Разработка ИИ-агентов: 5 вариантов реализации от no-code до кастома

Разработка ИИ-агентов может стоить от 30 тыс рублей за простой запуск на no-code платформе до нескольких миллионов за кастомную систему с собственной архитектурой. Разница не в «уровне ИИ», а в задаче – один агент отвечает на FAQ, другой работает с CRM-системой, прайсами, API, базой знаний и несколькими каналами.

Разберем 5 подходов – от готового решения с настройкой до полной кастомной разработки. Без рейтинга платформ, рассмотрим только логику выбора.

5 подходов к разработке ИИ-агентов

Готовое решение с настройкой

Это самый простой вариант. Вы берете готовый шаблон ИИ-агента и адаптируете его под свою компанию.

Например, ИИ-консультант, ИИ-продавец, ИИ-квалификатор, ИИ-помощник поддержки, ИИ-администратор для записи, агент для Авито, агент для сайта или мессенджера.

Что обычно нужно настроить:

• название компании;
  
• роль агента;
  
• стиль общения;
  
• базовые ответы;
  
• контактные данные;
  
• канал связи;
  
• правила передачи диалога менеджеру.
  

Подходит, если задача типовая:

• отвечать на частые вопросы;
  
• принимать заявки;
  
• собирать контакты;
  
• передавать обращение менеджеру;
  
• консультировать по простому списку услуг.
  

Плюсы:

• быстрый старт;
  
• низкий порог входа;
  
• не нужна разработка;
  
• можно быстро проверить гипотезу на реальных диалогах.
  

Минусы:

• ограниченная гибкость;
  
• шаблон все равно нужно адаптировать;
  
• сложные сценарии требуют доработки;
  
• качество зависит от базы знаний и промпта.
  

Ориентир по бюджету: от нескольких тысяч рублей в месяц за платформу, если настраиваете сами. Если с помощью специалиста – будет дороже.

На no-code платформе своими силами

Второй вариант – собрать агента самому на no-code платформе.

Разберем на примере NextBot – российской платформы для создания ИИ-агентов без кода. Он собирается через текстовые инструкции. Вы просто текстом описываете задачу, загружаете базу знаний, подключаете нужный канал связи (Telegram, Авито, ВКонтакте, Max, чат на сайте и др.), и агент готов работать с обращениями клиентов.

Что делает пользователь:

• формулирует задачу агента;
  
• пишет промпт;
  
• загружает базу знаний;
  
• подключает канал связи;
  
• настраивает передачу заявок;
  
• тестирует диалоги;
  
• исправляет ошибки после запуска.
  

Этот вариант подходит, если в компании есть человек, который готов разобраться в логике работы агента. Например, маркетолог, руководитель продаж, собственник, операционный менеджер, специалист поддержки.

Плюсы:

• дешевле, чем разработка под ключ;
  
• можно быстро менять логику;
  
• вы сами понимаете, как работает агент;
  
• проще тестировать гипотезы.
  

Минусы:

• нужно время, чтобы разобраться в настройках ИИ-платформы;
  
• ошибки настройки будут на вашей стороне;
  
• сложные интеграции могут упереться в опыт;
  
• без тестирования ИИ-агент может отвечать неточно.
  

Ориентир по бюджету: подписка на платформу, расход диалогов, время сотрудника. На платформе NextBot есть бесплатный пробный период, тарифы Бизнес и Премиум.

No-code через партнера-интегратора

Третий вариант – делегировать сборку на no-code платформе агенту-интегратору Он поможет:

• разобрать бизнес-процесс;
  
• выбрать первый сценарий;
  
• описать роль агента;
  
• написать промпт;
  
• подготовить базу знаний;
  
• настроить каналы;
  
• подключить CRM;
  
• протестировать диалоги;
  
• исправить первые ошибки;
  
• обучить команду пользоваться агентом.
  

Подходит, если:

• нет времени разбираться самостоятельно;
  
• нужно настроить много интеграций;
  
• заявок много;
  
• есть несколько каналов;
  
• нужно подключить таблицы, прайсы, каталог;
  
• цена ошибки выше стоимости внедрения;
  
• нужен результат, а не эксперимент.
  

Пример задачи: «ИИ-агент принимает заявки с Авито, уточняет товар, объем и город, проверяет базу знаний, рассчитывает стоимость по прайсу и по актуальному курсу, может применить индивидуальную скидку от объема, собирает телефон и передает целевой лид в Битрикс24».

Плюсы:

• быстрее выйти на рабочий результат;
  
• меньше ошибок на старте;
  
• интегратор знает ограничения платформы;
  
• можно сразу заложить CRM и базу знаний;
  
• команда получает готовую схему.
  

• дороже самостоятельной настройки;
  
• нужно выбрать компетентного подрядчика;
  
• плохое ТЗ увеличит количество правок;
  
• после запуска все равно нужен ответственный сотрудник внутри компании.
  

