AI-агент, чат-бот и RAG: что из этого нужно бизнесу

Сценарный бот

Дерево ответов. Пользователь нажимает кнопки, бот выдаёт заготовленный текст. Никакого ИИ внутри нет.

Когда достаточно: запись на приём, статус заказа, ответы на пять типовых вопросов, маршрутизация обращения в нужный отдел.

Сильная сторона: он не может ошибиться. Что заложили — то и скажет. Для юридически значимых ответов это преимущество, а не ограничение.

Слабая: любой вопрос вне сценария — тупик. Пользователь формулирует своими словами, бот предлагает выбрать из меню, пользователь уходит.

AI-чат-бот на языковой модели

Отвечает свободным текстом, понимает вопрос в произвольной формулировке. Знания берёт из того, на чём обучалась модель.

Проблема: он не знает ваших цен, условий и ассортимента. Хуже — на вопрос о них он всё равно ответит, потому что генеративная модель отвечает всегда. Ответ будет уверенным и неверным.

Поэтому в чистом виде для коммерческих задач такой бот почти не применяется.

RAG

Retrieval-Augmented Generation — связка поиска и генерации. Перед ответом система ищет релевантные фрагменты в ваших документах и отвечает по ним, а не по памяти модели.

Что это даёт: ответы по вашей базе знаний, ссылка на источник, возможность проверить. Обновили документ — обновились ответы, переобучать ничего не нужно.

Когда нужен: большая база документов, регламенты, техническая документация, каталог с характеристиками. Внутренняя поддержка сотрудников, ответы клиентам по продукту.

Границы: RAG радикально снижает выдумки, но не исключает их полностью. На критичных сценариях ставится обязательное подтверждение человеком.

AI-агент

Отличие от всего перечисленного в том, что агент не только отвечает, а выполняет многошаговую задачу: читает документ, сверяет данные со справочником, принимает решение по правилам, записывает результат в систему и передаёт человеку то, в чём не уверен.

Когда нужен: процесс, где сотрудник тратит время на цепочку однотипных действий. Разбор входящих заявок, первичная квалификация лидов, обработка документов, подготовка коммерческих предложений.

Что важно понимать: агент почти всегда включает RAG внутри себя. Это не альтернатива, а следующий уровень.

Как выбрать

Практическое правило: начинайте с самого простого решения, которое закрывает задачу. Сценарный бот, который работает, полезнее агента, который делает не то.

Сколько это стоит по порядку величин

Разница в цене между сценарным ботом и агентом — примерно в десять раз, и она обоснована объёмом работы. Бот — это настройка. RAG — подготовка базы знаний, векторизация, тестирование качества ответов. Агент — ещё и интеграции с вашими системами, правила принятия решений, обработка исключений.

Отдельная статья бюджета — сопровождение. Любое из этих решений после запуска требует обслуживания: документы меняются, правила смещаются, модель обновляется.

Что дальше

Опишите процесс, который хотите автоматизировать, — скажем, какое решение подойдёт и что оно даст. Если задача решается сценарным ботом, так и скажем.