Карьерный путь сильного специалиста рано или поздно приходит к тому, что его продвигают в руководители. Компания теряет хорошего эксперта и может получить сильного менеджера. Но с распространением ИИ-агентов у специалистов появился третий вариант развития: оставаться в своей профессии, получить цифровую команду под задачи и закрывать больший объём работы без перехода в классический менеджмент. О том, как устроен этот новый карьерный трек, порталу Biz360.ru рассказал Михаил Беляев, руководитель образовательного направления платформы «Битрикс24».
Михаил Беляев – руководитель образовательного направления платформы «Битрикс24». Эксперт в области продаж, CRM-систем и обучения персонала. В компании «1С-Битрикс» работает 11 лет, последние четыре года руководит образовательным направлением.

Кто такие ИИ-агенты и как их используют в бизнесе
- ИИ-агенты (искусственные интеллектуальные агенты) – это автономные программные системы, которые для решения тех или иных задач способны принимать решения и предпринимать какие-либо действия без вмешательства человека. В отличие от обычных ИИ-сервисов, которые работают по заранее заданному сценарию, ИИ-агент может адаптироваться к изменяющимся условиям, учитывать контекст и корректировать своё поведение на основе полученного опыта.
Многие специалисты в современных компаниях активно используют ИИ в своих задачах, и часто делают это через общее окно чат-бота: формулируют запрос, иногда добавляют вводные инструкции в начало промта и получают ответ. Такой результат часто приходится серьёзно дорабатывать, ведь контекст модели слишком широкий, чтобы быстро подобрать под задачу узкие компетенции.
ИИ-агенты работают иначе: в них заранее подробно прописаны роль, зона ответственности, формат результата и критерии качества. В итоге, результат получается гораздо более цельным и лучше отвечает заданным требованиям.
Агентов становится всё больше, появляются целые библиотеки под конкретные рабочие сценарии. Например, недавно The Agency создали открытый репозиторий с базой из 140+ различных ИИ-агентов. Их специализация под конкретные типы задач детально описана в контексте, чтобы избежать поверхностных идей и получать качественный финальный результат.
Также их можно использовать совместно, передавая информацию от одного агента другому. Например, для запуска нового продукта можно собрать связку из аналитика данных, продакта, разработчика и архитектора бэкенда. Для маркетинговой кампании – другой набор: агента по контенту, агента по аналитике, агента по локализации на нужный язык.
Полностью автономно такие сложные конфигурации ИИ-агентов работать пока не могут. За каждой из них должен стоять человек, который ставит задачи, контролирует промежуточные результаты и собирает финальный продукт.
Чаще всего карьерный путь специалиста движется либо к тому, чтобы наращивать экспертность в своей нише, либо к тому, чтобы стать руководителем. Эти варианты были привычными для профессионального продвижения, пока между двумя полюсами не сложилось новое устойчивое положение – эксперт-координатор. Он остаётся самостоятельным специалистом, но начинает дополнительно ставить задачи ИИ-агентам и контролировать результаты.
В ИТ-среде для этого уже появился термин Full Cycle Engineer – специалист, который в одиночку закрывает весь жизненный цикл продукта от требований до деплоя. Раньше для этого требовалась проектная команда с проджектом, аналитиком, фронтендером, бэкендером и DevOps-инженером. Теперь один человек с ИИ-агентами покрывает весь этот контур, оставаясь при этом в своей основной роли.
Та же логика работает за пределами разработки. Маркетолог, который раньше собирал контентную стратегию, писал брифы для копирайтеров и дизайнеров и ставил задачи аналитикам, теперь может закрыть весь цикл самостоятельно. Агент-копирайтер пишет посты по брифу, агент-аналитик делает конкурентный анализ, агент по локализации переводит материалы на нужный язык, агент по дизайну генерирует обложки для статей. Маркетолог проверяет каждый артефакт и собирает итоговый результат. Так специалист может в одиночку закрыть задачи, которые прежде требовали команды из пяти-шести человек.
При этом полностью руководящей такую роль назвать нельзя, ведь управление людьми в неё не входит: нет ни работы с мотивацией сотрудников, ни планов их развития, ни корректирующей обратной связи. В таком формате эксперты, у которых нет склонности к менеджменту, получают возможность карьерного роста и масштабирования роли за счёт управления ИИ-агентами.
Специалистам, у которых есть опыт управления командами, переход в роль координатора ИИ-агентов даётся проще. Они уже знают как ставить задачи, предъявлять критерии качества, устанавливать контрольные точки и проверять результат. Экспертам без управленческого опыта чаще будет чуть сложнее, но недостаток этих навыков быстро закрывается правилами и практикой, и компании стоит учесть это при выстраивании треков развития.
