Как проходит разработка AI-агента: этапы от идеи до запуска

Общая картина: шесть этапов разработки AI-агента

Проект по разработке AI-агента удобно делить на этапы, потому что на границах можно остановиться, не потеряв вложений. Если после аудита видно, что эффекта не будет, вы теряете расходы на аудит, а не на всю разработку. Если пилот не выполнил метрику, у вас остаются документы и данные, с которыми можно идти дальше.

Сроки — ориентиры для типового проекта на одном процессе; для сложных интеграций называем их после аудита. Состав и цены по этапам — на странице «Разработка AI-агентов» и в статье «Сколько длится внедрение».

Этап 1. Аудит: выбираем процесс и считаем, окупится ли он

На этом этапе мы не пишем код. Разбираем процесс на реальных выгрузках: сколько обращений или документов в месяц, сколько времени занимает обработка, где возникают ошибки, кто принимает решения. Затем описываем три сценария автоматизации и считаем окупаемость каждого.

• Что делает разработчик: интервьюирует участников процесса, анализирует выгрузки, считает экономику, предлагает вид решения.
• Что делает заказчик: назначает владельца процесса, предоставляет обезличенные данные, отвечает на вопросы за две-три встречи.
• Точка провала: нет владельца или данных. Без них аудит превращается в общий разговор. Проверить готовность помогает чек-лист готовности компании.

Как выбрать процесс — в статье «Какой процесс автоматизировать первым», как считается эффект — в материале «Расчёт окупаемости AI-агента».

Этап 2. Проектирование: фиксируем границы агента

Проектирование отвечает на вопрос «что именно делает агент». Фиксируются: задача и границы, источники данных, системы для чтения и записи, права доступа, точки, где решение принимает человек, метрика и критерии приёмки. Здесь же выбирается модель и место её размещения, см. «GigaChat или YandexGPT» и ИИ в контуре компании.

• Артефакт: проектный документ и приложения к договору. Состав описан в статье про техзадание.
• Точка провала: неопределённые границы. Фраза «агент разберётся сам» означает, что границ нет, и на запуске будут споры.
• Вопросы, которые стоит закрыть до сборки: что агент делает без согласования, что передаёт человеку, что не делает никогда.

Этап 3. Сборка и интеграции: основная инженерная работа

Это самый длинный по трудозатратам этап, но не такой, как его представляют. Сам агент — инструкции, правила и подключение модели — занимает меньшую часть. Больше времени уходит на интеграции: доступы в 1С и CRM, чтение и запись данных, обработка нестандартных ответов систем, журналы, лимиты и аварийный выключатель.

• Что делает разработчик: пишет инструкции и правила агента, подключает инструменты (см. function calling и MCP), настраивает память (как устроена память), журналирование и ограничения.
• Что делает заказчик: выдаёт тестовые доступы, отвечает на вопросы по системам, согласует права.
• Точка провала: доступы приходят через две недели. Лучше организовать их ещё на этапе аудита. Об интеграциях — статья «Интеграция AI-агента с 1С и CRM».

Системный промпт — только одна из деталей. Как правильно писать инструкции, описано в статье про системный промпт. Выбор между готовым фреймворком и своим кодом — в материале «Фреймворки для AI-агентов».

Этап 4. Проверка качества: набор из ваших случаев

Проверка — то, что отличает рабочее решение от демо. Мы собираем из ваших данных набор типовых и сложных случаев, заранее записываем ожидаемый результат и прогоняем агента. Каждую ошибку разбираем: это проблема инструкции, данных, поиска или модели. После правок прогон повторяется.

1. Собираем набор случаев из реальных обращений и документов, обезличенный.
2. Определяем ожидаемый результат для каждого, с участием владельца процесса.
3. Прогоняем агента и классифицируем ошибки: критичные, терпимые, косметические.
4. Правим и повторяем прогон, пока уровень критичных ошибок не уложится в согласованный порог.

• Артефакт: протокол проверки с долей верных ответов и перечнем оставшихся ошибок.
• Точка провала: проверка на придуманных примерах. Они чище настоящих, и агент проходит их легче, а на живом потоке ломается.

Методика — в статье «Как оценить качество AI-агента», о выдуманных ответах — в материале «Галлюцинации ИИ в бизнесе».

Этап 5. Опытная эксплуатация: запуск на реальном потоке

Агент впервые работает с живыми данными, но под наблюдением. Обычно сначала он работает в режиме «подсказки»: предлагает решение, человек подтверждает или правит. Затем доля автономных случаев растёт там, где ошибок мало. В этот период замеряется метрика «после» и сравнивается с замером «до».

• Что делает разработчик: следит за журналами, разбирает расхождения, дорабатывает правила.
• Что делает заказчик: подтверждает или поправляет решения агента, сообщает о странных случаях, не отключая агента молча.
• Точка провала: сотрудники обходят агента, потому что им не объяснили, зачем он. Обучение команды — часть проекта.

Что смотреть в журналах — в статье «Как мониторить AI-агента», участие человека — в материале «Human-in-the-loop».

Этап 6. Передача и сопровождение

После приёмки по метрике заказчик получает документацию, доступы и регламент работы с агентом. Код, инструкции и настройки остаются у вас, и поддержку можно передать другому подрядчику. Сопровождение нужно, потому что вокруг агента меняется мир: обновляются документы, системы и сама модель. Без наблюдения качество медленно падает.

• Артефакты: документация, перечень доступов, регламент эскалации, ежемесячный отчёт по метрике.
• Точка провала: «запустили и забыли». У агента нет ответственного, и никто не замечает деградацию.

Подробнее — в статье «Сопровождение AI-агента». Что записать в соглашении — в материале «Договор на внедрение ИИ».

Где проекты чаще всего ломаются: сводка

Общий разбор причин провалов — в статьях «Почему пилот ИИ не взлетел» и «Пилот провалился: что делать». Если хотите получить минимально работающий результат быстрее, читайте «MVP AI-агента», а формат работ «под ключ» описан на странице «AI-агенты под ключ».