИИ-агента для бизнеса — это не выбор «самой умной нейросети», а описание работы: что агент читает, по каким правилам решает и что ему разрешено делать. Модель — самая простая часть. Разберём по шагам, как создать ИИ-агента, на нашем собственном примере: агент проверяет задачи в Битрикс24 по регламенту компании. Покажем этапы, инструменты, MCP, безопасность и ошибки, на которых обычно спотыкаются.
Что такое ИИ-агент и чем он отличается от чат-бота
Чат-бот отвечает на вопросы. ИИ-агент ещё и действует: сам собирает нужные данные, принимает решение по правилам и выполняет шаг в рабочей системе — создаёт сделку, ставит задачу, пишет комментарий, готовит черновик документа. Запускает его не обязательно человек: агент может работать по расписанию или по событию, например по новому письму.
Если коротко, по какой формуле строится ИИ-агент:
- Модель — «мозг», который понимает текст и выносит решение: YandexGPT, GigaChat, ChatGPT, Claude, DeepSeek или Qwen на своём сервере.
- Инструкция — роль, правила, примеры и формат ответа. Для бизнеса это ваш регламент, записанный обычным текстом.
- Инструменты — доступ к системам: чтение и запись в 1С, Битрикс24, почту, мессенджеры. Без них агент только рассуждает.
- Память и знания — история диалога, база документов, журнал прошлых решений.
- Контроль — что агент делает сам, что только предлагает, кто проверяет и где всё записано.
Пятую часть в популярных инструкциях часто пропускают, а в компании именно она решает, можно ли вообще пускать агента к рабочим данным.
Что нужно для создания ИИ-агента
- Одна понятная задача, которая повторяется каждый день и сейчас отнимает время людей.
- Правила, по которым её выполняет лучший сотрудник: что проверить, когда считать нарушением, кому писать.
- Доступ к данным по API — у Битрикс24 это REST API и вебхуки, у 1С — HTTP-сервисы или OData.
- Модель и способ её подключения — облачный сервис или свой сервер.
- 20–50 реальных примеров с правильными ответами: по ним агента проверяют до запуска.
- Человек, который отвечает за результат и сверяет решения агента со своими.
Как создать ИИ-агента: 7 этапов на реальном примере
Наш пример — агент-аудитор задач. В веб-студии группы десятки клиентских задач в работе одновременно. Регламент требует, чтобы у каждой задачи были оценка в часах и срок, у каждого списания времени — понятный клиенту комментарий, а задача не висела без движения. Руководитель не успевает проверять это вручную, и проверку мы поручили агенту. Подробности — в кейсе «ИИ-агент проверяет задачи в Битрикс24».
1. Опишите задачу и границы
Не «агент для отдела», а одно действие: «каждое утро проверить задачи в работе выбранных групп и сообщить о нарушениях регламента». Сразу запишите, чего агент не делает: не меняет сроки сам, не пишет клиенту, замечания по оплате часов отправляет только внутри компании.
2. Запишите правила текстом, с кодами
Главный документ нашего агента — регламент обычным языком, где у каждой проверки есть код: A1 «задача просрочена», B1 «нет оценки в часах», B2 «нет срока», C1 «комментарий к списанию времени вроде „работа по задаче“», D1 «тестирование без чек-листа». Коды нужны, чтобы спорить с агентом предметно: «здесь B1 поставлен зря, потому что…».
Это и есть ответ на вопрос, как настроить ИИ-агента: в большинстве бизнес-задач его не дообучают, а дают ему правила и примеры. Правило можно прочитать и поправить — агент сразу работает по-новому.
3. Соберите контекст из систем
По каждой задаче скрипт берёт из Битрикс24 описание, сроки, последние комментарии, все записи учёта времени, чек-листы и привязку к CRM. Права вебхука — минимальные: задачи, уведомления, список сотрудников. Чем полнее и чище контекст, тем меньше агент «додумывает».
4. Задайте строгий формат ответа
Агент отвечает не свободным текстом, а структурой, которую понимает программа: вердикт («всё хорошо», «внимание», «нарушение»), найденные нарушения с кодами и предложенное действие. Такой ответ можно проверить автоматически, сохранить в журнал и посчитать.
