Как отличить ИИ-агента от ИИ-ассистента: шесть критериев проверки

Слово «ИИ-агент» стало маркетинговым ярлыком. В России 34% поставщиков* ИИ-решений называют свой продукт агентом или помощником — это крупнейшая категория на рынке. Разобраться в ней способны немногие: концепцию ИИ-агента понимают лишь 11% специалистов вне сферы ИИ.

Для покупателя это прямой финансовый риск. Агент и ассистент — два разных класса решений с разной ценой, бюджетом и эффектом. Поэтому заплатить за агента, а получить в итоге ассистента значит потратить деньги практически впустую.

Компания «Яков и партнеры» в отраслевом исследовании рынка (июль 2026) предложила способ отличать одно от другого. В этой статье разберем эти критерии и покажем, как проверять поставщика и его продукт.

Ассистенту нужно указывать каждый шаг.

Это можно сравнить с тем, как таксисту называют адрес, но не диктуют, в какой полосе с какой скоростью ехать. Ассистента же в этом случае можно сравнить с навигатором: он предлагает следующий шаг, но решение о действии принимает человек.

Формально агент — это автономная система в петле обратной связи: она планирует, действует, наблюдает результат и корректирует подход, доводя задачу до конца. Степень автономности при этом может быть разной, одни сценарии требуют подтверждения на каждом шаге, другие работают без участия человека от постановки задачи до результата. Выбор режима зависит от процесса и уровня доверия к системе.

Методика исследования предлагает шесть операционных критериев. Они проверяют архитектуру решения, а не его маркетинговое описание.

• Агентный цикл: система проходит петлю «планирование — действие — наблюдение — корректировка». Без нее это обычный инструмент автоматизации
• Планирование: система сама разбивает путь к цели на шаги. (В случае с ассистентом пользователь управляет каждым шагом вручную).
• Работа с инструментами: система не только генерирует текст, но и совершает действия в среде — например, обращается к корпоративным системам и базам данных, работает в браузере, создает документы, запускает код.
• Самокоррекция: система следит за результатом каждого действия. Например, если документ оказался в другом формате, API вернул ошибку, нужный раздел отсутствует, агент пробует другой подход вместо того, чтобы остановиться. Без этого критерия любое отклонение от ожидаемого сценария прерывает выполнение задачи.
• Память: контекст сохраняется между шагами задачи. Для коротких однократных операций этого будет достаточно, для процессов, которые занимают несколько сессий, нужна долговременная память, иначе агент каждый раз будет начинать выполнение заново.

Автономное завершение: система доводит задачу до конкретного результата. Финальное подтверждение человека при этом остается на усмотрение процесса, где-то агент завершает сам, где-то может ждать одобрения на важном шаге.

Оценка по каждому критерию простая: «да» — 1 балл, «частично» — 0,5, «нет» — 0. Полноценным агентом считается продукт, набравший не менее пяти баллов из шести.

Итоговый балл задает категорию решения:

• 5−6 — полноценный агент
• 3−4 — агент с ограничениями
• 2 — ассистент с функциями агента
• 0−1 — ассистент

Строгой границы между агентами и не-агентами в настоящее время нет, поэтому наряду с критериями применяется пятиуровневая шкала зрелости.

• L1 — большая языковая модель. Здесь нет памяти, инструментов и обратной связи, на входе и на выходе только текст. По функциональности можно сравнить с калькулятором.
• L2 — ИИ-ассистент, чат с контекстом диалога поверх модели, где каждый шаг задает пользователь. Это можно сравнить с консультантом, который только отвечает на вопросы.
• L3 — ассистент с функциями агента. Он ищет информацию, обращается к внешним системам, выполняет отдельные шаги под контролем пользователя. Его можно сравнить со стажером под присмотром наставника.
• L4 — автономный агент, который планирует, действует, наблюдает, корректирует и доводит задачу до результата в заданных границах с минимальным участием человека.
• L5 — мультиагентная система, где несколько агентов координируются между собой для сложных сценариев.

Критерии агентности и шкала зрелости отвечают на разные вопросы: шесть критериев проверяют архитектуру продукта, а шкала L1-L5 оценивает конкретное внедрение в рабочем контуре.

Разрыв между ними очень нагляден. В международной выборке порог агента по критерию архитектуры прошли 7 продуктов из 18 (39%). Но среди 43 реальных внедрений уровня L4 (автономный агент) достигают лишь 10, то есть это 23%. Большинство решений остаются на L3, то есть выполняют цепочку операций, но требуют контроля сотрудника.

Корпоративную зрелость решения определяют два критерия из шести: работа с инструментами и автономное завершение. Интеграторы согласны с такой логикой, т.к. решение без этих возможностей не встраивается в реальные бизнес-процессы: согласование документов, обмен с 1С, ERP и CRM.

Отсюда практика agent washing («отмывание под агента»), когда чат-бот с API-интеграцией называют ИИ-агентом. Обычно это происходит не из злого умысла, а из-за отсутствия общепринятых определений. Единственная защита покупателя в таких случаях — разобраться в вопросе, чтобы самому быть в состоянии проверить архитектуру по шести критериям по чек-листу.

В мире две категории продуктов (готовые агенты и платформы для их сборки) примерно равны. В России вторая группа заметно шире — поставщики предлагают прежде всего платформы.

Причина в структуре спроса. Большинство крупных российских заказчиков предпочитают разворачивать решение on-premise в собственной инфраструктуре. Так они могут контролировать конфиденциальные данные и выполнять требования по безопасности. Готовый агент по облачной подписке им подходит меньше, т.к. его сложно встроить в свой контур и в 1С, ERP, CRM. Платформа же позволяет собрать решение под конкретный процесс. Готовый агент по облачной подписке (модель SaaS) подходит для таких задач хуже. Его не развернуть в своем контуре и трудно встроить в корпоративные системы. А вот платформа в таком случае позволяет собирать агентов под конкретный процесс.

По архитектуре они закрывают почти все критерии, но финальное решение под бизнес-процесс клиент создает сам.

В помощь заказчикам даем чек-лист для проверки продукта любого поставщика, включая нас. В ней нужно проставить статус по каждому критерию: «да» — 1 балл; «частично» — 0,5; «нет» — 0.

Итоговый балл определит класс продукта:

• 5−6 — полноценный агент
• 3−4 — агент с ограничениями
• 2 — ассистент с функциями агента
• 0−1 — ассистент

Проверьте поставщика по шести критериям до пилота или покупки:

• Запросите демонстрацию каждого критерия на реальном сценарии
• Уточните, вызывает ли решение внешние инструменты и доводит ли задачу до результата
• Определите класс продукта: готовый агент, платформа сборки или ассистент
• Сопоставьте класс со своей задачей — сборка под процесс или коробочный сценарий

*здесь и далее приведены цифры по данным исследования «ИИ-агенты: где хайп, а где реальность» консалтинговой компании «Яков и Партнёры» (июль, 2026)