ИИ-платформа:
как собрать агентов в единую систему
Зоопарк решений, четыре слоя ИИ-платформы, среда исполнения агента и признаки зрелости
Первого ИИ-агента можно собрать как отдельное решение. Со вторым возникает новый вопрос: как согласовать их данные, доступы и работу? Если каждый агент устроен по-своему, компания быстро получает зоопарк решений. Разберём, чем ИИ-платформа отличается от отдельного приложения, из каких четырёх слоёв её удобно собрать, зачем агенту нужна среда исполнения и какие пять компонентов помогают управлять всей системой.
Зоопарк решений
Пока агент один, его проще поддерживать отдельно. Со вторым уже приходится согласовывать их работу.
Сначала компания делает помощника для руководителя, потом агента для продаж, затем — для кадровой службы и финансов. Каждый решает свою задачу.
Если каждый агент развивается отдельно, компания быстро получает зоопарк решений — у каждого агента свои доступы, интеграции, данные, память, настройки и даже своя картина происходящего. Один и тот же клиент для агента продаж и агента финансов может выглядеть по-разному: каждый собирает сведения о нём из своих источников.
Чтобы решить эту проблему, нужно различать ИИ-приложение и ИИ-платформу.
Приложение и платформа
Приложение решает конкретную задачу. Платформа создаёт общую среду для множества приложений, процессов и агентов.
Помощник руководителя или агент для продаж — отдельные приложения. Платформа даёт им общую основу для работы.
Решает конкретную задачу и использует необходимые для неё данные и инструменты.
Если общей основы нет, доступы, интеграции, данные и память настраивают для каждого приложения отдельно.
На ней работают агенты руководителя, продаж, кадровой службы и финансов.
Общие источники данных, интеграции, управление доступами, мониторинг, стандарты и готовые компоненты можно использовать в разных приложениях.
Платформа ускоряет масштабирование. Если для каждого агента заново строить авторизацию и подключение к системам, стоимость растёт вместе с их количеством. На платформе новый агент использует готовую инфраструктуру. Остаётся настроить его задачу, права, инструменты и проверки.
Поэтому по мере роста числа ИИ-агентов всё важнее становится платформенное мышление: каждый следующий агент использует общую среду и готовые компоненты.
Четыре слоя ИИ-платформы
Если агент работает плохо, причина может быть в данных, интеграциях или инфраструктуре.
Почему один и тот же ИИ-агент в одной компании полезен, а в другой почти не помогает? Его логика может быть одинаковой, но данные, доступы и системы, с которыми он работает, различаются.
Для объяснения ИИ-платформу удобно разделить на четыре слоя. Это схема, а не обязательный стандарт архитектуры. Инфраструктура — первый слой: вычисления, сеть, хранилища и безопасность. Сервисный слой — второй: API, интеграции, доступы и мониторинг. Данные — третий: документы, история операций, состояние процессов, знания и память. На верхнем уровне — ИИ с моделями, агентами и алгоритмами принятия решений. Безопасность и наблюдаемость при этом затрагивают всю систему, а не только один слой.
Сильная модель не заменяет остальную систему
Мощная модель ещё не означает, что ИИ-система готова.
Ошибка — выбрать мощную модель и на этом остановиться. Без нужных данных она не знает особенностей бизнеса. Без инструментов и интеграций её ответы не превращаются в действия в системах компании. Если права не ограничены, агент может изменить то, что ему менять нельзя. А без журналов выполнения трудно понять, где произошла ошибка.
Можно поставить отличный двигатель в автомобиль без нормальных колёс, тормозов и руля — хорошей машиной он от этого не станет. С ИИ так же: качество системы зависит не только от модели, но и от инфраструктуры, сервисов и данных.
Что такое среда исполнения
Агент может хорошо работать на демонстрации и давать сбои в повседневной работе. Одна из возможных причин — среда исполнения не рассчитана на реальные условия.
Один вызов модели устроен просто: передали запрос — получили ответ. Реальный агент работает иначе. Он может несколько раз вызвать модель, обратиться к внешнему сервису, сохранить результат, дождаться события и продолжить работу через часы или дни.
За такую работу отвечает среда исполнения — она передаёт данные между шагами, хранит состояние, вызывает инструменты, подключается к системам с разрешёнными правами и обрабатывает сбои.
От демонстрации к рабочей системе
Модель решает, что делать, а среда исполнения превращает решение в контролируемый процесс.
Например, агент отправил договор на согласование, а ответ придёт только завтра. Значит, процесс нужно остановить, сохранить его состояние и, когда ответ появится, продолжить с нужного места. Если во время ожидания сервер перезапустится, состояние должно сохраниться в постоянном хранилище. При повторном запуске важно не отправить договор ещё раз: система должна учитывать уже выполненные действия.