С появлением новой роли горизонтальный рост сотрудников становится понятнее. Эксперт может оставаться в профессии, усиливать свой вклад через координацию цифровой команды и не переходить в управление людьми. При этом навык управления мини-проектом постепенно становится базовым для любого специалиста.
Личные эксперименты с агентами приветствуются и усиливают возможности конкретного специалиста. Но на уровне бизнеса драйвером изменений остаётся руководитель: он следит за технологией, встраивает её в процессы и помогает команде принять новые инструменты и правила работы.
Роль эксперта-координатора опирается на несколько ключевых компетенций:
-
постановка задачи для ИИ – это формулировка цели, контекста, ограничений и формата результата;
-
определение критериев качества – заранее зафиксированное описание того, что считается годным результатом, с указанием допустимых источников и метрик полноты;
-
установка контрольных точек – решение о том, где и когда проверяются промежуточные артефакты и что происходит при расхождении с ожиданиями;
-
приёмка и сборка финального результата – финальная проверка рисков и интеграция материалов агентов в единый документ, модель или презентацию;
-
управление доступами – обеспечение доступа к актуальной базе знаний, деперсонализация там, где она необходима, и разграничение прав.
Перечисленные компетенции отличаются от навыков управления людьми: мотивация, коучинг и развитие сотрудников в них не входят. Важен лишь навык структурирования задачи и управления мини-проектом через инструменты.
На самом деле, модель работы с ИИ-агентами очень похожа на работу с подрядчиками. Вы ставите задачу и заранее утверждаете критерии результата, оставляя реализацию на усмотрение исполнителя. Существенная разница в том, что с подрядчиком можно обсудить правки, даже если вы не разбираетесь в деталях его работы. С агентом так не получится: если результат не устраивает, а компетенции в предметной области нет, скорректировать его заметно труднее. Впрочем, модели с каждым месяцем становятся лучше и в этом вопросе.
Для перехода к работе с цифровой командой нужно определить новое распределение задач и прописать, что в новой конфигурации делает человек, что делает ИИ и в каких точках человек проверяет результат агента.
Лучше всего подобную конфигурацию описать на виртуальной доске. Она быстро вносит ясность и даёт понять, какие операции повторяются, где узкие места, какие участки процесса готовы к автоматизации. Например, в досках «Битрикс24» для этого можно создать канвас и разместить на стикерах задачи в двух зонах: задачи человека и задачи отдельных ИИ-агентов.
Для маркетолога такая карта выглядит примерно так:
-
Стикеры в зоне человека: постановка задачи агентам, верификация фактов и цифр, финальное редактирование, принятие решения о запуске кампании.
-
Стикеры в зоне ИИ: написание черновика поста, конкурентный анализ, генерация обложки, перевод на второй язык, подготовка отчёта по охватам.
В итоге канвас показывает полный периметр компетенций специалиста в новой конфигурации – задачи, которые раньше распределялись между несколькими коллегами или подрядчиками, теперь собраны в проект под руководством одного специалиста.
Стандартный формат работы с агентами выглядит так: агент выполняет задачу и присылает результат, человек проверяет, при необходимости правит и принимает финальное решение. По сравнению с работой без ИИ скорость выполнения растёт, при этом контроль над результатом сохраняется.
Новый подход приносит результат при соблюдении ряда правил:
-
Во-первых, качество информации, с которой работают агенты, необходимо контролировать – без единого источника правды, выстроенных доступов и корректных инструкций ИИ масштабирует ошибки.
-
Во-вторых, важно задать явные границы автоматизации: список задач, где она допустима, должен существовать рядом с перечнем зон, где решение остаётся за человеком. Главный фильтр при передаче задачи агенту – критичность возможной ошибки: чем выше цена ошибки, тем важнее оставить решение за человеком.
-
В-третьих, в каждый процесс нужно встраивать контрольные точки: человек принимает работу на всех шагах, ошибка в которых может обесценить весь результат.
Например, в системе сертификации это выглядит так: сначала автоматическая проверка агентом, затем проверка отклонений, и только в крайних случаях добавляется ручная проверка человеком.
На данный момент основная зона ограничений – работа с персональными данными и коммерческой тайной. Здесь важно детально зафиксировать, какая информация может передаваться агентам, а какая остаётся закрытой. В остальных случаях агенты либо могут решить задачу полностью, либо подготовить материалы для проверки и доработки человеком.
Специалисты, которые осваивают работу с цифровыми командами уже сейчас, получают профессиональное преимущество. Производительность таких людей растёт: они закрывают задачи, для которых раньше нужны были несколько человек, работают быстрее и выдают более сложный результат. Для компаний это означает, что эксперт-координатор становится одним из наиболее ценных участников команды и позволяет кратно увеличить производительность.
Чтобы не пропустить интересную для вас статью о малом бизнесе, подпишитесь на наш Telegram-канал и страницу в «ВКонтакте».