Как внедрить ИИ-агента в компании: пошаговый гайд для руководителя
8 октября 2026 года Google объявила о запуске единого ИИ-агента в Gemini для корпоративных клиентов: он выполняет задачи: подключается к внутренним системам компании и действует по заданной цели. Для руководителя это сигнал: агенты переходят из экспериментов в рабочий инструмент. Вопрос теперь в том, с какого процесса начать.
План внедрения ниже можно применить в компании любого размера. Он опирается на опыт Google и на то, что работает в российских условиях.
Коротко о главном
- Google запустила агента в Gemini Enterprise: он планирует работу, подключается к Google Workspace, Microsoft 365, Slack, Jira, базам данных и умеет работать с MCP-серверами.
- Агент получает «цели, а не инструкции»: сам выбирает модель (по умолчанию — лучшую под задачу, можно переключить на сторонние, включая Claude) и показывает ход работы в «инбоксе задач».
- У агента есть собственный аккаунт в Workspace — почта и контекст, как у сотрудника; все действия фиксируются в аудите.
- Уже есть первые тестировщики (On, Shopify, PayPal) и крупные корпоративные клиенты (BNP Paribas, Merck, Orange Spain и другие).
- Для российского бизнеса прямой доступ к Gemini Enterprise не гарантирован, поэтому план внедрения стоит строить на комбинации российских и открытых моделей.
Что именно изменилось
Раньше ИИ в бизнесе был «умным собеседником»: сотрудник спрашивал, модель отвечала. Теперь агент берёт задачу целиком. Как объяснил на презентации глава Google Cloud Томас Куриан, агенту можно ставить цели, а не отдельные инструкции: он сам спланирует работу, применит нужные навыки и инструменты и подключится к внутренним системам компании.
Вы формулируете задачу, например «подготовь сводку по сделкам за неделю». Агент сам решает, какие данные запросить, какие файлы открыть, какие шаги выполнить, и отчитывается в интерфейсе, где видно его рассуждения и прогресс. Подключения — к Google Workspace, Microsoft 365, Slack, Jira, Confluence, Git, BigQuery, Databricks, Postgres, Snowflake.
У агента есть собственный аккаунт в Workspace со своей почтой и контекстом. Он знает, кто в компании в какой команде, в каком часовом поясе, кто согласует задачи и что стоит в календарях. Обратиться к нему можно, упомянув его в чате, отправив письмо или добавив в групповой чат. Каждое действие оставляет след в аудите, но приписанный агенту, а не человеку.
Пошаговый план внедрения
Эту последовательность мы рекомендуем руководителям. Она занимает от 4 до 12 недель в зависимости от масштаба.
Шаг 1. Выберите один процесс (1–2 недели)
Не начинайте с задачи «внедрить ИИ везде». Возьмите один повторяющийся процесс с понятным входом и выходом: обработка входящих заявок, ответы на типовые вопросы клиентов, подготовка отчётов, проверка документов. Критерии: процесс повторяется минимум несколько раз в неделю, у него есть человек-владелец, а результат легко проверить.
Шаг 2. Опишите задачу как цель (1 неделя)
Отличие агента от чат-бота в том, что вы формулируете цель, а не сценарий. Вместо «если клиент спрашивает про доставку — ответь так» пишите: «разбери обращение, определи тему, подготовь ответ на основе базы знаний, при необходимости создай задачу в CRM». Чем яснее цель и чем конкретнее критерии готового результата, тем стабильнее работает агент.
Шаг 3. Выберите инструменты (1–2 недели)
Есть три варианта, и выбор зависит от того, насколько чувствительны ваши данные и есть ли у вас ИТ-команда.
| Вариант | Кому подходит | Плюсы | Что учесть |
|---|---|---|---|
| Готовая платформа (Gemini Enterprise и аналоги) | Компаниям с зарубежной инфраструктурой | Быстрый старт, готовые интеграции | Доступность в России не гарантирована |
| Российские модели (GigaChat, YandexGPT, Kandinsky) | Бизнесу с требованиями по 152-ФЗ | Данные внутри страны, поддержка на русском | Меньше готовых коннекторов |
| Открытые модели (DeepSeek, Qwen, Llama) на своих серверах | Компаниям с ИТ-командой и чувствительными данными | Полный контроль, нет платежей за токены | Нужны свои мощности и специалисты |
На практике чаще всего работает комбинация: чувствительные данные обрабатывает модель внутри контура, а массовые задачи — внешний сервис. Подобрать вариант под ваш процесс помогает бесплатная оценка автоматизации.
Шаг 4. Подключите данные и системы (2–4 недели)
Агент полезен настолько, насколько он видит ваши данные. Минимальный набор: база знаний (регламенты, инструкции, прайсы), CRM или учётная система, почта и мессенджер, где приходят задачи. Если работаете с документами, добавьте хранилище счетов, актов и договоров. На этом шаге важно ограничить доступ агента только теми системами, которые нужны для выбранного процесса.