состояние процесса сохраняет среда исполнения
Состояние сохраняется, ход выполнения виден, а на случай сбоев предусмотрен понятный порядок действий. Так демонстрационный сценарий становится системой, на которую можно опираться в работе.
Зрелость — это управляемость
Зрелость ИИ-платформы определяется не количеством агентов, а тем, насколько всей системой можно управлять.
Можно создать сто агентов и получить сто новых источников проблем. Разберём пять компонентов, которые помогают управлять платформой.
Во-первых, нужны согласованные данные и контекст: агенты должны получать актуальные сведения из доверенных источников. При этом каждому доступны только те данные, которые нужны для его роли. Во-вторых, нужно централизованно управлять доступами так, чтобы каждый агент видел и изменял только то, что требуется его роли.
Третий элемент — наблюдаемость — отвечает на вопрос, что происходило во время запуска: какие данные агент получил, какую модель и какие инструменты использовал, что вернули внешние системы и чем запуск закончился.
Дальше нужны единые стандарты и переиспользуемые компоненты — с ними не приходится строить заново авторизацию и интеграции для каждого агента. И наконец, результаты и метрики качества нужно сохранять, чтобы сравнивать версии и понимать, действительно ли система становится лучше. Сравнивать версии нужно на одинаковом наборе задач: иначе изменение результатов может объясняться другими входными данными, а не улучшением агента.
Этим и отличается зрелая платформа: ИИ на ней можно контролировать, измерять, сравнивать, безопасно развивать и масштабировать.
Что важно запомнить
Зоопарк начинается со второго агента
Если каждый агент развивается отдельно, появляется зоопарк решений: у каждого свои доступы, интеграции, данные, память и картина происходящего.
Платформа — общая среда
Приложение решает задачу, платформа даёт всем единые данные и интеграции, централизованное управление доступами, мониторинг и стандарты. Новый агент использует готовую инфраструктуру.
ИИ — верхний из четырёх слоёв
Под ним данные, сервисный слой и инфраструктура. Причина плохой работы может быть в любом из этих слоёв.
Модели нужны все слои
Модели нужны данные о бизнесе, агенту — инструменты и ограниченные права, а команде — журналы выполнения для разбора ошибок.
Среда исполнения управляет процессом
Передаёт данные между шагами, хранит состояние, вызывает инструменты, подключается к системам с разрешёнными правами и обрабатывает сбои. Так решение модели становится контролируемым процессом.
Зрелость измеряют управляемостью
Согласованные данные, доступы по роли, наблюдаемость, стандарты и метрики качества помогают контролировать работу агентов и улучшать систему.
Платформа и среда исполнения превращают решение в работающую систему.
Читайте также
Всё обучение
Как понять, что ИИ-агент действительно стал лучше
Инженерия обвязки: что делает ИИ-агента управляемым и надёжным
Инженерия контекста: как научить ИИ-агента понимать ситуацию
Почему идеальный промт не спасает плохого агента
Как данные движутся по ИИ-воркфлоу
ИИ-операции и инструменты: как решение модели становится действием
Архитектура ИИ-агента: от LLM-функции до графа навыков
Где процессу нужен ИИ-агент, а где хватит правила
Что нужно, чтобы ИИ-автоматизация реально заработала
Как превратить человеческое мышление в работающего ИИ-агента
AI-First компания: какая работа остаётся человеку в мире ИИ-агентов
Как перестроить процесс под ИИ-агентов и не потерять контроль
Как найти точки автоматизации с максимальной отдачей
Как увидеть бизнес-процесс таким, какой он есть на самом деле
Как провести рентген бизнеса и извлечь знания экспертов
Как выбрать правильный процесс для автоматизации
От механизации до ИИ-агентов: как эволюционировала автоматизация
Бизнес как система процессов: как потоки данных создают ценность
AI-First-компания: новые роли и новая оргструктура
AgentOps: шесть шагов от идеи до работающего ИИ-агента
ИИ-стратегия: три уровня внедрения ИИ-агентов в бизнес
Готова ли ваша компания к ИИ-трансформации?
Три трансформации, которые полностью изменили бизнес
Где ИИ-агенты создают бизнесу максимум ценности
Пять уровней эволюции ИИ-агентов
Кто такой ИИ-агент и почему он меняет устройство компании
Что такое AI-First-компания и как она работает
Дальше — практика
Материал основан на третьей лекции курса по автоматизации бизнес-процессов с ИИ-агентами.
В следующей статье — архитектура самого ИИ-агента: чем он отличается от LLM-функции, из чего складывается его спецификация, где проходят границы автономности и почему человек в графе навыков — часть правильной архитектуры.
От диагностики бизнеса
— до работающего агента.