ШІ агенти для бізнесу: чатбот, n8n чи LangChain

ШІ агенти для бізнесу вже не обмежуються чатом на сайті, який відповідає про графік роботи. Агент може знайти відповідь у ваших прайсах, перевірити статус замовлення, підготувати чернетку рахунку й передати складне питання менеджеру. Для власника питання звучить не «чи потрібен нам ШІ», а «яким шляхом його отримати»: підключити готовий чатбот, зібрати агента в конструкторі на кшталт n8n чи замовити власного агента на фреймворку LangChain.

Стаття для власника або операційного директора компанії на 5–100 людей, який не пише код, але рахує гроші й відповідає за результат. Без коду пояснюємо, з чого складається агент, чим відрізняються чотири шляхи, як порахувати вартість однієї розмови, які права давати агенту і як запустити пілот, щоб він не опинився серед проєктів, які закривають через рік.

Що агенти вже роблять щодня в малих компаніях, ми зібрали окремо — у статті про приклади ШІ-агентів у малій компанії. Тут — про вибір шляху, гроші, контроль і запуск.

Коротко

Агент — це модель, інструменти, пам’ять і правила. Без доступу до ваших даних і без правил це просто чатбот, хай і розумніший.
Готовий чатбот вигідний, коли питання типові, а відповіді вміщаються у FAQ. Коли відповідь залежить від складу, клієнта чи документа, потрібен агент з інструментами.
LangChain безкоштовний, агент — ні. Ви платите за модель, сервер, розробника й супровід. Модель зазвичай найдешевша стаття, супровід — найдорожча.
Головний ризик — якість відповідей, а не ціна. Агент спершу працює в режимі чернетки, а людина підтверджує все, що йде клієнту або змінює гроші.
Почніть з одного процесу і тестового набору реальних звернень. Фреймворк обирайте вже під задачу, а не навпаки.

Що таке ШІ-агент і з чого він складається

Чотири частини агента

Мовна модель — GPT, Claude, Gemini або локальна модель на вашому сервері. Вона розуміє текст і вирішує, що робити далі. Сама по собі модель нічого не знає про вашу компанію: ні цін, ні клієнтів, ні умов доставки.

Інструменти — дії, які агенту дозволено виконувати. Знайти товар у прайсі, подивитися залишок на складі, перевірити посилку через API Нової пошти, створити задачу менеджеру. Кожен інструмент розробник описує окремо: що він робить, які дані приймає і що повертає.

Пам’ять — історія розмови і факти про клієнта. Без пам’яті кожне повідомлення стає чистим аркушем, і бот перепитує те, що клієнт написав хвилину тому.

Правила — межі роботи. На які теми відповідати, що робити самому, що лише чернеткою, коли передати людині. Саме правила відрізняють робочого агента від красивого демо.

Ланцюжок чи агент: хто обирає наступний крок

Ланцюжок (chain) — кроки, задані заздалегідь: отримати питання, знайти фрагмент у базі знань, сформулювати відповідь. Він передбачуваний, його легко тестувати. Назва LangChain звідси: Language (мовна модель) плюс Chain (ланцюжок).

Агент сам вирішує, який інструмент викликати і в якому порядку. Клієнт пише: «Де моє замовлення і чи можна додати ще дві позиції?» Агент знаходить замовлення, перевіряє етап, шукає позиції в каталозі й лише потім відповідає. Гнучкість має ціну: агента складніше перевірити, і він може обрати не той крок.

Практичне правило: якщо процес можна намалювати стрілками на одному аркуші, вам потрібен ланцюжок, а не агент. Агент доречний там, де можливих шляхів багато і наперед не скажеш, який знадобиться.

Як агент читає ваші документи: RAG

RAG (Retrieval-Augmented Generation, «генерація з опорою на знайдене») — спосіб, у який агент відповідає з ваших документів. Документи ріжуть на фрагменти, для кожного рахують числовий «відбиток змісту» і зберігають у векторній базі. На питання клієнта система знаходить кілька найближчих фрагментів, і модель відповідає лише на їхній основі, з посиланням на джерело.