Шаг 5. Запустите в режиме проверки (2–4 недели)
Первые недели агент работает «в тени»: готовит результат, но отправляет его не клиенту, а сотруднику на подтверждение. Так вы увидите реальное качество на своих данных, а не на демо. Смотрите не только на правильность ответов, но и на то, сколько времени сотрудник тратит на проверку. Если больше, чем на ручную работу, процесс выбран неудачно.
Шаг 6. Закрепите ответственных и правила (1 неделя)
Назначьте владельца агента: человека, который отвечает за качество и обновление базы знаний. Зафиксируйте, какие действия агент делает сам, а какие требуют подтверждения. Если агент работает с персональными данными, проверьте соответствие 152-ФЗ: где хранятся данные, кто имеет доступ, как организовано удаление.
Типичные ошибки
- Слишком широкая задача на старте. «Пусть агент отвечает на всё» — верный способ не получить результата ни по одному направлению.
- Нет владельца процесса. Без ответственного база знаний устаревает за месяц, и качество ответов падает.
- Полная автоматизация с первого дня. Отправлять ответы клиентам без проверки на старте рискованно: ошибки видны сразу и стоят дорого.
- Игнорирование безопасности. Агент с доступом к внутренним системам — это новая точка риска. Ограничивайте права и ведите аудит действий.
- Оценка только по скорости. Считайте и стоимость: у платных платформ это токены и подписки, у своих серверов — оборудование и поддержка.
Что это значит для бизнеса в России
Прямого доступа к Gemini Enterprise в России нет, и о планах Google по запуску здесь не сообщалось. Но сам подход (агент с доступом к внутренним системам и собственным аккаунтом) воспроизводится и на других моделях. Российские GigaChat и YandexGPT закрывают задачи на русском языке и позволяют держать данные внутри страны, открытые DeepSeek, Qwen и Llama можно развернуть на своих серверах без внешних зависимостей.
Что можно сделать уже сейчас, не дожидаясь зарубежных платформ:
- В поддержке — чат-боты и виртуальные ассистенты, которые отвечают по базе знаний и передают сложные вопросы людям.
- В продажах — обработка заявок, заполнение CRM, напоминания клиентам: посмотрите автоматизацию отдела продаж.
- В аналитике — регулярные отчёты и сводки по данным без ручного сбора: направление AI для аналитики.
- В документообороте — распознавание счетов, актов, УПД и сверка пакетов документов.
Главный риск связан с данными, а не с технологией. Если база знаний неполная или устаревшая, агент будет уверенно ошибаться. Второй риск — безопасность. Чем больше систем подключено, тем важнее ограничения по правам и журнал действий.
Чек-лист перед стартом
- Выбран один процесс с понятным результатом и владельцем.
- Задача сформулирована как цель, а не как набор сценариев.
- Определён вариант размещения: российская модель, открытая модель на своих серверах или готовая платформа.
- Собрана и вычищена база знаний, назначен ответственный за её обновление.
- Ограничены права доступа агента к системам, настроен аудит действий.
- Проверено соответствие 152-ФЗ, если обрабатываются персональные данные.
- Запланирован период работы «в тени» с проверкой результатов сотрудником.
- Определены метрики: время обработки, доля ошибок, стоимость на одну задачу.
Частые вопросы
Сколько стоит внедрить ИИ-агента в компании
Универсальной цифры нет: она зависит от выбранного варианта и объёма задач. Готовые платформы берут плату за подписки и токены, открытые модели требуют вложений в серверы и специалистов, а стоимость внедрения под ключ считается по конкретному процессу. Google отдельно отметила, что в Gemini Enterprise появятся гибкие опции расходов: маршрутизация между моделями и лимиты трат в реальном времени.
Можно ли использовать Google Gemini в России
О запуске Gemini Enterprise в России компания не сообщала, и рассчитывать на корпоративный доступ не стоит. Для задач на русском языке есть GigaChat и YandexGPT, а открытые модели DeepSeek, Qwen и Llama можно развернуть на собственных серверах — тогда данные не покидают ваш контур.
С чего начать, если в компании нет ИТ-команды
Начните с одного процесса и готового решения под него: например, ассистент для ответов на типовые вопросы клиентов или обработка входящих заявок. Такой проект не требует своей инфраструктуры, а первый результат виден уже через несколько недель.
Заключение
Google строит вокруг агентов корпоративный продукт с подключением к рабочим системам и аудитом действий. Для вашей компании это означает, что начинать можно уже сейчас: с одного процесса, понятной цели и ограниченного доступа к данным. Если хотите обсудить, какой процесс стоит автоматизировать первым и какой вариант размещения подойдёт именно вам, оставьте заявку — разберём задачу и предложим план.
