AI агенты vs чат-боты: в чём разница
Компания попробовала чат-бот — не зашло. Теперь говорят про AI агента. Будет то же самое? Ответ зависит от того, понимаете ли вы разницу между этими двумя технологиями. Разбираем принципиальные отличия, когда каждый подходит, и как мигрировать с бота на агента за 30 дней без потери того, что работало.
Почему "пробовали бот — не зашло" ещё ничего не значит
Когда компания говорит "мы пробовали бота", обычно это означает одно из двух: сценарный бот без AI который работал только по жёсткому дереву диалогов, или ChatGPT-бот без настройки под конкретную задачу и данные компании.
Первый провалился потому что сценарный бот не масштабируется на нестандартные вопросы. Второй — потому что без системного промта, интеграций и обучения на данных компании ChatGPT выдаёт общий ответ, который не помогает клиенту.
AI агент — это другая архитектура. Не "бот с AI" и не "ChatGPT с доступом к сайту". Это система с четырьмя компонентами: языковая модель, инструменты для действий, память и цель. Это качественно другой класс.
Прежде чем делать вывод из прошлого опыта, важно разобраться что именно не работало — технология или реализация. Чаще всего это реализация.
Что такое чат-бот: архитектура и ограничения
Чат-бот — это программа которая ведёт диалог по заданным правилам. Есть два основных вида.
Сценарный чат-бот
Работает по дереву диалогов: если пользователь нажал кнопку А — показывает вариант А1 и А2. Если написал фразу из списка ключевых слов — отвечает заготовленным текстом. Выйти за рамки дерева — бот зависнет или выдаст "я вас не понял, обратитесь к оператору".
Преимущества: дёшево, быстро, предсказуемо. Недостатки: не масштабируется на сложные вопросы, требует ручного обновления при изменениях, раздражает пользователей нестандартными запросами.
AI-чат-бот (LLM-бот)
Использует языковую модель для генерации ответов. Понимает естественный язык, может ответить на непредвиденный вопрос. Но: отвечает на основе обучения модели или загруженных документов. Не может совершить действие: занести в CRM, отправить письмо, изменить статус заказа. Каждый диалог начинается заново — нет памяти о прошлых взаимодействиях.
Это уже лучше сценарного бота, но всё ещё ограничено тем, что бот только говорит, но не действует.
Что такое AI агент: четыре компонента
AI агент = языковая модель + инструменты + память + цель. Каждый компонент критически важен.
Языковая модель: Claude, GPT-4o, Gemini — мозг агента. Рассуждает, планирует, принимает решения. Без инструментов — это умный собеседник. Инструменты: набор действий агента. Поиск в базе данных, запись в CRM, отправка письма, вызов API, запуск кода. Именно инструменты дают агенту возможность действовать, а не только отвечать.
Память: краткосрочная (контекст текущего диалога) и долгосрочная (история клиента, предыдущие договорённости, персональные данные). Агент помнит кто этот клиент и что было до. Цель: не просто ответить на вопрос, а достичь результата. Квалифицировать лид, закрыть тикет, подготовить договор. Агент сам планирует шаги для достижения цели.
5 принципиальных отличий: AI агент vs чат-бот
- Отвечает vs действует. Чат-бот говорит "ваш заказ в обработке". AI агент проверяет статус в системе, при необходимости обновляет его, отправляет уведомление клиенту и заносит запись в CRM — без участия человека.
- Сценарий vs суждение. Чат-бот следует дереву диалогов. Нестандартная ситуация — тупик. AI агент рассуждает: что за ситуация, какой инструмент нужен, как достичь цели другим путём.
- Забывает vs помнит. Каждый диалог чат-бота начинается с нуля. AI агент с долгосрочной памятью знает историю клиента, предыдущие вопросы, договорённости. Это меняет качество сервиса кардинально.
- Изолирован vs интегрирован. Чат-бот живёт сам по себе. AI агент интегрирован с CRM, базой данных, API, почтой, Telegram. Всё что он делает — оставляет след в системах.
- Статичен vs обучаем. Чат-бот нужно обновлять вручную при каждом изменении. AI агент обновляет базу знаний автоматически и адаптируется к новым сценариям.
Когда чат-бот достаточен: не переплачивайте
Не каждой задаче нужен AI агент. Есть сценарии где сценарный или простой AI-бот — правильное решение.
- FAQ и типовая поддержка: ответы на 30–50 стандартных вопросов о продукте, условиях, доставке. Если 80% вопросов повторяются — сценарный бот справится дешевле.
- Сбор контактных данных: простая форма в диалоговом интерфейсе. Имя, телефон, email — и передача оператору. Это оправданно для высокого объёма простых заявок.