RAG добре працює з регламентами, умовами доставки, специфікаціями, договорами. Погано — з прайсами й калькуляціями, де відповідь треба порахувати, а не знайти. Для цього агенту дають окремий інструмент-калькулятор, який рахує за формулою. Як побудувати такого помічника для співробітників, ми розібрали у статті про корпоративний асистент на базі RAG.

ШІ агенти для бізнесу: чотири способи отримати агента

Шлях 1. Готовий агент у платформі підтримки

Tidio, Intercom, ManyChat, SendPulse дають агента, якого налаштовує маркетолог без програміста. Завантажили FAQ і сторінки сайту — бот відповідає. Ціна прозора. За тарифною сторінкою в листопаді 2026 року, у Tidio платні тарифи починаються від $24,17 на місяць, а ШІ-агент Lyro оплачується окремо, від $32,50 на місяць за 50 розмов; перші 50 розмов безкоштовні (тарифи Tidio). Intercom бере $0,99 за кожне звернення, яке агент Fin вирішив сам, плюс місця для операторів — від $19 (акційна ціна для нових клієнтів) до $132 на місяць за кожне (тарифи Intercom).

Стеля в усіх схожа. Агент бачить лише те, що ви йому завантажили, і виконує лише ті дії, для яких у платформи є готова інтеграція. Перевірте список інтеграцій заздалегідь: якщо вашої програми обліку там немає, підключення вимагатиме програміста. Якщо ваші клієнти пишуть в Instagram, Telegram чи Viber, подивіться порівняння ManyChat, SendPulse і Voiceflow.

Шлях 2. Агент у конструкторі n8n або Make

n8n і Make з’єднують сервіси без коду: прийшла заявка — створити задачу — надіслати повідомлення. В обох є вузли зі ШІ. Цікава деталь: ШІ-вузли n8n побудовані на JavaScript-версії LangChain. Агенти, пам’ять, векторні бази й інструменти там ті самі, лише збираються мишкою, а не кодом (документація n8n).

Хмарний n8n коштує від 20€ на місяць за 2,5 тисячі запусків сценаріїв і 50€ за 10 тисяч при оплаті за рік. Стандартну версію можна поставити на свій сервер, вона лежить у відкритому доступі на GitHub (тарифи n8n). Конструктор підходить, коли агент — частина простого потоку, а логіка вміщається на один екран. Коли сценарій розростається до десятків вузлів з умовами, його важко читати, тестувати й передати іншій людині. Приклади сценаріїв з українськими сервісами — у статті про Make з Новою поштою та Checkbox.

Шлях 3. Власний агент на LangChain або LangGraph

LangChain — відкрита бібліотека для Python і JavaScript з ліцензією MIT. Користуватися нею можна безкоштовно, зокрема в комерційних проєктах (репозиторій LangChain). Розробник пише код: які інструменти має агент, з якими системами він говорить, які правила діють. Можна підключити будь-яку систему з API, будь-яку модель і поставити все на свій сервер.

Що ви отримуєте: повний контроль над логікою і даними. Що втрачаєте: швидкий старт без програміста. Агент на фреймворку — програмний продукт. Хтось має його оновлювати, тестувати після змін моделі й лагодити, коли змінюється API сусідньої системи.

Шлях 4. Агент усередині системи управління під ваш процес

Четвертий шлях — коли агент не окремий бот, а частина системи, де живуть замовлення, клієнти, етапи й документи. Тоді агенту не треба «інтегруватися» з десятком сервісів. Він бачить картку замовлення, історію клієнта і відкриті питання, бо все це в одній базі. Як ми будуємо такі системи, розказуємо нижче. Як загалом вибирати між окремим сервісом, доробкою і системою, — у статті як вибрати рішення зі ШІ під задачу.

Порівняння чотирьох шляхів

Критерій	Готова платформа	Конструктор n8n чи Make	Власний агент на LangChain	Агент у системі під процес
Хто налаштовує	Маркетолог або менеджер	Технічно грамотний співробітник	Розробник Python або JavaScript	Підрядник разом з вами
Старт	Дні	Дні або тижні	Тижні	Перша версія за кілька днів
Доступ до ваших даних	Те, що завантажили, плюс готові інтеграції	Будь-який сервіс з API, кожен окремим вузлом	Будь-що з API	Усе, що є в системі
Складна логіка	Мінімальна	Середня	Будь-яка	Будь-яка, під ваш процес
Де зберігаються дані	У хмарі вендора	У хмарі або на вашому сервері	Де скажете	На вашому сервері або на нашому, з передачею
Як платите	Підписка, за розмову або вирішене звернення	Підписка за запуски плюс модель	Модель, сервер, години розробника	Фіксована ціна запуску плюс підписка на підтримку
Хто супроводжує	Вендор	Ви	Розробник	Підрядник, а код і дані — ваші

