Курс Google × Kaggle · Основы · октябрь 2026

Что такое ИИ-агент и как он устроен

Модель, инструменты, память и цикл, который их связывает. Как агента объясняют на интенсиве Google × Kaggle «5-Day AI Agents» и что из этого пригодится бизнесу.

Артём Борисов - бизнес-консультант, внедрение AI-сотрудников · октябрь 2026

Коротко

ИИ-агент - это программа на основе языковой модели, которая сама добивается цели: планирует шаги, вызывает инструменты, смотрит на результат и повторяет цикл, пока задача не решена. Чат-бот отвечает и ждёт, агент действует. Ниже - из каких частей агент состоит по версии курса Google × Kaggle, где проходит граница с чат-ботом и с «просто нейросетью», какой бывает память и с какого уровня доверия я бы начинал в бизнесе.

Как устроен ИИ-агент: пять частей

В курсе Google × Kaggle агента описывают как цикл. Получил цель, спланировал, сделал шаг через инструмент, посмотрел, что вышло, пошёл дальше. Авторы называют этот цикл «бьющимся сердцем агента». Метафора пафосная, но точная: остановился цикл - и перед вами обычный чат. Чтобы цикл крутился, нужны пять частей.

Модель

Движок рассуждения, языковая модель вроде Gemini, Claude или GPT. Читает задачу и решает, какой шаг сделать следующим.

Инструменты

Руки агента: поиск, API, база данных, CRM, запуск кода. Без них модель умеет только говорить.

Память

Что уже сделано и что известно о задаче и клиенте. Держит состояние между шагами и между сессиями.

Оркестрация

Код, который крутит цикл: подаёт модели контекст, вызывает инструменты и решает, когда пора остановиться.

Развёртывание

Превращает прототип с ноутбука в сервис, которым пользуются люди и другие системы.

Главная формула курса: агент = модель + обвязка. Обвязка - всё, что вокруг модели: инструкции, инструменты, песочницы, проверки, логи. Меня зацепила цифра из вайтпейпера первого дня. На бенчмарке Terminal Bench 2.0 команда вывела агента из-за пределов топ-30 в топ-5 и модель при этом не трогала, менялась только обвязка. Отсюда вывод авторов: большинство сбоев агента - ошибки в обвязке, а не «глупость» модели. Я бы показывал этот пример каждому, кто при первой же проблеме хочет «поменять модель на умнее».

«Генерация решена. Верификация, суждение и направление - новое ремесло.»
Вайтпейпер «The New SDLC with Vibe Coding», день 1 интенсива Google × Kaggle

Чем ИИ-агент отличается от чат-бота и от нейросети

Путаница понятна: внутри всех трёх сидит одна и та же языковая модель. Разница в том, что построили вокруг неё.

	Нейросеть (модель)	Чат-бот	ИИ-агент
Что делает	Генерирует ответ на запрос	Отвечает в диалоге	Добивается цели за несколько шагов
Инициатива	Нет	Ждёт следующую реплику	Сам крутит цикл до результата
Доступ к системам	Нет	Обычно нет или по сценарию	Через инструменты: CRM, почта, базы, API
Память	Только текущий запрос	История одного диалога	Состояние задачи, знания, процедуры
Результат	Текст	Текст в окне чата	Действие: документ, запись в CRM, отчёт

В глоссарии курса есть формулировка, которую я бы запомнил первой: бот говорит, агент делает. Система отвечает на вопросы по базе знаний? Это чат-бот, даже если очень умный. Система сама сходила в CRM, собрала данные, сформировала документ и положила его в нужную папку? Это агент. Подозреваю, что часть «агентов» на рынке этот тест не пройдёт.

Какая память бывает у ИИ-агента

В вайтпейпере третьего дня «Agent Skills» память делят на три вида. Схема полезна на практике: по ней видно, чего агенту не хватает в конкретном процессе.

Эпизодическая: что было. Прошлые диалоги, сделанные шаги, история работы с клиентом.
Семантическая: факты. Прайс, характеристики товаров, регламенты, справочники.
Процедурная: как делать, шаг за шагом. Её у моделей долго не было, и авторы курса называют навыки (skills) первым рабочим способом её дать. Навык - папка с инструкцией, которую агент подгружает, когда задача совпала.

Дальше тонкость, которую легко пропустить. Навык и память живут по-разному: навык - версионированный источник правды, память - подсказка. Процедура поменялась, а в памяти лежит старая? Агент уверенно сделает по-старому. Отдельный риск - отравление памяти: одна ложная запись портит все следующие сессии. Поэтому проверять приходится и то, что агент делает, и то, что он запоминает.

Уровни ИИ-агентов: от помощника до системы агентов

Единой «шкалы уровней» в курсе нет. Но если сложить материалы вместе, получаются две оси: насколько агенту доверено действовать и насколько сложно он устроен.

Уровень допуска	Что может агент	Как проверяют перед запуском
Read (только чтение)	Ищет, анализирует, отвечает	Модель-судья по рубрике, точность срабатывания около 90%
Draft (черновик)	Готовит документ или письмо, человек подтверждает	Эталонный набор из 20+ кейсов и ручное одобрение
Act (действие)	Сам отправляет, пишет в системы, платит	Атакующее тестирование и стабильный успех на каждом из k прогонов

По устройству агент обычно растёт так. Сначала один агент с инструментами. Потом тот же агент с набором навыков под разные задачи. Потом несколько специализированных агентов, которые делят работу и общаются по протоколу A2A. Третья ступень нужна далеко не каждому бизнесу, подробнее о ней - в статье о мультиагентных системах.