5. Запустите в режиме «только журнал»
Первый прогон нашего агента прошёл 19 мая 2026 года. Агент проверил 32 задачи в работе и ничего не сделал в Битрикс24 — только записал вердикты. Уже это оказалось полезно: у 28 задач из 32 не было оценки в часах, у 28 — срока. Руководитель впервые увидел картину целиком.
6. Откалибруйте по мнению человека
Руководитель отмечает вердикты, с которыми не согласен. Спорные случаи копим пачкой и правим регламент по одному правилу за раз, чтобы видеть, что именно изменило поведение. Наш порог: действовать агент начинает, когда его вердикты совпадают с мнением руководителя не реже чем в 85% случаев.
7. Включайте действия по одному
Сначала — уведомления о просрочке и отсутствии оценки, потом остальные проверки, замечания по биллингу — последними. Если включить всё сразу, агент за день засыплет команду сообщениями и подорвёт доверие к себе.
Платформы и инструменты для создания ИИ-агентов
Инструмент выбирают под задачу и требования к данным, а не наоборот.
| Подход | Примеры | Когда подходит |
|---|---|---|
| Конструкторы без кода | n8n, Albato, Yandex AI Studio | Простые цепочки: письмо → разбор → запись в CRM; быстрый прототип |
| ИИ внутри рабочих систем | CoPilot в Битрикс24, ИИ-сервисы 1С | Типовые сценарии: резюме звонка, текст письма, подсказки в CRM |
| API модели + свой код | YandexGPT, GigaChat, ChatGPT, Claude по API; Python | Свои правила, сложная логика, журнал решений, точный контроль |
| Фреймворки для агентов | LangChain, Claude Agent SDK, OpenAI Agents SDK | Многошаговые агенты с инструментами, памятью и подзадачами |
| Своя модель в контуре | DeepSeek, Qwen на собственном сервере | Данные нельзя передавать во внешние сервисы |
Для нашего аудитора мы рассматривали n8n, но отказались: Битрикс24 и так отдаёт всё нужное по API, лишняя прослойка только усложняла бы поддержку. Роботы Битрикс24 с CoPilot тоже не подошли — они плохо улавливают смысл переписки, а сложные ветвления в них мучительны. В итоге — Python-скрипт по расписанию, Битрикс24 REST API, модель Claude и журнал решений. Сам скрипт написали с помощью Claude Code, но работает агент без него.
Можно ли создать ИИ-агента бесплатно
Частично. Бесплатно можно развернуть n8n на своём сервере или запустить открытую модель локально. Но платить всё равно придётся: за сервер, за запросы к модели, а главное — за время на правила, примеры и калибровку. Для пробы на личных задачах бесплатных вариантов хватает. Для агента, которому доверяют рабочие данные, «бесплатно» обычно оборачивается тем, что никто не отвечает за ошибки.
Создание ИИ-агента с нуля или на конструкторе
Конструктор — быстрее старт и наглядная схема. Свой код — точнее контроль, проще тестировать и хранить версии правил. Практичный путь: прототип собрать там, где быстрее, а в работу отдавать то, что вы сможете поддерживать через год.
MCP: как агент получает доступ к 1С и Битрикс24
MCP (Model Context Protocol) — открытый протокол, который предложила Anthropic, разработчик Claude. Он описывает, как подключить к модели «инструменты»: получить остатки из 1С, найти клиента в CRM, создать задачу. Один раз сделанный MCP-сервер для вашей системы подключается к разным моделям и средам — его поддерживают Claude, ChatGPT и многие инструменты разработки.
Для бизнеса MCP важен тем, что доступ описывается явно: какие действия есть у агента, какие параметры он передаёт, что вернула система. Это удобно проверять и ограничивать — например, выдать агенту только чтение. В нашей разработке через MCP агенты-программисты работают с проектами — это часть подхода, с которым доработка, раньше занимавшая около 100 часов, укладывается в 15–20.
Что такое ИИ-агент в корпоративном контуре
Так называют агента, который работает внутри периметра компании: модель стоит на вашем сервере или в облаке в России, данные не уходят к внешним сервисам, доступ к 1С и Битрикс24 — по правам конкретного пользователя, все действия пишутся в журнал. Для персональных данных и коммерческой тайны это часто единственный допустимый вариант. Подробнее о своих моделях — на странице «Локальные LLM».