Що показують дослідження: агенти працюють, але не всі

Скільки компаній уже запустили агентів

LangChain регулярно опитує людей, які будують агентів. В опитуванні State of Agent Engineering (1 340 відповідей, 18 листопада — 2 грудня 2025 року) 57,3% мають агентів у роботі, ще 30,4% розробляють і планують запуск. Як основне призначення агента найчастіше називають підтримку клієнтів (26,5%), дослідження й аналіз даних (24,4%) та внутрішні процеси (18%) (звіт LangChain). Важливе застереження: це аудиторія розробників, які вже користуються LangChain. Для порівняння, за даними Eurostat, у 2025 році хоча б одну технологію ШІ використовували 17% малих і 30,36% середніх компаній ЄС, і йдеться про будь-який ШІ, а не лише про агентів (Eurostat).

Що заважає найбільше

Головна перешкода — якість відповідей: її назвали 32% учасників. На другому місці затримка відповіді — 20%. Ціна, за словами авторів, турбує рідше, ніж у попередні роки. Тому 59,8% команд лишають людську перевірку для складних і ризикових випадків, а 52,4% проганяють агента на тестових наборах перед випуском (звіт LangChain). У попередньому опитуванні серед компаній до 100 людей якість турбувала 45,8% учасників, а вартість — 22,4% (попередній звіт LangChain).

Чому проєкти закривають

Gartner у червні 2025 року прогнозував, що понад 40% проєктів з агентним ШІ закриють до кінця 2027 року. Причини — зростання витрат, неясна користь для бізнесу або слабкий контроль ризиків. Там же Gartner пише про «agent washing» — коли звичайних чатботів, асистентів і RPA перейменовують на «агентів». З тисяч постачальників справжніх агентних рішень, за оцінкою Gartner, близько 130 (огляд прогнозу Gartner).

Українські інженери кажуть те саме своїми словами. Богдан Хоміч із SoftServe в інтерв’ю Forbes Ukraine наголошує: агенти не працюють «з коробки». Їм потрібні чисті дані, описані процеси й людина, яка керує роботою агента і перевіряє результат (Forbes Ukraine). Для власника з цього випливає одне: агент окупається там, де процес уже описаний, а результат можна виміряти.

П’ять ознак, що готового чатбота вже не вистачає

Якщо збігаються дві або більше ознак, дивіться на агента з інструментами — шляхи 2–4. Якщо жодна, не переплачуйте: готова платформа впорається, а гроші краще вкласти в базу знань.

1. Відповідь лежить у документах, а не у FAQ

Специфікації в PDF, регламенти в Google Docs, шаблони договорів, таблиці сумісності від постачальника. Менеджер щодня відповідає на питання на кшталт «чи підходить ця петля до фасаду товщиною 19 мм» і щоразу шукає відповідь у тих самих файлах. Готовий бот такі файли або не читає, або читає без розуміння структури, і вам доводиться переписувати їх у FAQ. Агент з RAG читає документи напряму і вказує, з якого файлу взяв відповідь.

2. Щоб відповісти, треба зазирнути в кілька систем

Клієнт пише: «Я замовив 50 упаковок фарби, а в накладній 45. Коли довезете решту?» Менеджер відкриває замовлення, видаткову накладну, залишок на складі й трекінг Нової пошти. Готовий бот відповість «зверніться до менеджера», і це майже те саме, що не мати бота. Агент з інструментами пройде ті самі кроки, підготує відповідь і задачу на довезення, а менеджеру лишиться підтвердити. Так працює автоматизація підтримки клієнтів, коли агент бачить не лише FAQ, а й облік.

