Меня зовут Максим, я веб-разработчик. В 2025 году я внедрил AI-агентов на сайты четырёх компаний: интернет-магазин электроники, юридическая фирма, сеть автосервисов и образовательная платформа. И могу сказать точно — между классическим чат-ботом из 2020 года и AI-агентом 2026 года разница примерно такая же, как между калькулятором и бухгалтером. Один считает по формулам, второй — думает. Расскажу, что такое AI-агент, чем он отличается от обычного бота, как его встроить на сайт и когда это имеет смысл.
Чат-бот и AI-агент: в чём разница
Классический чат-бот — это дерево сценариев. Пользователь нажимает кнопку, бот отвечает заготовленным текстом, предлагает следующий набор кнопок. Если вопрос выходит за пределы сценария — бот беспомощно предлагает «связаться с оператором». По моим наблюдениям, 40–60% обращений к таким ботам заканчивается именно переключением на живого человека.
AI-агент — это принципиально другой подход. Он работает на базе большой языковой модели (LLM) и умеет:
Понимать свободный текст. Клиент пишет так, как привык, — с ошибками, сленгом, неполными предложениями. AI-агент понимает смысл, а не ищет ключевые слова.
Вести контекстный диалог. Помнит, о чём шла речь минуту назад, уточняет детали, возвращается к теме. Как живой консультант.
Выполнять действия. Не просто отвечать на вопросы, а делать: проверять наличие товара, создавать заявку в CRM, бронировать время, рассчитывать стоимость. Через API он подключён к внутренним системам компании.
Работать с базой знаний. AI-агент обучен на документации, каталогах, FAQ, прайсах вашей компании. Он отвечает не «вообще», а конкретно по вашему бизнесу.
Пример из моей практики. Интернет-магазин электроники. Клиент пишет: «Мне нужен ноут для работы с видео, бюджет тысяч 80, чтобы экран нормальный был». Классический бот даже не поймёт этот запрос — нет ни артикула, ни категории. AI-агент: понимает задачу, фильтрует каталог по характеристикам (видеокарта, оперативная память, разрешение экрана), учитывает бюджет, предлагает 2–3 варианта с объяснением, почему именно они. И сразу даёт ссылки на товарные карточки.
Какие задачи AI-агент закрывает на сайте
Я выделяю пять основных сценариев, которые уже сегодня работают стабильно.
Консультант по каталогу и услугам
Клиент описывает задачу — агент подбирает решение. Работает для интернет-магазинов, сервисных компаний, B2B. Агент знает весь каталог, характеристики, наличие, цены. Может сравнить товары, объяснить разницу между тарифами, порекомендовать комплект.
У моего клиента-автосервиса AI-агент на сайте обрабатывает 73% обращений без участия оператора. Клиент описывает проблему («стучит при повороте руля»), агент предполагает возможные причины, предлагает записаться на диагностику и сразу показывает свободные слоты.
Первичный квалификатор лидов
В юридической фирме AI-агент работает как первый фильтр. Клиент описывает ситуацию, агент задаёт уточняющие вопросы (тип дела, юрисдикция, сроки), оценивает сложность и перспективы, предлагает подходящего специалиста. К живому юристу попадает уже квалифицированная заявка с описанием проблемы.
Результат: юристы перестали тратить время на нецелевые консультации (бракоразводные дела, когда фирма специализируется на корпоративном праве). Конверсия из обращения в клиента выросла с 8% до 19%.
Помощник по оформлению заказа
Агент помогает клиенту пройти через сложную форму заказа: объясняет поля, подсказывает варианты, считает стоимость в реальном времени. Особенно полезно для услуг с множеством параметров: ремонт, строительство, полиграфия, логистика.
Онбординг и обучение
На образовательной платформе AI-агент помогает новым пользователям: объясняет, как устроен курс, подбирает программу под цели, отвечает на вопросы по материалам. Фактически — персональный тьютор, доступный круглосуточно.
Внутренний помощник для сотрудников
Это отдельный кейс: AI-агент на внутреннем портале компании, который отвечает на вопросы сотрудников. Как оформить отпуск? Какой пароль от Wi-Fi в переговорке? Где шаблон коммерческого предложения? Агент знает внутренние регламенты и экономит время HR и административного отдела.
Как технически устроен AI-агент на сайте
Объясню без погружения в код, но с достаточной глубиной, чтобы вы понимали, что за чем стоит.
Компоненты системы
LLM (языковая модель). Ядро агента. В России доступны: YandexGPT, GigaChat (Сбер), а также модели через API — при условии, что серверы находятся в РФ. Выбор зависит от задачи: для простых консультаций хватает лёгких моделей, для сложных рассуждений нужны более мощные.
RAG (Retrieval-Augmented Generation). Механизм, который позволяет агенту обращаться к базе знаний вашей компании. Как это работает: документация, каталоги, FAQ, прайсы загружаются в векторную базу данных. При каждом запросе система находит релевантные фрагменты и передаёт их модели вместе с вопросом клиента. Модель формирует ответ на основе реальных данных, а не фантазий.
Это критически важно. Без RAG модель будет «галлюцинировать» — придумывать несуществующие товары, неверные цены, ложные характеристики. С RAG — отвечает строго по вашим данным.
Функции (Tool Calling). Возможность агента выполнять действия через API: проверить наличие товара, создать заявку, забронировать время, отправить email. Модель сама решает, когда нужно вызвать функцию, а когда — просто ответить текстом.
