Когда вы открываете ChatGPT и спрашиваете «напиши письмо клиенту» — это разовый ответ. Один запрос — один результат. Вы даёте задачу, ИИ выполняет её и останавливается. Примерно как наёмный сотрудник, который сделал поручение и ждёт следующего.

Теперь представьте, что вы ставите задачу: «Проведи аудит нашей CRM-базы, найди все незакрытые сделки старше месяца, отправь каждому клиенту письмо с предложением созвона, а результат запиши в таблицу». И ИИ — берёт и делает. Сам разбивает задачу на шаги, выполняет их по очереди, проверяет результат, исправляет ошибки. Как хороший операционист. Как разумный сотрудник.

Это и есть agentic workflow — следующий этап развития ИИ для бизнеса.

Что такое agentic workflow

Agentic workflow — это система, в которой ИИ-агент получает цель, сам планирует последовательность действий, выполняет их и при необходимости пересматривает план. В отличие от классического чат-бота, агент умеет:

Планировать — разбивает задачу на подзадачи. Действовать — вызывает инструменты, API, базы данных. Проверять — смотрит результат промежуточного шага и решает, что делать дальше. Адаптироваться — если что-то пошло не так, меняет подход.

Технически это опирается на возможность LLM «рассуждать о следующих шагах» (reasoning) и вызывать внешние инструменты через единый интерфейс — так называеме tool use или function calling. Эта возможность есть у современных моделей с конца 2024 года, но в 2026-м она обросла инфраструктурой: готовыми фреймворками, дешёвыми токенами и no-code конструкторами, которые позволяют собрать агента без программиста.

Что это даёт малому бизнесу

До 2025 года автоматизация была доступна двумя путями: дорогие корпоративные платформы или простые скрипты наподобие «отправь напоминание в 9 утра». Agentic workflows расширяют этот диапазон. Теперь в зоне досягаемости — задачи, которые раньше требовали выделенного сотрудника:

Полное ведение лидогенерации: агент мониторит входящие заявки с сайта, проверяет данные клиента по открытым источникам, добавляет в CRM, отправляет приветственное письмо и назначает задачу менеджеру. Обработка входящих заказов: от приёма заявки до создания счёта, отслеживания оплаты и уведомления склада — всё без ручного ввода данных. Кадровый онбординг: выдали сотруднику доступ, агент провёл инструктаж по регламенту, отправил ссылки на документы, через неделю напомнил о необходимости пройти аттестацию.

Ключевое отличие: раньше автоматизация «ломалась» на нестандартных ситуациях. Если клиент написал не по шаблону — скрипт не справлялся и требовал человека. Агент умеет обрабатывать вариативность. Не идеально, но достаточно для того чтобы 80% заявок проходили без ручного вмешательства.

Как начать: три практических шага

Не нужно покупать enterprise-платформу и нанимать AI-инженера. Стартовый набор доступен уже сейчас. Вот что рекомендуют практики для малого бизнеса в 2026 году:

Первый шаг — выберите одну повторяющуюся операцию с чётким результатом. Не «улучшить маркетинг», а «обработать заявку с сайта и занести в таблицу». Чем конкретнее задача, тем легче агенту её выполнить. Начните с узкого процесса, а не с попытки автоматизировать целый отдел.

Второй шаг — подключите no-code платформу с поддержкой agentic режима. В 2026 году большинство популярных инструментов автоматизации (Zapier, Make, n8n) добавили поддержку AI-агентов. Вы описываете задачу на естественном языке, платформа настраивает цепочку действий. Стоимость — от 500 рублей в месяц за простые сценарии.

Третий шаг — подключите LLM с tool use. OpenAI GPT-4o, Anthropic Claude с инструментами или Gemini 2.0 умеют работать с внешними API, читать файлы, отправлять запросы. Это ядро агента — всё остальное обвязка. Для большинства малых бизнесов базового доступа через API достаточно.

Agentic workflows — не будущее, которое наступит через пять лет. Это инструмент, который можно попробовать уже сегодня. Если у вас есть хотя бы один повторяющийся процесс с чётким результатом — есть смысл проверить, не заменит ли агент рутину быстрее и дешевле, чем вы ожидали.