У нас сейчас модно всё подряд пихать в один промпт и ждать чуда. Но мультиагентка — это не про «попросил ChatGPT — он всё сделал». Это про архитектуру.
Есть два подхода, которые уже обкатываются на практике:
Оркестратор + исполнители (как у OpenAI Frontier)
Вы берете одного главного агента (оркестратора), который разбивает задачу на куски и раздает их субагентам. Те параллельно делают свою работу и отчитываются. Человек в этой схеме — координатор, который смотрит, не накосячили ли подчиненные.
Ролевая модель (как у Anthropic в Claude Code)
Тут агентам сразу выдают роли. Один пишет код, другой тестирует, третий документацию собирает. Они могут спорить и перепроверять друг друга. Баги, кстати, вылавливаются быстрее, чем если бы один разработчик сидел и чесал репу.
Для digital-агентства первый вариант заходит чаще. Потому что у вас там и копирайтинг, и SEO, и контекст, и дизайн иногда. Один оркестратор, который понимает все процессы — это удобно.
Руководство для тех, кто хочет не просто экспериментировать, а реально сэкономить. В основе — опыт коллег, которые уже сталкивались с этой темой и смогли извлечь из неё выгоду.
Шаг 1. Найти процессы, где ИИ не навредит
Обратите внимание: пока не стоит поручать креативную стратегию и нейминг агентам. Они не всегда справляются с этими задачами качественно, и в результате мы получаем набор шаблонных решений. В тех сферах, где необходим творческий подход, человек пока остаётся лучшим выбором.
А вот что реально отдать:
- Парсинг брифа и составление ТЗ (один агент читает, второй структурирует).
- Написание SEO-статей по готовому шаблону (главное — потом редактору на вычитку).
- Подготовку отчетности в Excel/Google Sheets (агент лазает по метрикам и тащит цифры).
- Модерацию комментариев и отзывов (тут ИИ вообще зверь).
Один парень из чатиков рассказывал: отдал агентам подготовку 50 карточек товаров для интернет-магазина. Вместо трех часов ручного копипаста — 20 минут на проверку.
Шаг 2. Выбрать инфраструктуру (чтобы не изобретать велосипед)
Вариантов, по сути, три:
Самописный вариант (если у вас есть свой сеньор и время) — берете LangGraph или AutoGen, пилите свою оркестрацию. Дает гибкость, но жрет время. Подходит, если у вас нестандартные задачи.
Готовые платформы — OpenAI Frontier (она же «ИИ-сотрудники» с правами доступа) или Anthropic Claude Code (если много кода). Прикручиваются к вашему CRM или базе через API.
Костыльный вариант — обернуть обычный API вызовами к разным промптам. Дешево, но больно поддерживать.
Для агентства с 10-20 человеками я бы смотрел в сторону Frontier. Там уже есть управление доступом — кому какой агент подчиняется. Удобно, когда в CRM лежат данные клиентов и нельзя, чтобы туда лазил кто попало.
Шаг 3. Научить агентов работать с вашими инструментами
Это самое больное место. ИИ-агент, который не подключен к вашей базе или CRM, — просто болтун. В AWS Bedrock, кстати, недавно появились готовые рецепты для интеграций. OpenAI выкатили целую Cookbook для Bedrock, где расписано, как затащить их модели внутрь AWS-инфраструктуры.
Что нужно дать агентам:
- Доступ к Notion или Confluence (чтобы читали документацию).
- API к вашей CRM (чтобы смотреть статусы задач).
- Доступ к Google Analytics или аналогичным метрикам (для отчетов).
- Систему тикетов (если речь о поддержке).
Без этих связок агент будет работать как стажер, которому не дали пароль от компа. Бесполезно.
Шаг 4. Настроить контроль (чтобы агенты не начудили)
И вот тут важный момент, который подсветили в своих обзорах на Ars Technica: агенты пока что не работают как полноценные автономные коллеги. Они больше похожи на сверхбыстрых стажеров, которые могут наваять крутой черновик, но постоянная проверка нужна.
Без человека-координатора никуда. Причем человек должен быть в курсе, что делают агенты, и иметь возможность вмешаться в любой момент.
Что реально работает:
- Чекпоинты на сложных этапах (агент делает, человек подтверждает).
- Автоматические тесты результата (агент написал — тест запустился — ошибки подсветились).
- Лимит на количество итераций (чтобы агент не ушел в бесконечный цикл).
Шаг 5. Считать деньги (окупаемость и подводные камни)
Если вы думаете, что купили подписку за $200 в месяц и всё само поперло — вы ошибаетесь.
Основные затраты:
- API-токены на каждый запрос (если крутите LLM через провайдера).
- Время на написание и отладку промптов.
- Время на проверку результата живым человеком.
- Интеграция с вашими базами и сервисами.
Но экономия тоже есть:
- Один менеджер контролирует 3-4 агента, которые делают работу 5-6 джуниоров.
- Отчеты формируются за минуты вместо часов.
- Мелкие задачи не отвлекают сеньоров от реально сложных кейсов.
В одном агентстве посчитали: на подготовке еженедельных отчетов для 10 клиентов экономится 8 человеко-часов. Если ваш специалист стоит 1000 рублей в час — это 8000 в неделю, больше 30 тысяч в месяц. При цене API-запросов в 10-20 тысяч — чистая экономия.
1. Переоценка возможностей. Агент не понимает контекст так, как человек. Он может выдать уверенный ответ, который по факту — чушь. Проверяйте, особенно если речь о цифрах или юридических нюансах.
2. Забыли про права доступа. Если агента подключили к CRM, он теоретически может начать менять там что попало. Настройте read-only где надо.
3. Отсутствие мониторинга. Агент может выполнить задачу, но выбрать неоптимальный путь. Например, дернуть тяжелую модель вместо легкой, потратив в 10 раз больше денег.
4. Забили на промпт-инжиниринг. Промпты для агента — это почти код. Их надо версионировать, тестировать, оптимизировать. Иначе результат будет плавать от раза к разу.
5. Полное доверие. Самый опасный пункт. Коллеги из США уже делают симуляции с тысячами ИИ-агентов, которые обсуждают политику и даже пытаются создавать религии. Алгоритмы воспроизводят коллективные модели поведения, но объяснить их логику сложно. Представьте, что ваш агент по планированию бюджета вдруг начнет «действовать по наитию». Весело? Нет.
Если вы digital-агентство и у вас есть повторяющиеся задачи с четкой структурой — берите. Не на всю компанию сразу, а на один процесс. Например, на подготовку отчетов или модерацию. Посчитайте экономию за месяц. Если вышли в плюс — масштабируйте.
Если вы маленькая студия на три человека и заказы штучные — пока не надо. Возни с интеграцией будет больше, чем выигрыша.
Главное — помните, что сейчас ИИ-агенты — это не замена людям. Это инструмент, который позволяет одному человеку делать работу троих. Как экскаватор вместо лопаты. Лопату выкидывать рано, но копать яму экскаватором быстрее.