Почему ИИ-агент не заменит менеджера по продажам — но уже снимает 80% рутины
Про ИИ-агентов пишут так, будто достаточно нажать кнопку — и он сам квалифицирует лиды, отвечает клиентам, анализирует рынок. На демо всё выглядит магией. В проде между «агент послушал звонок» и «в CRM появилась правильная задача» лежит десяток слоёв, и каждый тихо ломается. Я изучил свежие кейсы — от агента для продаж до Deep Research Max от Google — и понял: автономность агента это миф, но ассистент уровня мидла уже реальность.
Агент для продаж: архитектура вместо магии
В апреле 2026 на Хабре разобрали техническую кухню ИИ-агента для отдела продаж. Вывод жёсткий: полностью автономный SDR, который сам ведёт сделку, пока миф. Реально работает агент-ассистент — снимает рутину вроде расшифровки звонков, черновиков писем, обновления карточек в CRM, квалификации входящих. Решение остаётся за человеком.
Под капотом не одна модель, а конвейер: транскрипция звонка, извлечение фактов, проверка на галлюцинации, интеграция с CRM, генерация задач. Всё на очередях — BullMQ поверх Redis — потому что синхронный запрос положит сервер при первом же длинном звонке. Мерить такого агента надо не «дилами за месяц», а стоимостью квалифицированной встречи на горизонте 90 дней. По этой метрике сразу видно: агент приносит деньги или просто шумит.
Главный вывод авторов: половина работы приходится не на модель, а на обвязку вокруг неё — валидацию, ретраи, форматирование, проверку источников. Без этого агент выдаёт красивый текст, но бизнес-логика рушится.
Deep Research Max: от 66% до 93% за четыре месяца
21 апреля 2026 Google запустил Deep Research и Deep Research Max — автономных исследовательских агентов на базе Gemini 3.1 Pro. Это не косметический апдейт декабрьской версии, а скачок в другую категорию. Deep Research Max поднялся с 66,1% до 93,3% на бенчмарке DeepSearchQA и с 46,4% до 54,6% на Humanity's Last Exam.
Как это работает: вы задаёте сложный вопрос, агент планирует исследование, ищет в сети, читает ваши приватные документы, рассуждает, синтезирует, цитирует источники и выдаёт полный отчёт с графиками. Всё одним вызовом API. Графики генерирует встроенная модель Nano Banana. Поддерживает MCP — протокол для подключения внешних инструментов. Партнёрства с FactSet, S&P Global, PitchBook означают доступ к финансовым данным из коробки.
Но и здесь нет полной автономии. Агент не принимает решений — он готовит аналитику. Проверять факты, оценивать релевантность источников, делать выводы всё равно приходится человеку. Зато он снимает 80–90% времени на сбор и первичную обработку информации.
Где агенты уже работают без костылей
Техподдержка и автоответы. Агент анализирует запрос, учитывает контекст диалога, даёт конкретную инструкцию. Может проверить статус платежа, найти ошибку, предложить решение. Если ситуация нестандартная — переключает на менеджера. По данным Sostav, такие агенты уже работают в ритейле и финтехе.
Обработка документов. Агент извлекает данные из PDF, таблиц, писем, сверяет с базой, заполняет CRM. Задача рутинная, но объёмная — именно здесь автоматизация окупается быстрее всего.
Кодинг-ассистенты вроде Claude Code. Агент работает не в чате, а прямо в редакторе или терминале. Умеет править код, разбираться в чужих проектах на GitHub, вносить точечные изменения. Новичкам проще работать через веб-версию, подключив аккаунт GitHub. Для продвинутых есть CLI.
Где граница автономии
Все кейсы сходятся в одном: агент хорош в рамках заданного коридора. Ему нужны границы — исходник, структура, формат результата, ограничения на правки. Без этого он начинает чудить, ошибаться, упускать детали. Лучше разбивать работу на небольшие шаги и контролировать результат на каждом — вручную или другой моделью.
Ещё один урок: правильный формат оказывается важнее самой умной модели. Если агент выдаёт результат в неудобном виде, вы потратите на правку столько же времени, сколько сэкономили на автоматизации.
Автономный агент, который сам принимает решения и ведёт сделки, пока фантастика. Но агент-ассистент, который снимает рутину уровня мидла и работает под контролем, уже реальность. Если вам нужно расшифровать звонки, собрать аналитику по рынку, ответить на типовые вопросы клиентов или разобраться в чужом коде — попробуйте агентов в GEMERA AI. Доступ к Gemini, GPT и Claude через Telegram-бот или веб-кабинет, без привязки к одной экосистеме.