3. Відповідь залежить від того, хто питає

Ціна для оптового клієнта, його знижка, борг, історія замовлень. Шаблонний бот вітається однаково з усіма. Агент з доступом до даних клієнта відповідає інакше: «Добрий день, Михайле. Ваше замовлення від 18 травня на етапі пакування, відправка завтра». Те саме стосується нових заявок: агент ставить кваліфікаційні питання, записує відповіді в картку й призначає менеджера. Це вже автоматизація продажів, а не просто чат.

4. Помилка коштує дорого

Ціна, терміни, технічна сумісність, умови гарантії. Тут бот не має права «фантазувати». Правила агента кажуть: відповідати лише з документів, завжди вказувати джерело, ціну брати з формули, а не з моделі, а на питання поза темою — передавати людині. У готових платформах частину цього налаштовують інструкціями, але самі перевірки ви не контролюєте: вони в коді вендора.

5. Дані не можна віддати сторонньому сервісу

Персональні дані клієнтів, комерційна таємниця, договори. Закон «Про захист персональних даних» у статті 29 дозволяє передавати персональні дані іноземним компаніям, якщо держава забезпечує їх належний захист. Такими визнані країни Європейського економічного простору і підписанти Конвенції Ради Європи про захист персональних даних; для решти закон вимагає окремих підстав (текст закону). Перед підключенням хмарного бота з’ясуйте, у якій країні вендор зберігає дані і чи підпише договір про їхню обробку.

Власного агента можна поставити на свій сервер. З локальною моделлю, наприклад через Ollama, текст розмов узагалі не виходить з вашої мережі, хоча якість таких моделей треба перевіряти на ваших задачах окремо. Детальніше — у статті про захист корпоративних даних у RAG.

Що агенту дозволено робити: рівні доступу і контроль

Чотири рівні доступу

Читає. Шукає в документах і відповідає на внутрішні питання співробітників. Нічого не змінює.
Радить. Пропонує менеджеру відповідь або наступний крок. Рішення ухвалює людина.
Готує чернетку. Створює чернетку рахунку, задачу, лист клієнту. Людина підтверджує однією кнопкою або правкою.
Діє сам. Надсилає відповідь клієнту, змінює статус, створює запис без підтвердження.

Починайте з першого або другого рівня. На четвертий переводьте лише ті дії, де за кілька тижнів роботи чернетками людина майже нічого не правила, а помилку легко виправити. Відповідь про графік роботи можна віддати агенту одразу. Зміну суми в рахунку — ніколи.

Що завжди лишається за людиною

Ціна і знижка поза прайсом.
Відправка рахунку, комерційної пропозиції чи договору клієнту, якщо інше прямо не погоджено.
Повернення грошей, рекламації, скарги.
Зміна даних, від яких залежать гроші: суми, кількості, реквізити.
Будь-яке видалення.

Як це влаштовано технічно

У версії LangChain 1.0, яка вийшла 22 жовтня 2025 року, є готові проміжні правила (middleware). Одне з них ставить агента на паузу перед дією, щоб людина підтвердила, відредагувала або відхилила її. Інше приховує email, телефони й інші персональні дані до того, як текст потрапить у модель. Третє стискає довгу історію розмови. LangGraph автоматично зберігає стан процесу, тож агент може чекати рішення менеджера годинами і продовжити навіть після перезапуску сервера (анонс LangChain і LangGraph 1.0). Тобто «людина в ланцюжку» — не надбудова, а штатна функція.

Ще одна обов’язкова річ — журнал дій. Для кожної розмови видно, які інструменти агент викликав, з якими даними і що отримав. Без журналу неможливо зрозуміти, чому агент помилився. Серед команд, у яких агенти вже працюють, такий нагляд мають 94%, а покрокове трасування — 71,5% (звіт LangChain).

LangChain і LangGraph: що треба знати власнику

LangChain — щоб швидко зібрати агента

У версії 1.0 головною точкою входу LangChain стала функція створення агента, яка працює з будь-яким постачальником моделі. Для вас це означає меншу прив’язку до одного вендора. Якщо OpenAI підніме ціни або інша модель стане кращою для українських текстів, модель міняють, не переписуючи всю систему. Команда LangChain також пообіцяла не ламати сумісність до версії 2.0 (анонс LangChain і LangGraph 1.0). Для бізнесу це означає менше переробок після оновлень бібліотеки.

