От ChatGPT к ИИ-агентам: как менялась работа с ИИ

ИИ-продукты последних лет удобно разбирать по четырём пересекающимся этапам: чат-боты, работа с инструментами, агенты и команды. Каждый слой добавляет способ организовать работу. Чат даёт интерфейс, инструменты позволяют модели воздействовать на программы, циклы агента проводят работу через несколько шагов, а команды распределяют её по ролям. Эти этапы пересекаются, и правильный выбор зависит от задачи.

В конце 2022 года ChatGPT познакомил широкую аудиторию с диалоговым ИИ. С тех пор в ИИ-продуктах появились инструменты, многошаговые циклы и координация между агентами. Некоторые команды уже поручают агентам программирование, тексты, исследования и операционные задачи под присмотром человека: он же одобряет всё, что влечёт серьёзные последствия.

Схема из четырёх этапов помогает выбрать интерфейс под задачу. Это взгляд со стороны устройства продукта, а не строгая хронология: чат-боты с инструментами, одиночные агенты и мультиагентные системы существуют одновременно.

Этап 1 (2023): эра чат-ботов

Парадигма: один человек, один ИИ, одна беседа за раз.

ChatGPT показал широкой аудитории, насколько полезной может быть диалоговая модель. Вы вводили вопрос, получали связный ответ и уточняли его в той же беседе. Распространился он быстро, и чат стал стандартным интерфейсом многих ИИ-продуктов.

Для чего его использовали:

• Писали письма и сообщения
• Получали ответы на вопросы (вместо части запросов в Google)
• Придумывали идеи и устраивали мозговой штурм
• Кратко пересказывали документы
• Генерировали простой код (копируя его в редактор)

Как это выглядело: вы открывали окно чата. Писали запрос. ИИ отвечал. Если ответ не подходил, вы уточняли и пробовали снова. Беседа и была всем интерфейсом.

Характерные модели: GPT-3.5, GPT-4 и Claude 1

Узкое место перед этапом 2: ранние чат-сервисы выдавали текст, а выполнение оставляли вам. Попросили скрипт на Python — дальше его нужно было сохранить, запустить, разобрать ошибки и вернуть результаты в беседу.

Этап 2 (2024): эра инструментов

Парадигма: ИИ, который умеет пользоваться инструментами, а не только генерировать текст.

Разработчики добавили вызов функций: он позволяет модели запросить внешний инструмент через структурированный интерфейс. Приложение по-прежнему решает, какие инструменты существуют, проверяет аргументы и определяет, выполнять ли запрос.

Ключевые прорывы:

• Вызов функций / использование инструментов: модели научились выдавать структурированные вызовы инструментов, а не только текст
• Code Interpreter: ChatGPT мог писать и выполнять код на Python в песочнице, смотреть на результат и дорабатывать его
• Плагины и интеграции: ИИ мог обращаться к API, искать в интернете, читать документы и получать доступ к базам данных
• RAG: модели могли искать в базах знаний, прежде чем отвечать

Для чего его использовали:

• Анализ данных (загрузить CSV, получить графики и выводы)
• Генерация кода с выполнением и доработкой
• Поиск в интернете с результатами в реальном времени
• Обработка документов и извлечение информации

Узкое место перед этапом 3: один вызов инструмента — это один шаг. Для работы подольше нужен цикл: выбрать действие, прочитать результат, обновить план, а если условия изменились, остановиться или запросить одобрение.

Этап 3 (2025): эра агентов

Парадигма: ИИ, который планирует, выполняет и дорабатывает работу в рамках заданных прав и точек проверки.

Агентные продукты сделали многошаговые циклы доступнее. Можно было поставить цель, дать агенту выбирать из одобренных инструментов и проверять ход работы, а не управлять каждым отдельным вызовом.

Ключевые прорывы:

• Циклы агента: системы, которые получают цель и проходят многошаговый план
• Агенты-программисты: инструменты вроде Claude Code и Codex CLI, которые могут изучать кодовую базу, править файлы и запускать проверки в рамках прав пользователя
• Управление компьютером: модели, которые действуют на рабочем столе через щелчки, ввод текста и снимки экрана
• Фреймворки агентов: библиотеки вроде CrewAI, AutoGen и LangGraph для собственных рабочих процессов
• Внешняя память: файлы или базы данных, которые восстанавливают нужное состояние в следующем сеансе

Для чего его использовали:

• «Сделай страницу настроек пользователя» → агент планирует, пишет код, тестирует и сдаёт результат
• «Изучи наших пять главных конкурентов» → агент заходит на сайты, собирает данные и пишет отчёт
• «Исправь ошибки в этом трекере задач» → агент читает задачи, находит код, пишет исправления и запускает тесты

Узкое место перед этапом 4: одному циклу агента приходится делить внимание и контекст между всеми частями работы. Запуск продукта может включать код, позиционирование и операционные задачи. Разделив независимые направления, можно не смешивать их истории и выполнять безопасные задачи одновременно.

Этап 4 (2026): эра команд

Парадигма: скоординированные команды специализированных ИИ-агентов, которые работают вместе.

Команды могут распределить программирование, маркетинг и операционные задачи между разными агентами, а координатор следит за результатом. Если задачи независимы, такая структура может увеличить пропускную способность. Но если роли пересекаются, а передача задач размыта, она может впустую тратить время и токены.