Виджет на сайте. Интерфейс чата, встроенный на сайт. Может быть кнопкой в углу экрана (как классический онлайн-чат) или полноценным блоком на странице.
Архитектура, которую я использую
Фронтенд: виджет на React, встроенный на сайт через iframe или web-компонент. Сообщения передаются по WebSocket для мгновенной реакции.
Бэкенд: Node.js-сервер, который принимает сообщение пользователя, обращается к RAG для поиска релевантного контекста, формирует запрос к LLM, получает ответ, при необходимости выполняет функции (API-запросы к CRM, каталогу, календарю), возвращает ответ пользователю.
Векторная база данных: Qdrant или pgvector (расширение для PostgreSQL). Здесь хранятся эмбеддинги вашей документации — числовые представления текстов, по которым система находит похожие фрагменты.
Хранилище диалогов: PostgreSQL. Вся история переписки сохраняется для аналитики, обучения и контроля качества.
Обучение и настройка
AI-агент не нужно «программировать» в классическом смысле. Ему нужно:
- Системный промпт — инструкция, которая определяет поведение: «Ты — консультант интернет-магазина электроники. Отвечай на вопросы о товарах, помогай с выбором, не давай медицинских советов...». Этот промпт я пишу совместно с клиентом — он определяет тон, границы, правила.
- База знаний — загрузка каталога, прайсов, FAQ, регламентов. Обновление автоматическое: при изменении каталога в CMS данные переиндексируются в векторной базе.
- Тестирование — прогон через типичные сценарии: простые вопросы, сложные вопросы, провокационные вопросы, попытки увести агента с темы. Корректировка промпта по результатам.
Сколько стоит внедрить AI-агента
Базовый агент-консультант (виджет на сайте, RAG по вашей документации, без интеграций с внутренними системами). Срок: 2–4 недели. Бюджет: 150–350 тысяч рублей за разработку + от 15 до 50 тысяч рублей в месяц на API языковой модели и инфраструктуру.
Агент с интеграциями (CRM, каталог, календарь, формирование заявок). Срок: 1–2 месяца. Бюджет: 400–800 тысяч рублей + ежемесячные расходы.
Комплексный AI-агент (мультиканальность — сайт + Telegram + WhatsApp, аналитика диалогов, автообучение, несколько ролей). Срок: 2–4 месяца. Бюджет: от 800 тысяч рублей.
Ежемесячные расходы на API модели зависят от объёма обращений. Для сайта с 1 000–3 000 диалогов в месяц — это обычно 20–40 тысяч рублей при использовании YandexGPT.
Что может пойти не так
Буду честен — AI-агенты не идеальны, и важно понимать ограничения.
Галлюцинации. Даже с RAG модель может выдать неточную информацию. Решение: строгий промпт с инструкцией «если не уверен — скажи, что не знаешь, и предложи связаться с менеджером». Плюс мониторинг диалогов.
Медленные ответы. Обращение к LLM занимает 2–5 секунд. Для пользователя, привыкшего к мгновенным ответам в мессенджерах, это может быть заметно. Решение: стриминг ответа (текст появляется по частям, как набор в реальном времени) и индикатор «агент думает...».
Неуместная «креативность». Агент может начать шутить или философствовать, когда клиент хочет просто узнать цену. Решение: чётко прописать границы в промпте, регулярно проверять диалоги.
Сложные эмоциональные ситуации. Разгневанный клиент, жалоба, конфликт — AI-агент пока плохо справляется с такими сценариями. Решение: автоматическое переключение на живого оператора при определённых триггерах (негативная тональность, явная просьба «позовите человека»).
Метрики: как оценить эффективность
Я отслеживаю следующие показатели:
- Процент самостоятельно закрытых обращений — сколько диалогов агент довёл до результата без участия человека. Хороший показатель: 60–80%.
- CSAT (удовлетворённость) — после диалога клиент оценивает помощь. Собираю через простую шкалу в виджете.
- Среднее время ответа — должно быть менее 5 секунд.
- Конверсия из диалога в заявку/покупку — ключевая бизнес-метрика.
- Стоимость одного диалога — делим ежемесячные расходы на количество диалогов. Сравниваем с стоимостью минуты живого оператора.
У интернет-магазина электроники стоимость одного диалога с AI-агентом — 12 рублей. Стоимость минуты оператора колл-центра — 15 рублей, а средний диалог длится 7 минут. Экономия очевидна.
Юридические нюансы в России
В 2025–2026 году активно обсуждается законопроект о маркировке AI-контента. Что это означает для AI-агентов на сайте:
- Пользователь должен знать, что общается с ИИ, а не с человеком. Указывайте это явно: «Вам отвечает AI-помощник. Если хотите поговорить с человеком — нажмите кнопку».
- Персональные данные, которые клиент передаёт в чате, обрабатываются по 152-ФЗ. Нужна политика конфиденциальности и согласие.
- Если агент даёт рекомендации (финансовые, медицинские, юридические) — нужен дисклеймер, что это не является профессиональной консультацией.
Кому пора внедрять AI-агента
Если на ваш сайт поступает больше 30 обращений в день — AI-агент уже окупается. Если у вас сложный каталог или услуги с множеством параметров — агент поможет клиентам сориентироваться. Если ваши операторы тратят 70% времени на типовые вопросы — агент заберёт эту рутину.
Но если обращений мало, а каждый клиент — уникальный кейс, требующий глубокого экспертного разбора, — пока рано. AI-агент хорош для масштабируемых сценариев, где есть повторяющиеся паттерны.
Если хотите обсудить внедрение AI-агента на вашем сайте — обращайтесь.