ИИ-сотрудник: что можно отдать машине, а что остаётся на вас

Штатную единицу машина не занимает. Ставку держат три вещи: ответственность, одинаковый результат на повторе и понимание обстановки вокруг работы. Ни одной из них у машины нет. Машине отдают отдельную операцию, у которой есть эталон правильного результата и проверка до того, как результат уйдёт к клиенту.

Дальше по порядку. Кого продают под этим словом и почему ставка остаётся. Как разобрать день своего человека на операции. Из чего такого «сотрудника» собирают и за что приходит счёт каждый месяц. И что по закону не переезжает к подрядчику вместе с данными. Если нужен разбор именно вашей задачи, это можно сделать на странице услуг.

Кого продают под словом «ИИ-сотрудник»

За этим названием нет какой-то одной определённой техники. «ИИ-сотрудник» и «цифровой сотрудник» это торговые имена. Даже у разработчиков, как видно ниже, нет одного значения у слова «агент», а у продавцов тем более. Сравнивать два коммерческих предложения по названию нельзя, как нельзя сравнивать двух людей по слову «менеджер» в трудовой.

Точности нет даже у слова «агент». Anthropic, один из разработчиков таких моделей, начинает свой инженерный разбор прямо с этого: «Слово "агент" можно определить несколькими способами» (перевод). Там же они делят все такие системы на два вида. В самом начале той страницы они предупреждают, что набор инструментов с декабря 2024 года изменился; деление на два вида это предупреждение не задевает.

Первый вид: заранее прописанный порядок. В переводе: «Заранее прописанные порядки это системы, где языковые модели и инструменты идут по путям, заданным в коде заранее». Кто-то сел и расписал: пришло письмо, достань из него адрес, положи в таблицу, отправь ответ по образцу. Модель здесь работник на одном участке, а маршрут задан человеком.

Второй вид: агент. «Агенты это системы, где языковые модели сами ведут свою работу и сами распоряжаются инструментами, сохраняя за собой решение о том, как выполнить задачу» (перевод). Маршрут никто заранее не рисовал, машина выбирает следующий шаг сама.

Для вас разница в одном: кто отвечает за неожиданный поворот. В первом случае вы знаете все повороты заранее, потому что их кто-то написал. Во втором машина может пойти туда, куда вы не смотрели.

От чат-бота оба отличаются вот чем: бот отвечает на сообщение и ждёт следующего, ничего не делая сам. Короткое объяснение лежит в словаре сайта: чат-бот и ИИ-агент. Как агент ведёт себя в деле после второй недели работы, я разбирал отдельно: как работает ИИ-агент.

Почему он не занимает ставку

Когда вы держите человека на ставке, вы платите за три вещи, и стоят они дороже его действий.

Схема моя. Первая строка опирается на закон 152-ФЗ, вторая на замер τ-bench, третья это моё рассуждение, замера под ней нет.

Ответственность. Машина ни перед кем не отвечает, отвечаете вы. Перед людьми, чьи данные вы отдали, и перед законом отвечает ваша компания, даже когда работу делает чужая программа. Что именно написано в законе, разбираю ниже отдельным разделом. Что спрашивать у подрядчика до подписания, я разбирал в статье про внедрение ИИ под ключ.

Одинаковый результат на повторе. Человека вы берёте за то, что завтра он ответит так же, как сегодня. Одного хорошего ответа для этого мало. Это измеряют: авторы набора задач τ-bench ввели отдельную меру, сколько раз агент справится с одной и той же задачей, если попросить его несколько раз подряд. Вот что у них получилось в 2024 году. Даже передовые на тот момент агенты решали меньше 50 % задач набора. А в розничной части набора агент справлялся во всех восьми попытках подряд меньше чем в 25 % задач.

График построен по числам из работы τ-bench. Первое число относится ко всему набору задач, второе только к его розничной части. Пунктир это потолок, точные значения лежат ниже него.

Границы этих чисел важнее самих чисел. Это задачи учебного набора, и собеседника там изображает другая модель, живого клиента в опыте не было. Мерили агентов на моделях того времени, среди них gpt-4o, а сам препринт подан в июне 2024 года. Из этих процентов не следует, сколько ошибок будет у сегодняшнего агента и тем более у агента в вашем деле. Следует другое: одинаковый результат на повторе это отдельное свойство. Само оно не появляется, и его надо проверять.