Ещё в курсе есть тест, нужен ли отдельный агент или хватит инструмента: «нужен результат или участник, который берёт на себя ответственность?». Инструмент выполняет одно действие и забывает о нём. Агент ведёт многоходовую работу, уточняет и возвращается к задаче. Вопрос звучит философски, а отвечать на него приходится до первой строчки кода.

Как это выглядит в бизнесе в России

Во внедрениях я пользуюсь той же схемой, только перевожу её на язык должностей. Цифровой сотрудник - это ИИ-агент, оформленный под конкретную роль: у него свои инструменты, своя память и свой регламент. Собственнику так понятнее: он нанимает не «нейросеть», а сотрудника с участком работы. Бизнес-версия этого объяснения - в статье «Что такое цифровой сотрудник».

Электромонтажная компания «ЧенцЭлектро»: пакет документов по проекту агент собирает за 15 минут, раньше на это уходило 2-3 дня. У команды освободилось 35% времени.
Серф-школа «Камчатка Серф»: AI-продавец отвечает клиентам 24/7, а руководитель каждый день получает отчёт о том, как менеджеры работали в CRM.
Телеком-оператор СКТВ: агент раз в неделю мониторит отзывы на 2ГИС и Яндекс Картах. Пропущенного негатива - ноль.

Я бы начинал не с выбора модели, а с процесса. Ищите место, где сотрудник повторяет одни и те же шаги и где ошибка не стоит денег. Такой процесс запускаем на уровне Draft: агент готовит, человек подтверждает. Когда качество держится стабильно, расширяем права. Модель на этом этапе второстепенна, вспомните пример с Terminal Bench. Как пройти этот путь технически, я разобрал в статье «Как создать ИИ-агента».

Вывод

ИИ-агент отличается от чат-бота тем, что сам доводит задачу до результата: ходит в CRM, почту и базы, а не только отвечает. Качество агента определяет обвязка вокруг модели: на Terminal Bench 2.0 одна только обвязка подняла агента из-за пределов топ-30 в топ-5. Поэтому начинать стоит с выбора процесса и уровня доверия, а не самой умной модели. Первого агента разумно запускать на уровне Draft, где человек подтверждает каждый результат.

Что сделать

1Выпишите 5 операций, которые сотрудники каждый день делают руками, и время на каждую.
2Отметьте в этом списке операции, где ошибка не стоит денег: это кандидаты для первого агента на уровне Draft.
3Для одного кандидата перечислите системы, куда агенту нужен доступ (CRM, почта, таблицы), и решите, где хватит режима только чтения.
4Проверьте свои текущие ИИ-инструменты тестом «бот говорит, агент делает»: если система только отвечает и ничего не меняет в CRM или почте, это чат-бот.

Частые вопросы

Что такое ИИ-агент простыми словами?+

Это программа на основе нейросети, которая сама выполняет задачу, а не только отвечает: планирует шаги, обращается к системам компании и проверяет результат. Например, сама собирает данные из CRM и готовит отчёт руководителю.

Чем ИИ-агент отличается от чат-бота?+

Чат-бот отвечает на реплику и ждёт следующую. Агент сам крутит цикл «план, действие, проверка», пока не получит результат, и работает с внешними системами через инструменты. Бот говорит, агент делает.

Из чего состоит ИИ-агент?+

Из пяти частей: языковая модель, инструменты для связи с системами, память, оркестрация, которая крутит цикл, и развёртывание в виде сервиса. По материалам курса Google × Kaggle качество агента больше зависит от обвязки вокруг модели, чем от самой модели.

Какая память бывает у ИИ-агента?+

Эпизодическая хранит, что было в прошлых сессиях. Семантическая хранит факты: прайсы, регламенты, справочники. Процедурная хранит, как делать задачу пошагово, и обычно её оформляют в виде навыков.

Можно ли доверить ИИ-агенту действия без человека?+

Можно, но не сразу. Сначала агент читает и готовит черновики, которые подтверждает человек. Право действовать самому он получает после тестов, где стабильно справляется на каждом прогоне.

Источники

5-Day AI Agents Intensive, Google × Kaggle, июнь 2026
Вайтпейпер «The New SDLC with Vibe Coding» (день 1)
Вайтпейпер «Agent Tools & Interoperability» (день 2)
Вайтпейпер «Agent Skills» (день 3), авторы Tanvi Singhal, Gabriela Hernandez Larios, Debanshu Das, Lavi Nigam, Smitha Kolan

Об авторе. Артём Борисов - бизнес-консультант, внедряет AI-сотрудников в малом и среднем бизнесе: продажи, документы, учёт, мониторинг. Кейсы с цифрами - на главной странице.

Хотите применить это в своей компании?

Опишите процесс, который съедает больше всего ручного времени. Я покажу, как выглядело бы решение на ИИ-агенте и какие метрики оно изменит.

Обсудить в Telegram