LangGraph — коли процес має розгалуження

LangGraph описує процес як граф: кроки, умови, цикли, паралельні гілки й паузи. Замість «А, потім Б, потім В» виходить справжній бізнес-процес. Приклад для виробництва під замовлення:

Прийшла заявка у вільній формі. Агент розбирає її на параметри.
Якщо клієнт постійний — підтягує його умови. Якщо новий — просить реквізити.
Якщо в заявці є креслення або нестандартний виріб — створює задачу технологу і чекає.
Ціну рахує формула, а не модель.
Якщо сума більша за поріг, який задав власник, — пауза на погодження.
Агент готує чернетку рахунку, менеджер перевіряє і надсилає.

У LangChain таку логіку теж можна написати, але з кожною новою умовою код стає заплутанішим. LangGraph створений саме для таких випадків. За словами розробників, його використовують Uber, LinkedIn і Klarna (анонс LangChain і LangGraph 1.0).

Коли чого достатньо

Вистачить LangChain, якщо: – задача лінійна: питання, пошук, відповідь; – один агент робить одну чітку справу; – це пілот, який має показати, чи є сенс рухатися далі.

Потрібен LangGraph, якщо: – є умови, від яких залежать різні гілки процесу; – агент мусить чекати рішення людини і продовжити пізніше; – кілька агентів передають один одному проміжний результат; – процес триває годинами або днями, а не одну розмову.

Для компанії на 5–100 людей вибір між ними — питання підрядника, а не власника. Ваші питання інші: чи зможете ви змінити підрядника, чи лишиться код у вас і чи є тести, які покажуть, що після змін нічого не зламалося. Коли агентів стає кілька, корисно знати, як влаштовані мультиагентні системи для бізнесу.

Скільки коштує ШІ-агент: як порахувати

Формула вартості

Місячна вартість агента складається з п’яти частин:

модель: кількість розмов × вартість однієї розмови;
сервер: де працює агент і база знань;
нагляд: журнал дій і тести;
супровід: години розробника на зміни, оновлення й виправлення;
база знань: години вашого співробітника, який стежить, щоб документи були свіжими.

Вартість однієї розмови = (вхідні токени × ціна вхідних + вихідні токени × ціна вихідних) / 1 000 000. Токен — шматочок слова; модель рахує ціну саме в них.

Умовний приклад: 1 000 розмов на місяць

Припустімо, агент підтримки веде 1 000 розмов на місяць. На одну розмову припадає шість звернень до моделі, у кожному близько 4 000 токенів на вході (інструкції, історія, знайдені фрагменти) і 250 на виході. Разом — 24 000 вхідних і 1 500 вихідних токенів на розмову. На Claude Sonnet 5.5 ($2 за мільйон вхідних і $10 за мільйон вихідних токенів) це близько $0,063 за розмову, тобто приблизно $63 на тисячу розмов. На легшій Haiku 5.5 ($0,10 і $0,50) — близько $0,003 за розмову, приблизно $3 на тисячу (тарифи Claude). Це приклад, а не прогноз: реальна кількість токенів залежить від довжини інструкцій і документів.

Для порівняння з оплатою за результат: якщо агент Fin в Intercom сам вирішить 600 звернень з тисячі, за них ви заплатите $594 на місяць, не рахуючи місць для операторів (тарифи Intercom). Висновок з прикладу: оплата моделі у власного агента — найменша стаття витрат. Різниця з платформою йде на розробку, сервер і супровід. Тому власний агент виграє при великих обсягах або коли потрібні ваші дані й дії, а на кількох сотнях простих розмов на місяць платформа дешевша.

Витрати, про які рідко говорять на старті

Супровід. Медіанна зарплата Python-розробника в Україні — 50 000 грн на місяць за даними 22 вакансій на Work.ua в листопаді 2026 року (Work.ua). Брати людину в штат під одного агента невигідно, тому зазвичай працюють з підрядником погодинно або за підпискою.
Нагляд. Сервіс трасування LangSmith безкоштовний до 5 тисяч записів на місяць для одного користувача, тариф Plus коштує $39 за місце на місяць (тарифи LangSmith). Є й безкоштовні інструменти, які ставлять на свій сервер.
Оновлення бази знань. Прайс змінився, а агент відповідає за старим — гірше, ніж не відповідати. Призначте людину, яка відповідає за свіжість документів, і вкажіть це в її обов’язках.
Оновлення моделей. Нова версія моделі може відповідати інакше. Після кожної зміни агента проганяють на тестовому наборі.
Тестування. Перед запуском і після кожної зміни хтось має перевірити відповіді на реальних прикладах. Це години, які треба закласти в бюджет.

