Цифровые сотрудники. Как проектировать AI-агентов с правом на локальные решения

Глава 6. Автономный контур. Как AI-агенты берут на себя часть решений и разработки

К этому моменту мы много раз касались AI с разных сторон. В первых главах он помогал исследовать аудиторию и собирать смыслы, в контенте ускорял производство, в трафике усиливал креативный цикл. А в пятой главе стал слоем, который помогает воронке вести живой разговор.

Но всё это было подготовкой.

До сих пор AI в нашей логике в основном усиливал существующую архитектуру. Помогал быстрее думать, писать, анализировать и отвечать. Но жил внутри старой модели.

Сейчас я всё чаще вижу, что меняется сама рамка работы. AI перестаёт быть только помощником и становится операционной единицей. Он удерживает контекст задачи, работает внутри роли, опирается на память, пользуется инструментами, принимает локальные решения и доводит работу до результата. Это форма цифрового сотрудника, пока ограниченная, но уже рабочая. «Умным чатом» её уже не назовёшь.

И здесь начинается психологический разлом, технический лишь его оболочка. Меняется сама единица интеллектуального производства.

Раньше почти любая сложная задача проходила через один и тот же человеческий конвейер: придумать, описать, передать, дождаться, перепроверить, вернуть на правки, снова объяснить, снова ждать. Любая новая идея упиралась в чьё-то внимание, занятость, дисциплину и глубину понимания. Бизнес рос ровно с той скоростью, с какой могли договориться люди.

Между намерением и реализацией появился новый слой. Если у тебя собраны контекст, память проекта, правила качества и набор агентных ролей, заметная часть интеллектуальной работы идёт по другой логике: быстрее, непрерывнее и с куда меньшей инерцией. Человека это не отменяет. Но его старая монополия на исполнение интеллектуальных задач действительно уходит.

Для меня это стало внутренним фактом, спорить о будущем здесь не о чем. В какой-то момент я понял, что по-старому работать уже не могу. Люди нужны по-прежнему. Но конструкция классического агентства начала выглядеть слишком тяжёлой для новой реальности. Когда рядом с тобой может работать целый контур цифровых исполнителей в общем контексте вместо одного подрядчика на функцию, по-другому смотришь на скорость, стоимость, качество и архитектуру бизнеса. Поэтому старую модель я в итоге закрыл, а долю передал партнёру: эпоха сменилась.

Об этом и пойдёт речь в главе. О цифровых сотрудниках, об агентной логике и о том, как человек из исполнителя постепенно становится Архитектором автономного контура. «Нейросети вообще» и приёмы ускорения рутины остались в прошлых главах.

---

Когда рынок говорит об AI, он чаще всего всё ещё имеет в виду чат: окно переписки, поле ввода, запрос, ответ, ещё запрос и ещё ответ. Режим полезный, но по природе ограниченный.

Чат живёт разовым действием. Ты пришёл с задачей, сформулировал её, получил ответ, поправил результат и ушёл. Даже очень сильную модель сам интерфейс держит в роли консультанта. Она отвечает, и всё. Может предложить ход, но редко сама проходит весь контур действия.

AI-агент устроен иначе. Это искусственный исполнитель, помещённый в конкретную роль. У него есть рабочая память, доступ к контексту, набор инструментов, рамки поведения и право совершать ограниченные действия в своей зоне ответственности. Умение разговаривать здесь только начало.

Если коротко, чат это интеллект без постоянной должности. Агент это интеллект, которому выдали должность, контекст, инструкции, среду и право на следующий шаг.

Поэтому в книге мы называем их цифровыми сотрудниками, без «волшебного ИИ». С человеком они не идентичны, но у них появляется функциональная роль в системе. Один собирает архитектуру проекта, другой превращает её в тексты и смыслы, третий развивает визуальное направление, четвёртый редактирует, сверяет и чистит результат, пятый пишет код, шестой объясняет человеку, что ещё нужно сделать руками. По отдельности это набор удобных утилит. Но когда они работают в общем контексте, появляется новая форма производственной среды.

Почему это меняет саму природу бизнеса

Чтобы понять силу агентной модели, вернёмся на минуту к тому, как работает человеческий мозг.

Бесконечного внимания у мозга нет, он всё время экономит ресурс. С точки зрения предиктивного кодирования, он непрерывно сжимает сложность мира в удобные внутренние модели, чтобы не обрабатывать всё заново. Поэтому нам так тяжело держать в голове много проектов, десятки контекстов и сотни деталей сразу. Рабочая память быстро перегружается, внимание распадается, решения начинают приниматься по упрощённым правилам, растёт цена переключения, а усталость и шум в голове копятся быстрее, чем кажется изнутри.