Ключевые прорывы:

• Оркестрация нескольких агентов: системы, которые координируют нескольких агентов с разными ролями
• Общение между агентами: шлюзы сообщений, общие рабочие папки и системы событий
• Делегирование программирования: агенты, которые запускают других агентов для специализированных задач
• Сочетание моделей: выбор провайдера или модели для каждой роли с учётом возможностей, лимитов и бюджета
• Настольные приложения: продукты вроде noHuman Team, которые контролируют отдельные процессы агентов на вашем компьютере

Чем отличается этот этап: система может распределять ответственность, выполнять независимые задачи одновременно и добавлять проверку между шагами. Эти преимущества дают не сами агенты, а продуманный рабочий процесс, и они по-прежнему зависят от качества модели, чётких инструкций и контроля со стороны человека.

Закономерность: каждый этап устраняет узкое место предыдущего

Каждый этап опирался на предыдущий:

• Команды по-прежнему пользуются инструментами (возможность этапа 2)
• Агенты по-прежнему ведут беседы (возможность этапа 1)
• Чат-боты по-прежнему отвечают на вопросы

Каждый слой поддерживает рабочие процессы, на которые нижний слой не рассчитан.

Что дальше: прогнозы на 2027 год и последующие годы

Постоянная личность агента

Сегодняшние агенты часто восстанавливают контекст из файлов в начале сеанса. Будущие системы, возможно, будут хранить более подробную историю рабочих отношений, предпочтений и прошлых решений за месяцы совместной работы.

Экосистемы агентов, общающихся друг с другом

Единого стандарта для совместной работы агентов на разных платформах нет. Общие протоколы могли бы упростить взаимодействие, например, агента Marketer с PR-агентом компании-партнёра с учётом прав и проверки подлинности.

Роль человека снова меняется

• Эра чат-ботов: вы были автором, а ИИ — редактором
• Эра инструментов: вы были оператором, а ИИ — помощником
• Эра агентов: вы были руководителем, а ИИ — исполнителем
• Эра команд: вы — директор, а ИИ — команда
• Следующий этап: вы, возможно, станете скорее членом совета директоров: будете задавать стратегию, а ИИ-команда займётся одобренным исполнением и тактическими решениями

Какой этап нужен вам сейчас

Чат по-прежнему хорош для вопросов, черновиков и поиска идей. Агента стоит пробовать, когда задаче нужны инструменты и несколько шагов, а команду — когда можно назвать отдельных ответственных или направления работы.

Сравнивайте результат с базовым вариантом — одним агентом. Прежде чем расширять команду, сопоставьте качество результата, время на проверку, общий расход и затраты на координацию.

Главное

• Чат-бот, работа с инструментами, агент и команда — полезная схема, а не строгая хронология
• Командные схемы добавляют специализацию, координацию и параллельную работу, но возможности модели и проверка человеком по-прежнему важны
• Каждый этап опирается на предыдущий; зная все четыре, проще подобрать подход к каждой задаче
• Для узких задач часто лучше один агент; команды подходят, когда работу можно разделить на направления
• Ваша роль смещается к тому, чтобы задавать ограничения, проверять результаты и решать, что можно продолжать

Частые вопросы

Чем ChatGPT отличается от ИИ-агента? ChatGPT — это продукт, в котором можно вести беседу, а в некоторых режимах и пользоваться инструментами. ИИ-агент — это схема работы, которая объединяет модель, одобренные инструменты, цикл и правила остановки. Агент может продолжать работу несколько шагов подряд, но для разрушительных, финансовых, публичных и других значимых действий стоит требовать одобрения.

Что такое команда ИИ-агентов? Команда ИИ-агентов — это группа агентов с заданными ролями, например CEO, Developer, Marketer и Automator. Они координируются через сообщения и общие материалы. Если задачи независимы, команда может сократить срок выполнения, но зависимости, проверки и размытая передача задач способны свести этот выигрыш на нет.

Когда ИИ-агенты стали практичными? Агентные рабочие процессы стало проще внедрять, когда агенты-программисты и фреймворки оркестрации стали зрелее. Инструменты вроде Claude Code, Codex CLI, CrewAI, AutoGen и LangGraph открыли многошаговое выполнение большему числу пользователей. Настольные продукты вроде noHuman Team берут на себя контроль процессов, память на основе файлов, обмен сообщениями и делегирование программирования для тех, кто не хочет сам собирать такую инфраструктуру.

Насколько команды ИИ-агентов лучше одиночных агентов? Универсального коэффициента нет. Команда может справиться быстрее, если в проекте есть независимые направления: например, один агент пишет тексты, а другой собирает страницу. Одиночный агент может справиться быстрее, если задача узкая или каждый шаг зависит от предыдущего. Любую оценку времени считайте сценарием для планирования и проверяйте на своём рабочем процессе.

Какой этап ИИ следует за командами агентов? Следующими этапами могут стать более полная личность агента между сеансами, протоколы для агентов из разных организаций и агенты, которые предлагают действия в ответ на отслеживаемые события. За человеком по-прежнему осталось бы определять полномочия, одобрять значимые шаги и отвечать за результат.

Хотите попробовать ИИ-команду под контролем? Соберите noHuman Team на своём компьютере. Начните с шаблона или задайте свои роли, руководите командой из панели управления или через Telegram и подключите поддерживаемую подписку или провайдера с API.