Безопасность: пять правил, которые мы соблюдаем
- Сначала журнал, потом действия. Ни одного действия в рабочей системе до калибровки.
- Минимальные права. Агент видит только то, что нужно для задачи; по умолчанию — только чтение.
- Деньги и документы — через человека. Отгрузку, оплату, проведение документа агент только готовит.
- Данные решаются заранее. Что уходит в модель, через какой сервис, что обезличивается — до запуска, с учётом 152-ФЗ.
- Каждое решение записано. С версией правил, по которым оно принято: можно разобрать любую ошибку.
Типичные ошибки при создании ИИ-агентов для бизнеса
- Начинать с модели. Неделя на сравнение нейросетей, а правила так и не записаны.
- Агент «на всё». Чем шире задача, тем хуже результат и тем сложнее найти причину ошибки.
- Нет примеров с правильными ответами. Тогда не понять, стал агент лучше или хуже после правки.
- Сразу давать действовать. Одна серия неуместных сообщений — и сотрудники перестают воспринимать агента всерьёз.
- Голодный контекст. Большинство «глупых» ответов — не слабость модели, а нехватка данных: агент не видел комментариев, договора, истории клиента.
Где ИИ-агенты уже работают в компаниях
- Ответы клиентам в Telegram, MAX и на сайте по данным 1С: статус заказа, наличие, сроки.
- Разбор входящих писем и заявок: сделка в Битрикс24 с позициями и черновик ответа менеджеру.
- Контроль задач и сделок по регламенту — как в нашем кейсе.
- Ответы сотрудникам по регламентам и данным учёта — это задача ИИ-ассистента.
- Работа с данными 1С: отчёты по вопросу обычными словами, черновики документов, доработки — см. ИИ для 1С.
Частые вопросы
Сколько времени занимает создание ИИ-агента?
Прототип на одном сценарии в режиме журнала — 2–4 недели, включая калибровку на ваших примерах. Подключение к 1С, Битрикс24 и мессенджерам и включение действий — ещё от 2 недель. Дольше всего — не программирование, а согласование правил.
Сколько стоит создание ИИ-агента под ключ?
У нас разбор сценариев бесплатный, прототип с калибровкой — от 80 000 ₽, запуск в работу — от 150 000 ₽. Отдельно оплачиваются запросы к модели или сервер для своей модели — это считаем на этапе прототипа.
Какую нейросеть выбрать для агента?
Ту, что подходит по требованиям к данным и качеству на ваших примерах. Если данные должны оставаться в России — YandexGPT, GigaChat или своя модель. Если важнее качество рассуждений на сложных правилах — сравниваем на тех же примерах с Claude и ChatGPT. ChatGPT и Claude мы подключаем и учим команду с ними работать.
Как настроить своего ИИ-агента, если он ошибается?
Найти, какое правило он понял не так, и переписать одно это правило. Проверить на всём наборе примеров, а не на одном случае. Если ошибка из-за нехватки данных — добавить их в контекст, а не уговаривать модель в инструкции.
Можно ли создать ИИ-агента в n8n?
Да, для цепочек вида «событие → разбор → запись в систему» n8n подходит хорошо и позволяет быстро собрать прототип. Для агентов со сложными правилами, журналом решений и калибровкой удобнее свой код.
Нужен ли программист, чтобы создать ИИ-агента?
Для личного помощника — нет, хватит конструктора. Для агента, который работает с 1С, CRM и данными клиентов, нужен тот, кто отвечает за доступы, безопасность и поддержку. Сам код сегодня во многом пишут ИИ-агенты, но проверяет и отвечает за него человек.
Как внедрить ИИ-агента, чтобы сотрудники им пользовались?
Начать с задачи, которая раздражает самих сотрудников, показать журнал решений, договориться о границах и включать действия по одному. Если команде нужно освоить работу с ИИ — проводим обучение ИИ для бизнеса.
Хотите агента под свой процесс — проверку сделок, разбор заявок, ответы клиентам по данным 1С? Начнём с бесплатного разбора сценариев: вместе определим, что агент делает сам, а что только готовит. Подробности и заявка — на странице «ИИ-агенты и чат-боты».