Понимание обстановки. Человек видит, что клиент второй раз пишет про одну и ту же проблему и злится. Машина видит текст. Замера, который показал бы это числом, я не нашёл. Так что здесь я рассуждаю сам, чужого результата под этим нет.

Зато про другую сторону той же самостоятельности сказано прямо. Та же команда Anthropic пишет: самостоятельность агента означает более высокие расходы и возможность накопления ошибок (перевод). Накопление это когда машина ошиблась на третьем шаге и уверенно строит на этой ошибке четвёртый и пятый.

Поэтому формулировка, которой я пользуюсь сам: искусственный интеллект забирает не профессию. Он забирает работу, которую вы делаете по кругу, одинаково.

Как разложить день человека на операции

Считать надо по операциям. Ставка слишком крупная единица: в неё свалено всё, что человек делает за день. Операция это одно законченное дело внутри рабочего дня: у него есть что-то на входе, что-то на выходе и признак, по которому видно, что сделано правильно. «Менеджер по заявкам» операцией не является: под одним названием там десяток разных дел.

Возьмите одного человека и один его рабочий день, обычный. Самый трудный и самый пустой день картину искажают.

1. Попросите его записывать дела по ходу дня. Если вспоминать вечером, память сгладит всё в «отвечал на заявки».
2. Напротив каждого дела запишите три строки: что приходит на вход, что получается на выходе, как понять, что получилось правильно. Третья строка самая важная и самая трудная.
3. Вычеркните всё, где на входе или на выходе живой человек: разговор с клиентом, который сомневается, спор с поставщиком, разбор жалобы. Это не та работа, которую отдают машине: там нужен человек.
4. Из того, что осталось, выпишите дела, которые повторяются одинаково: одни и те же шаги, из недели в неделю.
5. Проверьте каждое по трём признакам из следующего раздела.

Если после такого разбора машине можно отдать одну операцию, это нормальный результат. Одна операция, честно снятая с человека, стоит дороже красивой демонстрации на десяти. Демонстрация закончится вместе со встречей, а операция останется в работе.

Такой разбор можно сделать и вдвоём: четыре вопроса о вашем деле, в ответ я пришлю карту автоматизации с вашими задачами.

Три признака операции, которую можно отдать

Признаки проверяются все три, и двух не хватает. Операция, где нет эталона, но есть повтор, будет исправно повторять то, что вы не сможете принять. Операция с эталоном, но без дешёвой проверки, съест сэкономленное время на приёмке.

Первый: повторяется одинаково. Нужен один и тот же порядок шагов. Похожих задач для этого мало: если каждый раз делается по-другому, машине нечего повторять, и вы платите за то, чтобы каждый раз объяснять заново.

Второй: есть эталон правильного результата. Проверка простая. Можете ли вы взять три примера сделанного правильно и объяснить словами, чем они правильные? Если не можете, то и принимать работу машины будет нечем. Дальше начнётся спор о вкусах, и любой результат окажется одновременно и хорошим, и плохим.

Третий: проверка дешевле выполнения, и она идёт до того, как результат увидит клиент. Это главный признак и самый пропускаемый. Проверять надо каждый результат. Выборочная проверка здесь не работает.

Посчитаем на условном примере. Допустим, в день приходит 20 заявок, ответ на каждую человек пишет сам за 12 минут, а на проверку готового ответа уходит 3 минуты. При 22 рабочих днях: писать самому это 5280 минут, то есть 88 часов в месяц; проверять готовое это 1320 минут, то есть 22 часа. Разница 3960 минут, 66 часов в месяц.

Главное в этом расчёте единица измерения: минуты одной операции. Ставка целиком для такого счёта не годится. Пока разница между «сделать» и «проверить» не посчитана в минутах, разговор про экономию это ещё не разговор.

И ещё одно про порядок. Anthropic советует обширную проверку в изолированной среде и ограничители поведения (перевод): сначала на отдельном участке, где ошибка ничего не ломает, и только потом на живых заявках.

Признаки для задач отчётности устроены иначе, там свои ловушки: разбор лежит в статье про ИИ-агента для отчётов. Про одно конкретное рабочее место, приём и обзвон, есть отдельный разбор: ИИ для колл-центра.

