Мы привыкли разговаривать с ИИ как с собеседником: спросить, попросить текст, разобрать данные, накидать идей. Ответ получили — и дальше всё руками.

Но сейчас с ИИ можно работать по-другому. Можно поручить ему задачу целиком. Например, не «найди мне вакансии», а «каждый день проверяй новые вакансии, отсеивай неподходящие и собирай мне подборку». Вот в этот момент и появляется ИИ-агент. Разберу, что это такое и зачем продакту и дизайнеру в этом разбираться.

Что такое ИИ-агент

Если по-простому, агент — это ИИ, который получает цель, сам решает, какие шаги сделать, пользуется инструментами и доводит задачу до результата. Чат-бот отвечает. Агент делает.

У агента обычно четыре части:

  • Модель. Сама нейросеть, которая понимает задачу и принимает решения.
  • Инструкции. Цель, правила и ограничения: что можно, а что нельзя.
  • Инструменты. Доступ к внешним системам: базе данных, браузеру, почте, CRM.
  • Контекст и память. Всё, что нужно знать для задачи, и где он остановился в прошлый раз.

При этом агент не обязан всё делать сам. Отправить письмо, оплатить, опубликовать — такие шаги можно разрешать только после подтверждения человеком. У меня так и устроено: публикации и всё, что видят другие люди, агент делает только после моего «да».

Чем агент отличается от чат-бота и автоматизации

Возьмём одну задачу: найти вакансии для продуктового специалиста.

Чат-бот. Вы спрашиваете: «Найди вакансии Product Manager в Казахстане». Он отвечает, и на этом всё. Следующий шаг за вами.

Обычная автоматизация. Вы настраиваете сценарий: каждый день в 9:00 система забирает новые публикации из одного источника и присылает вам. Шаги заданы заранее. Случилось что-то нестандартное — сценарий сломался.

ИИ-агент. Вы ставите задачу: «Каждый день находи новые вакансии Product Manager в Казахстане и СНГ, отсеивай неподходящие, смотри требования и вилки и собирай подборку». Агент сам решает, где искать и что делать, если что-то пошло не по плану.

Главная разница в том, кто выбирает следующий шаг: заранее написанный сценарий или сам ИИ.

Не всякая автоматизация с нейросетью внутри — агент. Инженеры отделяют сценарии, где шаги прописаны заранее, от систем, которые выбирают действия сами.

Как это выглядит на практике

У меня есть задача по расписанию: каждый понедельник утром агент сам проверяет CaseLab. Будит базу, если она уснула, собирает отзывы, отделяет мои визиты и ботов от реальных посетителей, считает воронку и присылает таблицу с короткой сводкой. Я ничего не запускаю, просто получаю уведомление.

Здесь видно, чем агент отличается от ответа в чате: он проходит целую цепочку шагов, пользуется несколькими сервисами и проверяет промежуточные результаты. А выводы и решения, что делать дальше, остаются за мной.

Где агенты пригодятся продакту и дизайнеру

  • Исследования. Собрать отзывы из разных источников, разложить их по проблемам, найти повторы, набросать первые гипотезы.
  • Аналитика. Регулярно проверять метрики, замечать странные скачки и присылать сводку.
  • Операционка. Собирать статусы задач и готовить еженедельные отчёты.
  • Поддержка. Разбирать обращения по категориям и искать ответы в базе знаний.
  • Обучение. Подбирать задания под уровень человека и давать обратную связь по упражнениям.

Стратегию, исследовательское мышление и ответственность за решения агент на себя не возьмёт. Он снимает рутину и освобождает время для работы, где действительно нужен человек.

Нужен ли агент для каждой задачи

Нет:) Если задача всегда решается по одному алгоритму, хватит обычного промпта или простой автоматизации. Агент оправдан, когда:

  • в задаче несколько связанных шагов;
  • заранее непонятно, какие действия понадобятся;
  • данные постоянно меняются;
  • инструменты нужно выбирать по ситуации;
  • результат можно проверить по понятным критериям.

И не забывайте про цену, скорость, ошибки и безопасность данных. Чем больше самостоятельности у агента, тем важнее заранее решить, где он остановится и спросит вас.

С чего начать

Писать код для этого не обязательно. Я бы начала со своей обычной работы. Выберите одну повторяющуюся задачу, которая съедает время: еженедельный отчёт, разбор отзывов, поиск вакансий, сбор материалов для исследования.

И ответьте на шесть вопросов:

  • Какой цели должен достичь агент?
  • Какие данные ему нужны?
  • К каким инструментам нужен доступ?
  • Что он может решать сам?
  • Что делает только после вашего подтверждения?
  • Как вы поймёте, что задача выполнена хорошо?

Это по сути тот же бриф, который вы пишете дизайнеру или разработчику. Как это выглядело у меня, рассказывала в статье «Как я незаметно начала работать с ИИ-агентами». А что происходит, когда агентов становится несколько, — в тексте про оркестрацию ИИ-агентов.

Что я для себя вынесла

Раньше мы учились формулировать запросы, чтобы получить хороший ответ. Теперь учимся формулировать цели, давать системе инструменты и решать, где у неё заканчивается самостоятельность. Это очень продуктовая работа, просто теперь такие системы можно проектировать не только для пользователей, но и для себя.

А какую повторяющуюся задачу вы бы с удовольствием отдали агенту?

Как с агентами работает продакт-билдер, человек, который сам доводит идею до работающего продукта, рассказала в статье «Кто такой Product Builder».

Больше заметок про продуктовое мышление и сборку продуктов с ИИ — в моём Telegram-канале: t.me/jd_tools_life

Частые вопросы

Чем ИИ-агент отличается от чат-бота?

Чат-бот отвечает на запрос, а следующий шаг остаётся за человеком. Агент получает цель, сам выбирает последовательность действий, пользуется инструментами (API, браузер, базы данных) и доводит задачу до результата.

Любая автоматизация с нейросетью — это агент?

Нет. Если шаги прописаны заранее, это ИИ-сценарий. Агентом систему делает то, что следующий шаг выбирает она сама, а не заранее написанный алгоритм.

С чего начать продуктовому специалисту?

Выбрать одну повторяющуюся задачу из своей работы и описать цель агента, нужные данные и инструменты, какие решения он принимает сам, что требует подтверждения человека и как понять, что задача выполнена хорошо.