AI-агенты:
от ручных workflow к автономной автоматизации
Джефф Су (продуктовый маркетолог Google) наглядно показывает эволюцию от простого ChatGPT до полностью автономных AI-агентов. Три уровня — и каждый следующий кратно мощнее предыдущего.
Эволюция: три уровня AI-автоматизации
Большинство людей используют AI как «умный текстовый редактор» — пишут промпты и получают ответы. Но рутинные процессы (мониторинг новостей, создание контента, обработка данных) по-прежнему требуют человека-оператора на каждом шаге. Агенты это меняют.
LLM (ChatGPT)
Человек спрашивает → AI отвечает. Пассивный инструмент.
AI Workflow (Make.com)
Человек строит цепочку → система выполняет. Фиксированный путь.
AI Agent
LLM принимает решения сам → итерирует → достигает цели. Автономный.
Уровень 1 — LLM: мощно, но пассивно
ChatGPT и подобные LLM — это умные инструменты, которые ждут вашей команды. Они не знают ваших данных и не могут действовать самостоятельно.
Ограничение:
Каждый раз нужен человек, который запускает процесс, оценивает результат и решает что делать дальше. AI — мощный, но не автономный.
Уровень 2 — AI Workflow: автоматизация с фиксированным путём
Конкретный пример из кейса:
Ограничение workflow:
Если результат плохой — человек вручную правит промпт. Фиксированный путь не умеет адаптироваться. Тысяча шагов — это всё равно workflow, если человек принимает решения.
Уровень 3 — AI Agent: LLM принимает решения
Агент — это когда LLM заменяет человека как принимающего решения. Он не просто выполняет шаги — он рассуждает, выбирает инструменты и итерирует до достижения цели.
Reason (рассуждение)
«Как эффективнее собрать статьи? Лучше ссылки в Google Sheets, чем копировать текст вручную» — агент сам делает этот вывод и выбирает подход.
Act (действие через инструменты)
Агент выбирает Google Sheets вместо Excel — потому что аккаунт уже подключён. Он не просто выполняет инструкцию, он оценивает контекст и выбирает оптимальный инструмент.
Iterate (самокритика и итерация)
Агент добавляет шаг самооценки: другая LLM проверяет пост по best practices LinkedIn. Если не соответствует критериям — цикл повторяется. Автономно, без участия человека.
5 ключевых уроков
RAG — это просто AI Workflow
Retrieval-Augmented Generation — модное слово для простой идеи: «AI ищет информацию перед ответом» (например, ваш календарь или актуальные данные о погоде).
Workflow ≠ Agent
Даже тысяча шагов — это workflow, если человек принимает решения. Agent = LLM принимает решения. Граница не в сложности системы, а в том, кто думает.
Итерация — суперсила агентов
Агент может добавить шаг самокритики и улучшать результат автономно. Это то, что workflow никогда не умел: адаптироваться к качеству результата.
Главный сдвиг: от «инструмента» к «сотруднику»
AI-агент не просто выполняет команды — он сам определяет лучший путь к цели. Это принципиальная смена парадигмы работы с AI.
Начинайте с workflow, масштабируйте до агентов
Не нужно сразу строить сложного агента. Автоматизируйте повторяющиеся цепочки сначала — понимание ограничений workflow само приведёт вас к агентам.