Коротко: чат-бот отвечает, агент действует
Если упростить, чат-бот живёт внутри диалога: получил вопрос — выдал ответ из сценария или базы знаний. ИИ-агент устроен иначе: он получает цель, сам разбивает её на шаги, вызывает внешние инструменты и доводит задачу до результата, а не до реплики. Поэтому бот хорош там, где нужно «рассказать», а агент — там, где нужно «сделать».
Чат-бот
- Отвечает по сценарию или из базы знаний
- Один шаг: запрос → ответ
- Сам не меняет данные в системах
- Предсказуем и дёшев в эксплуатации
- FAQ, первая линия поддержки, квалификация лида
ИИ-агент
- Получает цель и сам планирует шаги
- Вызывает инструменты: CRM, API, поиск, расчёты
- Выполняет действия: оформляет, обновляет, формирует
- Сложнее, дороже и требует контроля
- Многошаговые процессы с реальными действиями
Как работает чат-бот
Классический чат-бот — это сценарии (кнопки, дерево диалога) или ответы из базы знаний. Современный вариант — бот на большой языковой модели с RAG: он находит нужный фрагмент в ваших документах и формулирует ответ человеческим языком. Но даже умный бот остаётся в логике «вопрос — ответ»: он не оформит заказ в вашей системе и не соберёт отчёт из трёх источников. Его сила — в скорости, дешевизне и предсказуемости.
Как работает ИИ-агент
Агент получает не вопрос, а цель: «оформи возврат», «подготовь коммерческое предложение», «проведи лида по воронке». Дальше он сам решает, какие шаги нужны, и вызывает инструменты — обращается к CRM, вызывает API, ищет данные, делает расчёты — пока задача не выполнена. Это мощнее, но и сложнее: у агента больше способов ошибиться, поэтому ему нужны границы полномочий, мониторинг и точки, где решение подтверждает человек.
Простой тест: если задачу можно закрыть одним хорошим ответом — это работа для чат-бота. Если для результата нужно совершить действия в нескольких системах — это работа для агента.
Когда достаточно чат-бота
- Ответы на типовые вопросы. FAQ, условия, статусы, документация — бот закрывает большую часть первой линии.
- Квалификация и маршрутизация. Собрать вводные и передать нужному человеку или отделу.
- Поиск по базе знаний. Когда ответ лежит в ваших документах, а не в чужих системах.
- Быстрый запуск с понятной отдачей. Дёшево внедрить, легко измерить разгрузку поддержки.
Когда нужен ИИ-агент
- Задача — это действие, а не ответ. Оформить заказ, обновить запись, выставить счёт, запустить процесс.
- Несколько систем и шагов. Данные собираются из CRM, почты, таблиц и внешних API.
- Сквозной процесс целиком. Провести клиента по воронке или закрыть заявку от начала до конца.
- Цена ошибки управляема. Есть где поставить проверку человеком и откатить действие.
Сколько стоит и сколько занимает
Грубые ориентиры по российскому рынку: чат-бот на базе знаний с RAG — это недели работы и бюджет в нижнем диапазоне, потому что архитектура простая и предсказуемая. ИИ-агент с интеграциями, обработкой ошибок и контролем стоит заметно дороже и занимает больше времени — основная стоимость не в «мозге», а в интеграциях с вашими системами, тестировании сценариев и сопровождении. Точные цифры зависят от числа интеграций и цены ошибки — детальный разбор есть в нашей статье про смету внедрения ИИ.
Как выбрать: три вопроса перед стартом
- Что на выходе — ответ или действие? Ответ → бот. Действие → агент.
- Сколько систем задействовано? Одна база знаний → бот. Несколько систем и шагов → агент.
- Какова цена ошибки? Чем она выше, тем больше нужно контроля и тем осторожнее стоит давать агенту автономию.
На практике правильный ответ часто звучит как «начать с бота и дорасти до агента»: сначала закрыть типовые вопросы дешёвым ботом, а где видна отдача — добавлять действия и превращать его в агента. Что именно нужно вашему бизнесу и с чего начать без лишних трат — это и есть тема первичной консультации.