Як порахувати, чи окупиться

Економія часу = звернень на місяць × частка, яку агент закриває без людини × хвилин на звернення / 60. Множите на вартість години менеджера для компанії й порівнюєте з місячною вартістю агента.

Умовний приклад: 1 200 звернень на місяць, агент закриває без людини половину, кожне забирало в менеджера 6 хвилин. Виходить 1 200 × 0,5 × 6 / 60 = 60 годин на місяць. Якщо година менеджера коштує компанії 250 гривень, це 15 тисяч гривень на місяць. Окремо додайте заявки, які раніше губилися вночі й на вихідних: їх рахують за середнім чеком і часткою, що дійшла до оплати. Які показники брати і як прийняти рішення після пілоту, ми описали у статті як оцінити результат пілоту.

Як запустити першого агента: шість кроків

Крок 1. Оберіть один процес

Критерії хорошого першого процесу: – повторюється щодня, а не раз на місяць; – результат можна виміряти: час відповіді, кількість звернень, помилки; – дані доступні: документи є, облік ведеться, API відкрите; – помилка агента неприємна, але не катастрофічна.

Опишіть процес двома реченнями: «Агент відповідає в Telegram на питання про статус замовлення, дані бере з картки замовлення. Мета — клієнт отримує відповідь за хвилину, а не після обіду». Для детального опису згодиться наш шаблон опису процесу. Якщо не знаєте, з якого процесу почати, перегляньте добірку автоматизація бізнес процесів підприємства: 50 прикладів.

Крок 2. Зберіть тестовий набір

Візьміть 30–50 реальних звернень за останні місяці, разом зі складними й неприємними. До кожного допишіть відповідь, яку дав би ваш найкращий менеджер. Це і є критерій готовності: агент не запускається, доки не проходить цей набір.

Ми так робимо з будь-якою автоматизацією. Коли переносили розрахунок ферм з Excel-книги на 104 аркуші в калькулятор, перед запуском звірили результати з Excel на контрольних прикладах — збіглося до копійки. Заодно знайшли помилки в самому Excel: для кроку ферм 4,25 м таблиця видавала #Н/Д. Ми не виправляли їх мовчки, а передали інженеру. З агентом так само: тестовий набір часто показує, що «правильні» відповіді в компанії різні в різних менеджерів.

Крок 3. Опишіть інструменти і права

Для кожної дії агента запишіть три речі: що він робить, з якою системою і на якому рівні доступу — читає, радить, готує чернетку чи діє сам. Список виходить короткий: зазвичай першому агенту вистачає трьох-п’яти інструментів. Якщо їх двадцять, ви будуєте не пілот, а систему.

Крок 4. Зберіть найпростіший робочий варіант

Оберіть шлях за таблицею вище. Якщо задача — відповіді за FAQ, почніть з платформи. Якщо потрібен один інструмент і простий потік, спробуйте n8n. Якщо даних і умов багато, замовляйте власного агента або систему під процес. Не починайте з графа на десять агентів: перший агент має показати користь на одному процесі.

Крок 5. Режим чернетки паралельно з людьми

Перші тижні агент лише готує відповіді, а менеджер надсилає їх однією кнопкою або виправляє. Старий спосіб роботи нікуди не дівається. Ми запускаємо так і цілі системи: два тижні нова система працює паралельно зі старим способом, щоб перевірити її на реальних замовленнях, а не на демо.

Крок 6. Виміряйте і вирішіть

Що фіксувати щотижня: – частку відповідей, які менеджер надіслав без правок; – скільки звернень агент передав людині і чому; – помилки за типами: вигадав, не знайшов, неправильно зрозумів; – час першої відповіді клієнту; – скарги і, навпаки, подяки за швидкість.

Після пілоту рішень три: розширювати на інші питання і канали, доробляти слабкі місця або зупинити й повернутися до простішого інструмента. Усі три — нормальний результат, якщо рішення ухвалене за цифрами.