Ориентир по бюджету: от 50 тыс рублей за простое внедрение до 150-300 тыс рублей и выше, если много сценариев, каналов и интеграций.

В NextBot есть партнерская программа для интеграторов. Участники учатся реализовывать более сложных И-агентов, получают доступ к закрытому чату партнеров, приоритетной поддержке и продвинутым урокам. Это важно для бизнеса, который хочет искать подрядчика не среди случайных исполнителей, а среди специалистов, знакомых с платформой.

Low-code с частичной кастомизацией

Четвертый вариант – low-code. Это промежуточный подход между no-code и полноценной разработкой.

Вы используете готовую платформу или конструктор, но добавляете собственную логику:

• вебхуки;
  
• Custom API;
  
• Python-скрипты;
  
• нестандартные функции;
  
• связки через Make, n8n или Albato;
  
• обработку данных между системами;
  
• интеграцию с внутренними сервисами.
  

Low-code нужен, когда базовых настроек уже не хватает. Например:

• нужно проверить статус заказа во внутренней системе;
  
• рассчитать цену по сложной формуле;
  
• получить данные из 1С или МойСклад;
  
• создать задачу в CRM по особым правилам;
  
• сверить клиента по базе;
  
• передать данные в несколько систем сразу;
  
• запускать разные сценарии по условиям.
  

Плюсы:

• гибче no-code;
  
• дешевле полной кастомной разработки;
  
• можно использовать готовую платформу как основу;
  
• подходит для сложных бизнес-процессов.
  

Минусы:

• нужны технические специалисты;
  
• больше точек отказа;
  
• сложнее поддерживать;
  
• документация проекта становится обязательной.
  

Ориентир по бюджету: от 150–300 тыс рублей за проект и выше. Много зависит от числа интеграций, качества API и необходимости поддержки.

Полная кастомная разработка

Пятый вариант – разработка ИИ-агента с нуля. Это уже IT-проект, где агент проектируется под конкретную архитектуру компании.

В команде могут участвовать аналитик, архитектор, backend-разработчик, ML-инженер, интегратор, специалист по безопасности, тестировщик, менеджер проекта.

Кастом может включать:

• собственный интерфейс;
  
• отдельную серверную часть;
  
• интеграции с внутренними системами;
  
• настройку прав доступа;
  
• хранение данных в нужном контуре;
  
• выбор моделей;
  
• RAG-поиск;
  
• мониторинг качества;
  
• логирование;
  
• систему тестирования;
  
• управление несколькими агентами.
  

Плюсы:

• максимальная гибкость;
  
• можно учесть сложную архитектуру;
  
• полный контроль над данными и логикой;
  
• подходит для внутренних корпоративных процессов.
  

Минусы:

• высокая стоимость;
  
• долгий запуск;
  
• нужна команда разработки;
  
• дороже поддержка;
  
• сложнее менять логику после запуска.
  

Ориентир по бюджету: от нескольких сотен тысяч рублей до нескольких миллионов. Для крупных компаний и сложных внутренних процессов это может быть оправдано. Для большинства малых и средних бизнесов кастом на старте избыточен.

Как выбрать подход под свою задачу

Ответьте на 6 вопросов, чтобы подобрать оптимальную схему для своего бизнеса.

1. Какую задачу должен закрыть агент?

Если задача простая (FAQ, заявки, запись, первичная консультация) можно начать с готового решения или no-code.

Если задача связана с расчетами, CRM, прайсом и несколькими каналами, лучше обратиться за помощью к интегратору.

Если задача требует внутренней архитектуры, API и нестандартных прав доступа, нужен low-code или кастом.

2. Где будет работать агент?

Проверьте, поддерживает ли ИИ-платформа те каналы связи, куда привыкли писать клиенты, и бизнес-инструменты, которые встроены в ваш рабочий процесс (учетные системы, календари) 

Для продаж в CRM можно смотреть связки с amoCRM и Битрикс24. Если основной канал – объявления, отдельно проверьте сценарии ИИ для Авито.

3. Есть ли база знаний?

ИИ-агенту нужна актуальная информация о компании и продуктах, на основе которой он будет отвечать на вопросы клиентов.

Если у вас есть FAQ, прайсы, регламенты, документы и примеры диалогов, запуск будет быстрее.

Если все хранится в головах менеджеров, сначала нужно собрать и структурировать материалы. Без базы знаний агент будет отвечать общими фразами или выдумывать.

4. Нужна ли интеграция с CRM?

Если агент только отвечает на вопросы, CRM можно подключить позже. Если задача – продажи, интеграцию с учетной системой лучше планировать сразу.

Выпишите, что должен делать ИИ-агент в CRM:

• передавать структурированную заявку;
  
• заполнять поля;
  
• перемещать карточку по этапам воронки и т.д.
  