Из чего собирают такого «сотрудника»

Полную сборку я здесь не разбираю, это отдельная тема. Но знать состав полезно: по нему видно, за что именно вам выставляют счёт и какую часть спрашивать у подрядчика отдельно.

Собирают из пяти частей.

1. Модель. Та самая языковая модель, которая понимает текст и пишет текст. Если модель у подрядчика не своя, он платит за обращения к ней, а вы платите ему.
2. Задание. Текст, которым человек объясняет машине, что от неё нужно: правила, образцы правильных ответов, запреты. Короткое объяснение в словаре сайта: задание модели.
3. Доступы. Право что-то реально сделать: открыть вашу таблицу, записать заявку в базу, отправить письмо. Без доступов «сотрудник» только разговаривает. Про это тоже есть страница в словаре: доступ к инструменту.
4. Проверка. Место, где результат смотрят до выхода наружу. Это та часть, про которую в коммерческом предложении стоит спросить отдельно и своими словами: кто и как принимает работу машины.
5. Место, где всё это живёт. Сервер или облако, которое работает без вашего компьютера.

Дальше выбирают один из двух видов. Либо заранее прописанный порядок, где маршрут задан в коде и машина идёт по нему. Либо агент, который сам решает, что делать следующим шагом. Первое скучнее, зато у него нет неожиданных поворотов. Второе убедительнее звучит в коммерческом предложении, а по словам самих разработчиков таких систем, самостоятельность агента означает более высокие расходы.

За что платят каждый месяц

Здесь у оклада и у счёта за машину разное устройство. Оклад это одна строка в месяц, и её размер известен заранее. Счёт за машину устроен иначе, и способов счёта два. Оба названы в словаре сайта: подписка и счётчик.

Подписка. Похожа на оклад, поэтому её и понимают легче всего. В российском облаке это выглядит так: подписка Go на работу с генеративными моделями стоит 2 490 ₽ с НДС за одного сотрудника в месяц. Рядом на той же странице стоят подписки дороже.

Счётчик. Тут платят за объём. По правилам тарификации того же облака стоимость использования моделей зависит от режима работы и количества токенов разных типов: входящие, исходящие, кешированные и токены инструментов. Токен это кусочек текста, примерно слово или его часть; счёт идёт за тысячи таких кусочков. Кешированные это те, что машина уже разбирала раньше и держит наготове. Дешевле они или нет, зависит от модели: у той, которую я беру для примера ниже, кешированные стоят столько же, сколько входящие. И само кеширование поставщик не обещает: в правилах сказано, что оно не гарантируется.

Для модели YandexGPT Pro 5.1 цены в синхронном режиме, то есть когда ответ ждут сразу, такие: за 1000 входящих токенов 0,8 ₽, за 1000 кешированных 0,8 ₽, за 1000 токенов инструментов 0,2 ₽, за 1000 исходящих 0,8 ₽. Цены с НДС, проверены 27 сентября 2026 года по странице тарификации.

И третья часть счёта, про которую стоит спросить отдельно. Вызовы инструментов считаются отдельно от токенов. У того же поставщика счёт за текстовых агентов складывается из двух частей: потребление токенов по тарифам моделей и стоимость вызова инструментов. Инструмент веб-поиска стоит 915 ₽ за 1000 запросов. Поиск по файлам там дешевле, а исполнение кода не тарифицируется вовсе.

Схема собрана по странице тарификации Yandex AI Studio, цены с НДС, проверены 27 сентября 2026 года. Столбец «оклад» взят как точка сравнения, на той странице его нет.

Для разговора с подрядчиком общего «сколько это стоит в месяц» мало. Спросите три вещи. По какому из двух способов идёт счёт. Входит ли в цену обращение к модели. И кто платит за вызовы инструментов, когда заявок станет больше. Эти числа показывают устройство счёта у одного поставщика. Во сколько обойдётся ваше решение, по ним не посчитать: цену внедрения я разбирал отдельно в статье про внедрение ИИ под ключ.

Что по закону остаётся на вас, даже если модель чужая

Данные обрабатывает подрядчик, а отвечаете перед клиентом вы. По статье 6 закона 152-ФЗ, если оператор поручает обработку персональных данных другому лицу, ответственность перед человеком, чьи это данные, несёт оператор. Оператор в этой норме это тот, кто поручает, то есть вы. Подрядчик отвечает перед вами, а ваши клиенты спрашивают с вас.