Типові помилки, через які агентів вимикають

Агент «на все». Почати з бота, який відповідає на будь-які питання про компанію. Він відповідає на все посередньо і ні на що добре. Один процес, одна метрика — краще.

Ціна від моделі. Мовна модель може назвати правдоподібну, але неправильну суму. Ціну має рахувати формула, а модель — лише пояснювати її клієнту.

Права без підтвердження. Дати агенту право змінювати облік чи надсилати рахунки з першого дня. Одна помилка в сумі коштує більше, ніж місяць економії часу.

Немає тестового набору. Агента перевірили на п’яти «зручних» питаннях на демо. У роботі приходять інші питання, і довіра менеджерів зникає за тиждень.

Немає власника бази знань. Документи застарівають, агент відповідає за торішнім прайсом. Людина, яка відповідає за базу знань, має бути названа до запуску.

Прив’язка до однієї моделі. Логіка написана так, що модель неможливо замінити. Коли вендор змінить ціни чи ліміти, змінювати доведеться все.

Немає журналу дій і резервних копій. Неможливо з’ясувати, чому агент помилився, і неможливо відкотитися. Ми самі одного разу отримали урок: оновлення зі старої копії затерло свіжий модуль, і його відновлювали вручну. Відтоді контроль версій і бекапи — з першого дня.

Як агенти працюють у ШІ-системі управління бізнесом

Агент бачить процес, а не лише чат

Ми робимо ШІ-систему управління бізнесом під процес компанії: заявки й замовлення з етапами, клієнти з реквізитами, розрахунки за формулами, задачі й сповіщення в Telegram, документи, оплати, звіти. ШІ в ній не окремий бот, а помічник усередині процесу. Він розбирає заявки й повідомлення у вільній формі, уточнює деталі з клієнтом у Telegram, читає прайси й документи, готує чернетки відповідей для менеджера і пише звіти. Агенту не треба інтеграцій з десятком сервісів: картка замовлення, клієнт і відкриті питання вже поруч. Що ще закриває така система, розписано в статті про автоматизацію бізнес процесів.

Приклад: асистент Saloy уточнює деталі замовлення

Наша компанія з виробництва на верстатах з ЧПК Saloy виготовляє меблеві фасади, різьблення й деталі під замовлення. Замовлення змішані: частина з каталогу, частина за кресленням клієнта. У призначений день ШІ-асистент сам пише клієнту в Telegram, розбирає відповідь і записує її в картку замовлення. Якщо відповідь неясна, асистент перепитує.

Питання до клієнта позначаються на картці. Якщо замовлення з відкритими питаннями намагаються перевести у виробництво, система попереджає менеджера. Саме попереджає, а не блокує: рішення лишається за людиною. Як будували систему і чому готові програми не підійшли, — у кейсі власної системи управління.

Ціну рахують формули, а надсилає людина

У наших системах діють два правила. Перше: ціну рахують формули клієнта, а не ШІ. У Saloy ціна деталі — площа × ставка × коефіцієнт складності × кількість, плюс заготовка за об’ємом. Модель цю формулу не «вгадує», а лише бере результат. Друге: клієнту нічого не надсилається без людини, якщо інше не погоджено. Це той самий третій рівень доступу з розділу вище, вбудований у систему з першого дня.

Бот для клієнтів: від бази знань до даних клієнта

Якщо вам потрібен саме бот для клієнтів, наш ШІ-бот для клієнтів відповідає в Telegram і в чаті на сайті за базою знань компанії (доставка, оплата, графік, часті питання) і за каталогом. Якщо підключити ваші дані, бот називає ціну для конкретного клієнта, статус замовлень, борг і може повторити попереднє замовлення. Замовлення він оформлює лише чернеткою рахунку, а видає рахунок менеджер. Скаргу чи складне питання бот передає менеджеру разом із задачею. Режимів два: «чернетка», коли менеджер надсилає відповідь однією кнопкою, і «відповідає сам».

Пакет «Старт» коштує від 500 грн на місяць плюс підключення 3 тисячі гривень разово. У нього входять Telegram-бот компанії, база знань, каталог з базовими цінами, до 1 000 відповідей ШІ на місяць з уже включеною оплатою моделі і передача менеджеру; запуск — за кілька днів. Бот з даними клієнта, чат на сайті й система управління рахуються після розмови й опису процесу. Подивитися, як це працює, можна в демо-боті @pawlove_demo_bot у Telegram — це вигадана компанія PawLove.