На практике это значит простую вещь. Даже сильный человек быстро становится бутылочным горлышком собственной системы. Особенно когда он одновременно стратег, редактор, креатор, аналитик, менеджер и постановщик задач.

AI-агенты это ограничение не отменяют, но позволяют вынести заметную часть нагрузки во внешний слой. Ты строишь внешний контур мышления вместе с бизнес-процессами. Он держит контекст, продолжает работу между сессиями, не устаёт от повторений и не теряет нить проекта после двадцатого переключения.

Неслучайно мы так много говорили в книге о внешней памяти, архитектуре и системности. Это была подготовка к агентам. Агент хорошо работает там, где уже есть внятная среда для мышления и действия. Одного наличия нейросети для этого мало.

Почему чат с ИИ ещё не агентная система

Здесь рынок обманывается. Кажется, что если пользуешься ChatGPT, Claude или другим сильным интерфейсом, значит, уже работаешь с агентами. Чаще всего это не так.

Разовый чат полезен для идей, черновиков, быстрых разборов, объяснений и точечной помощи. Но у него обычно нет четырёх свойств, без которых цифровой сотрудник не появляется.

Во-первых, у него нет постоянной памяти проекта. Он видит только то, что ты успел объяснить в текущем окне.

Во-вторых, у него нет полноценной среды исполнения. Он может предложить решение, но не всегда имеет доступ к файлам, инструментам, папкам, сервисам, истории задач и результатам прошлых действий.

В-третьих, у него нет закреплённой роли с понятной зоной ответственности. Сегодня ты просишь его быть стратегом, через минуту дизайнером, потом аналитиком, потом редактором. Получается способный, но бесформенный интеллект без стабильной профессиональной позиции.

В-четвёртых, у него часто нет права на действие. Подсказать он может, а сделать следующий рабочий ход сам нет: собрать структуру, сверить материалы, передать результат дальше, проверить качество, закрыть локальный цикл.

Поэтому разница между чатом и агентом в архитектуре, уровень «ума» здесь вторичен. Агентность это память, роль, инструменты, границы, маршруты и делегированное действие. Интерфейс тут вторичен.

Obsidian как внешний контур памяти

Здесь становится понятна роль Obsidian. Для большинства это программа для заметок. Для Архитектора это внешняя кора проекта, сверхмозг, где хранится карта смыслов, правил, решений, связей, терминов, гипотез, версий и накопленного контекста.

Раньше она помогала человеку. Она разгружала голову и помогала не терять нити. В агентную эпоху её значение выросло в разы, потому что теперь эта среда нужна и цифровой команде. Она становится общей операционной памятью.

Агент, подключённый к хаосу, усиливает хаос. Агент, подключённый к аккуратно собранному сверхмозгу, получает систему ориентиров. Он понимает, в каком проекте находится, какие решения уже приняты, какой язык допустим, какие смыслы составляют ядро, какие версии уже отвергали, куда ведёт маршрут и где проходят границы.

Иначе говоря, Obsidian здесь работает как среда согласованности, склад файлов из него не делают. Он уменьшает беспорядок в проекте, и это главное условие, при котором агентам можно постепенно доверять больше права на действие.

Что на самом деле означает право принимать решения

Впервые эта формулировка звучит почти пугающе. Кажется, речь о полном снятии контроля и передаче бизнеса машине. Но в реальной архитектуре всё тоньше.

Это право не берётся из воздуха. Оно всегда держится на четырёх опорах: глубине контекста, ясности роли, строгости границ и цене ошибки.

Если цена ошибки низкая, а контекст хорошо собран, агенту можно доверить локальный выбор. Как выстроить страницу, как разложить интервью на смысловые блоки, какой порядок модулей лучше держит логику, где текст перегружен, а где интерфейс теряет ритм. Если цена ошибки выше, агент всё равно делает заметную часть работы, но последнее слово остаётся за человеком.

Агентное решение это «внутри этих границ ты вправе действовать без постоянного ручного подтверждения». Разрешения «делай что хочешь» в нём нет. Так и строятся цифровые сотрудники: через дозированное делегирование, слепая автономия здесь не работает.