5. Кто будет поддерживать агента после запуска?

ИИ-агент не работает по принципу «настроили и забыли». Периодически нужно:

• смотреть диалоги;
  
• актуализировать базу знаний;
  
• исправлять промпт;
  
• обновлять цены;
  
• проверять ошибки;
  
• менять сценарии;
  
• следить за расходами.
  

Если внутри компании нет ответственного сотрудника, лучше запускаться через интегратора с поддержкой.

6. Какой риск ошибки?

Если агент отвечает на FAQ, риск ниже. Если он консультирует по медицине, финансам, праву, дорогим B2B-сделкам или нестандартным расчетам, нужны строгие ограничения и правила передачи диалога человеку.

Чем выше риск, тем больше внимания к ТЗ, тестированию и контролю.

В NextBot можно собрать и протестировать такого агента бесплатно – каждый новый пользователь получает 7 дней тестового доступа.

Три случая, когда кастом действительно нужен

1. У компании закрытый контур данных

Если данные нельзя передавать во внешние сервисы, готовая платформа, скорее всего, не подойдет.

Кастом нужен, если:

• строгие требования к инфраструктуре;
  
• внутренняя политика безопасности;
  
• чувствительные клиентские данные;
  
• собственный контур хранения;
  

отдельные требования к доступам и логам.

В таком проекте нужно заранее проектировать архитектуру, права, хранение данных и аудит действий агента.

2. Процесс нельзя описать стандартными сценариями

Кастом оправдан, если агент должен работать в сложной логике. Например:

• анализировать несколько внутренних баз;
  
• принимать решения по нестандартным правилам;
  
• запускать цепочки действий в разных системах;
  
• учитывать роли сотрудников;
  
• работать с большим количеством исключений;
  
• управлять несколькими агентами внутри процесса.
  

Если задачу можно решить промптом, базой знаний, таблицей и CRM, кастом может быть лишним.

3. ИИ-агент становится частью продукта

Если вы создаете не внутреннего помощника, а ИИ-функцию внутри своего SaaS, приложения или платформы, кастом может быть логичным.

Например:

• ИИ-помощник внутри личного кабинета;
  
• агент для пользователей вашего продукта;
  
• встроенный анализ документов;
  
• генератор отчетов в SaaS;
  
• AI-функция как часть платного тарифа.
  

Здесь важны не только ответы агента, но и UX, права доступа, биллинг, масштабирование, поддержка и интеграция с продуктовой архитектурой.

Ошибки при выборе подхода

Ошибка 1. Начинать с кастома без проверки гипотезы

Кастомная разработка на старте часто не нужна. Сначала проверьте:

• есть ли стабильный высокий поток обращений;
  
• какую задачу агент реально закрывает;
  
• какие вопросы задают клиенты;
  
• окупается ли сценарий;
  
• готова ли база знаний.
  

После запуска сценария на no-code вы сможете уже на конкретных данных решить, нужна ли кастомная разработка.

Ошибка 2. Экономить на проектировании

Даже no-code агенту нужна логика. Без проектирования он будет отвечать, но не вести к результату.

Опишите:

• цель;
  
• сценарий;
  
• вопросы;
  
• какие данные нужно уточнить у клиента;
  
• базу знаний;
  
• ограничения;
  
• передачу человеку;
  
• метрики.

Ошибка 3. Пытаться автоматизировать все сразу

Первый агент должен решать одну задачу. Например:

• принимать заявки;
  
• отвечать на FAQ;
  
• квалифицировать лидов;
  
• записывать на консультацию.
  

Когда сценарий работает, можно добавлять новые функции.

Ошибка 4. Не учитывать, что ИИ-агент требует контроля

Первое время после запуска будут правки. Нужно обновлять базу знаний, менять промпт, смотреть диалоги и исправлять ошибки. Если это не заложить, ИИ-агент будет давать клиентам неактуальную информацию, ошибаться или выдумывать.

Ошибка 5. Выбирать подрядчика по цене

Дешевый исполнитель может собрать диалог, но не спроектировать бизнес-процесс. Проверяйте, спрашивает ли подрядчик про воронку, CRM, реальные переписки, типовые ошибки, метрики, правила передачи разговора менеджеру, поддержку после запуска.

Читайте также: «Разработка ИИ для бизнеса под ключ: сколько стоит и что входит».

Проверьте, какие результаты покажет ИИ в вашем бизнесе

Проверьте, как ИИ-агент может усилить ваш бизнес. В NextBot у вас будет 7 дней бесплатного доступа – этого хватит, чтобы собрать первого ИИ-агента, протестировать один сценарий и понять, нужен ли вам no-code, интегратор или кастомная разработка. Регистрация по ссылке. 

FAQ