- Информационный бот в Telegram-канале: публикации, новости, расписания. Пользователи нажимают кнопки и получают информацию.
- Одношаговые транзакции: запрос справки, подтверждение записи, получение трек-номера. Одно действие — один ответ, без сложной логики.
Когда нужен AI агент: 5 сигналов
Если вы узнаёте хотя бы 2–3 из этих сигналов — вам нужен агент, а не бот.
- Квалификация лидов: нужно задать разные вопросы разным клиентам в зависимости от их ответов, принять решение о горячести и занести в CRM. Это требует суждений и действий — не скрипта.
- Сложная аналитика или поиск по документам: клиент задаёт нестандартный вопрос, ответ нужно найти в базе знаний компании. Сценарный бот не справится, нужен RAG-поиск и рассуждение.
- Интеграции с несколькими системами: агент должен взять данные из CRM, проверить наличие в 1С, записать в Telegram и отправить email. Это агентная логика.
- Персонализированный сервис: клиент ожидает, что его помнят и отвечают с учётом истории. Это требует долгосрочной памяти агента.
- Нестандартные запросы выше 20%: если значительная часть обращений выходит за рамки FAQ — сценарный бот будет постоянно отфутболивать к оператору, что раздражает клиентов.
Миграция с чат-бота на AI агента за 30 дней
Если у вас уже есть бот и вы хотите перейти на AI агента — не выбрасывайте то, что работает. Миграция строится на анализе того, что бот делает хорошо и что не может.
Неделя 1: аудит текущего бота
Выгрузите логи диалогов за последние 3 месяца. Разделите на категории: успешные диалоги (бот ответил, проблема решена), провальные (бот не справился, ушёл к оператору), пограничные (бот ответил но клиент не удовлетворён). Подсчитайте процент каждой категории и причины провалов. Это карта для агента.
Неделя 2: проектирование агента
На основе анализа определяем: какие сценарии агент закроет лучше бота (нестандартные вопросы, квалификация, интеграции), какие сценарии можно оставить как есть (простые FAQ — их агент тоже умеет, но не обязательно переписывать). Проектируем инструменты агента: что ему нужно уметь делать помимо ответов.
Неделя 3: интеграция и тест
Агент запускается параллельно с ботом на части трафика (10–20%). Сравниваем метрики: процент эскалаций к оператору, удовлетворённость клиентов, время решения задачи. Корректируем по данным.
Неделя 4: переключение
Переводим весь трафик на агента. Бот остаётся в резерве на 2 недели. Замеряем итоговые метрики: снижение нагрузки на операторов, рост удовлетворённости клиентов, количество решённых задач без эскалации.
Готовый промт: Аудит текущего бота
Используйте этот промт чтобы провести аудит вашего чат-бота и определить, нужна ли миграция на AI агента.
Промт: "Ты эксперт по AI-коммуникациям в B2B. Помоги мне провести аудит нашего текущего чат-бота и определить нужна ли миграция на AI агента. Данные о боте: [тип бота: сценарный / AI-бот], [каналы: Telegram / сайт / другое], [основные функции бота], [частота эскалаций к оператору: процент диалогов], [топ-3 причины почему бот не справляется]. Дай мне: 1) Оценку зрелости текущего бота по шкале 1–10. 2) Список из 3–5 задач, которые бот решает плохо и которые AI агент решит лучше. 3) Оценку: нужна миграция или достаточно улучшения существующего бота. 4) Если нужна миграция — план на 30 дней с бюджетной оценкой."
После ответа попросите: "Составь список конкретных инструментов (actions) которые нужны агенту на замену нашему боту, и покажи как они связаны с нашими системами." Это даст вам техническое задание для подрядчика.
FAQ
- Агент дороже бота. Как обосновать разницу в стоимости?
- Считайте через стоимость операторов которых агент заменяет или разгружает. Если агент снижает эскалации с 40% до 10% при 1000 диалогов в месяц — это 300 диалогов которые оператор не обрабатывает. Умножьте на стоимость минуты оператора.
- Можно ли оставить часть функций в боте и добавить агента для сложных случаев?
- Да, это называется гибридная архитектура. Простые сценарии — сценарный бот (дешевле). Нестандартные и высокоприоритетные — AI агент. Роутинг между ними строится на определении типа запроса.
- Сколько времени займёт настройка агента если у нас уже есть база знаний из бота?
- Если база знаний хорошо структурирована — это ускоряет процесс на 20–30%. База из бота становится частью RAG-базы агента. Всё равно потребуется её аудит и дополнение — обычно 3–5 дней вместо 7–10 с нуля.