Так же строится сильная команда людей. Ты не контролируешь каждое движение зрелого специалиста. Ты задаёшь рамку, критерии качества, контекст и точку, где он должен прийти к тебе, и дальше он сам принимает десятки локальных решений, не дёргая тебя каждую минуту. С агентами тот же принцип, только их можно запускать быстрее, дешевле и сразу в нескольких ролях параллельно.

Новая роль человека. Дирижёр и Архитектор

Человек не исчезает. Его функция меняется радикально.

Старый подход делал владельца главным носителем контекста, главным постановщиком, главным редактором, главным сборщиком и постоянным мостом между идеей и исполнением. Это выматывало и физически, и глубже. Всё держалось на твоей способности каждый день заново собирать проект у себя в голове.

Новая модель поднимает человека выше. Делать всё лично больше не нужно. Твоя работа в том, чтобы собирать систему ролей, держать цель, задавать критерии, сверять направление и принимать решения там, где нужна ответственность высшего уровня.

В старой модели ты был сразу отделом маркетинга, креатива, редактуры, продакшена и контроля качества. В новой ты руководишь средой, где эти функции распределены между агентами.

Это и есть переход от ручного интеллекта к автономному контуру. Машина не стала «лучше человека». Впервые появился практический способ собрать многоролевую интеллектуальную систему вокруг одного ядра замысла.

Досье Архитектора. Как сайт GAZE собирала команда AI-агентов

Дано

Нужно было упаковать и собрать сайт GAZE для проекта в бьюти-сфере. Пары абзацев здесь было мало. Нужно было пройти весь контур: определить архитектуру сайта, собрать смысловой каркас, найти визуальную интонацию, продумать ритм блоков, превратить всё это в аккуратный интерфейс, а потом в работающий код и понятный список технических действий, которые ещё нужно сделать вручную.

В старой модели под такую задачу пришлось бы собирать мини-команду: стратега, копирайтера, дизайнера, арт-директора, редактора, разработчика и технического специалиста по внедрению. Дальше началась бы знакомая цепочка: постановка, ожидание, работа вразнобой, потеря контекста, повторные объяснения, правки и постоянная ручная синхронизация между ролями.

Решение

Вместо этого проект вёлся как агентная среда в общем контексте. В одном проектном ядре собрали полный контур задачи: позиционирование, целевую аудиторию, характер бренда, структуру страниц, ограничения, эстетику, ключевые смыслы и критерии качества. Поверх этого контекста работала команда специализированных цифровых сотрудников, одной универсальной «нейросети на всё» не было.

Один агент держал архитектуру. Он раскладывал страницу по логическим модулям и следил, чтобы структура не рассыпалась. Второй занимался текстами и смысловой упаковкой, превращал позиционирование в ясные и точные формулировки без инфоцыганских обещаний. Третий отвечал за дизайн, визуальное направление и анимацию, то есть собирал ощущение интерфейса целиком, картинка была лишь его частью. Четвёртый работал редактором: вычитывал, убирал шум, проверял цельность тона и стыковал части между собой. Пятый писал код и превращал концепцию в реальный сайт. Шестой объяснял технические моменты, которые всё ещё имело смысл сделать руками, чтобы не потерять качество на финальной сборке.

Сам я всё по очереди не делал. Я руководил агентным отделом: задавал контекст, определял критерии, направлял работу, решал развилки и следил, чтобы все роли оставались внутри одной проектной истины. В этом ключевой момент. Эффект дала целая команда агентов, работавшая в общем контексте над одной задачей. Одна нейросеть, которая «помогла написать текст», такого результата не даёт.

Результат

Проект собрали как единую систему. Архитектура, смыслы, визуальный язык, редактура и код развивались как части одного процесса, разрозненных кусков от разных исполнителей здесь не было. Путь от идеи до реализации резко сократился, и на практике стало видно, что агентная модель уже способна брать заметную часть интеллектуального производства, если у неё есть контекст, роли и управленческое ядро.

Поэтому я и говорю, что мы вошли в эпоху цифровых сотрудников, удобные нейросети были лишь первым шагом. Следующий уровень разговора о том, как строить вокруг себя инфраструктуру, где замысел превращается в продукт через естественный язык, контекст и агентные роли. Попросить AI что-то подсказать уже недостаточно.

В следующей подглаве разберём это на уровне разработки. Поговорим о том, как меняется создание цифровых продуктов, когда между идеей и кодом больше не обязательно стоит классическая команда программистов. Там я подробнее покажу, как собирается IT-инфраструктура на естественном языке и почему живое программирование с агентами становится новой нормой.