Дальше два поворота, которые к слову «ИИ-сотрудник» относятся напрямую.

Первый: поручение это бумага с перечнем. Часть 3 той же статьи разрешает поручить обработку другому лицу, в обычном коммерческом случае на двух условиях. Нужно согласие человека, чьи это данные, если федеральный закон не установил иного. И нужен договор с тем, кому обработка поручается. Там же сказано, что в поручении оператора должны быть определены перечень персональных данных, перечень действий с персональными данными и цели их обработки. То есть до выгрузки базы клиентов или архива переписки нужно написать, какие именно данные уходят, что с ними будут делать и зачем. В законе перечислены и другие обязательные условия поручения, полный список стоит смотреть по тексту статьи.

Второй: если обработку поручили иностранному лицу, отвечают оба. Часть 6 той же статьи говорит про поручение обработки иностранному лицу, физическому или юридическому. В этом случае ответственность перед человеком, чьи это данные, несут и оператор, и тот, кто обрабатывает данные по его поручению. Из этой нормы не следует, что любое обращение к зарубежной модели автоматически является поручением обработки: это зависит от того, какие данные передаются и на каких условиях. Но вопрос «на чьей модели это работает и что туда уходит» из технического превращается в правовой, и задавать его надо до подписания.

Практический минимум перед выгрузкой тот же, о котором я писал в разборе внедрения: убрать из выгрузки всё, что для самой операции не нужно. Чтобы машина отвечала на типовые вопросы, фамилии, телефоны и номера договоров ей обычно не нужны вовсе.

Когда слово «сотрудник» лишнее

Бывает, что под «ИИ-сотрудника» покупают то, для чего хватает заранее прописанного порядка. Об этом говорят и сами разработчики. Anthropic пишет так: «Создавая приложения на языковых моделях, ищите самое простое решение и повышайте сложность только тогда, когда это нужно. Иногда это означает не строить агентских систем вовсе» (перевод, смысл сохранён).

Там же сказано, что даёт простой вариант: заранее прописанный порядок работает предсказуемо и одинаково на ясно очерченных задачах (перевод). Ровно то, чего вы хотите от операции, которую отдаёте.

Понять, что «сотрудник» тут лишний, просто. Если вы можете записать маршрут работы словами от начала до конца, и он не меняется от случая к случаю, то выбирать следующий шаг машине незачем. Такой маршрут дешевле прописать. И принимать такую работу проще, потому что заранее известно, что должно получиться.

Обратное тоже верно. Если вы не можете предсказать, сколько шагов понадобится, и маршрут заранее не нарисовать, то простым порядком не обойтись. Но тогда честно признайте: вы покупаете систему, которая будет принимать решения сама, и проверка становится частью работы.

Ошибки в счёте, которые дорого стоят

Считать ставками. Из «оклад минус подписка» ничего не следует. Ставка это ответственность и решения, подписка это доступ к модели. Считать надо минуты одной операции и то, сколько стоит её проверка.

Забыть про вызовы инструментов. Токены посчитали, а поиск, обращения к базе и другие инструменты не посчитали. При цене вроде 915 ₽ за 1000 запросов поиска рост числа заявок в два раза поднимает и эту строку.

Не спросить, что тикает без работы. Отдельно отведённые под вас вычисления считаются иначе: работа выделенного инстанса тарифицируется посекундно, даже если запросы к модели не выполняются. Если подрядчик предлагает такую схему, спросите, кто платит за ночи и выходные.

Не заложить приёмку. Проверка это работа человека, и её время не исчезает. Если её не заложили, «сэкономленные» часы всплывут в другом месте. Особенно там, где машина работает самостоятельно: самостоятельность агента означает более высокие расходы и возможность накопления ошибок, когда неверный третий шаг тянет за собой четвёртый.

Считать круглосуточную работу экономией. Работа без перерыва это свойство машины. В прибыль она превращается только тогда, когда операция была узким местом и проверка дешевле выполнения.

Если хотите посчитать это на своих числах: четыре вопроса о вашем деле, в ответ я пришлю карту автоматизации с вашими задачами.

Источники