Агенти пишуть і саму систему

Код наших систем пише штучний інтелект під контролем архітектора. Архітектор описує процес і критерії готовності, ШІ-агент пише код і тести, людина перевіряє на реальних замовленнях. Тому перша робоча версія виходить за кілька днів, а вся система — за 2–4 тижні після опису процесу. У Saloy перша версія запрацювала за 1 день, усі модулі — за 3 тижні. Агенти не потребують потужного заліза: команда ШІ-агентів для нашого блогу, Telegram-бот і щотижневий звіт про те, як Google бачить сайт, працюють на найпростішому сервері з 2 ГБ пам’яті й одним процесором. Система належить клієнту: код і дані його, ставимо на його сервер або на наш, з передачею будь-коли.

Коли ШІ-агент вам не потрібен

Агент — не обов’язковий етап розвитку компанії. Ось ознаки, що зараз він дасть більше клопоту, ніж користі:

Звернень мало. Якщо однотипні питання приходять кілька разів на тиждень, менеджер відповість швидше, ніж ви налаштуєте й підтримуватимете агента.
Процес не описаний. Якщо кожен менеджер працює по-своєму, агент автоматизує хаос. Спершу домовтеся, як має бути, і запишіть це.
Дані в безладі. Прайси в трьох версіях, картки клієнтів наполовину порожні, документи в особистих папках. Агент відповідатиме тим, що знайде, тобто неправильно. Наведення ладу корисне саме по собі і часто дешевше за будь-яку розробку.
Відповіді вміщаються у FAQ. Тоді вистачить готової платформи або навіть автовідповідей у месенджері.
Потік без рішень. «Прийшла оплата — змінити статус — повідомити менеджера» не потребує ШІ. Це звичайна автоматизація в конструкторі або в системі.
Немає відповідальної людини. Якщо ніхто не стежитиме за базою знань і помилками агента, за пару місяців він почне шкодити.

Для компанії на 5–30 людей часто вигідніше почати з базового обліку замовлень і задач, а агента додати потім. Про це — у статті автоматизація малого бізнесу. Якщо сумніваєтеся між готовою програмою і власною системою, пройдіть тест готова CRM чи своя система — він займає 15 хвилин.

Часті питання

LangChain безкоштовний?

Так, LangChain і LangGraph — відкриті бібліотеки з ліцензією MIT, ними можна безкоштовно користуватися в комерційних проєктах. Але безкоштовна бібліотека не означає безкоштовного агента. Ви платите за модель (OpenAI, Anthropic, Google або сервер для локальної моделі), хостинг, розробника, який будує й супроводжує агента, і, за бажанням, сервіс нагляду LangSmith. Розрахунок і приклад — у розділі про вартість.

Чи потрібен власний розробник?

Для власного агента на LangChain — так, потрібна людина з досвідом Python або JavaScript. Не обов’язково в штаті: підрядник або агенція теж підходять. Важливо, щоб код, доступи й тести лишалися у вас, а в договорі було прописано, хто і як швидко виправляє помилки. Для готової платформи чи простого сценарію в n8n розробник не потрібен, вистачить технічно грамотного співробітника.

Що вибрати: n8n чи LangChain?

Якщо задачу можна зібрати в n8n за день і вона вміщається на один екран, беріть n8n: він дешевший у запуску і простіший у підтримці. Тим більше що його ШІ-вузли побудовані на тому ж LangChain. Переходьте на LangChain або LangGraph, коли з’являються розгалуження, паузи на погодження, багато інструментів і потреба в тестах. Нерідко їх поєднують: n8n приймає подію і запускає агента, а агент на LangChain робить «розумну» частину.

Якщо у вас виробництво, будівництво, сервіс чи інша компанія на 5–100 людей і ви думаєте, з чого почати з агентами, опишіть один процес, де менеджери найбільше часу витрачають на однотипні відповіді. Покажемо робочу систему з ШІ-агентом на демо за 30 хвилин і чесно скажемо, що вам вигідніше: готовий чатбот, конструктор чи агент у системі під ваш процес. Детальніше — ШІ-система управління бізнесом.