Около 56% российских компаний рассматривают внедрение ИИ-агентов для решения рутинных задач — например, автоматизации аналитики и клиентского сервиса. Благодаря активному спросу на отечественном рынке формируется экосистема решений для создания и внедрения автономных ИИ-агентов в бизнес-процессы.
- 1. Введение
- 2. Эволюция нейросетевых помощников
- 3. Готовые ИИ-агенты и ассистенты от российских разработчиков
- 4. Пути разработки собственного ИИ-агента
- 5. Фреймворки для ИИ-агентов
- 6. Законодательная база и стандартизация разработки ИИ-агентов
- 7. Риски агентных систем
- 8. Выводы
Введение
Если ещё пару лет назад бизнес и разработчики фокусировались на внедрении больших языковых моделей (LLM) и систем RAG (генерации с дополненным поиском), то сегодня российская индустрия переходит к эре ИИ-агентов (AI Agents).
Компания «Салют для бизнеса», входящая в группу Сбер, проанализировала запросы рынка и пришла к выводу, что 56% российских компаний заинтересованы во внедрении ИИ-агентов для автоматизации офисных процессов (40,4% опрошенных) и сокращения времени на рутинные задачи (15,6% опрошенных).
Цифры в разных исследованиях могут разниться, однако это не меняет тот факт, что повышенный интерес к ИИ-агентам стал одним из ключевых трендов 2026 года. Хотя большинство российских компаний пока только экспериментирует с LLM, уже очевидно, что в ближайшем будущем корпоративный ИИ трансформируется из отдельного инструмента в цифрового исполнителя.
Эволюция нейросетевых помощников
Массовый интерес к нейросетевым помощникам вспыхнул в конце 2022 года с выходом ChatGPT. Меньше чем за три года искусственный интеллект стал привычной частью повседневности. Крупные компании интегрировали его в своих «умных ассистентов»: «Алиса» (виртуальный ассистент и голосовой помощник, созданный компанией Яндекс) теперь может не только включить музыку, но и сама сочинять сказки, а Siri (встроенный голосовой ассистент от компании Apple), подключившись к ChatGPT, отвечает на любые вопросы.
Такие помощники всегда в режиме ожидания: на каждый запрос они дают ответ и ждут следующей команды. ИИ-агенты — это новый этап развития: они работают автономно, выполняют сложные задачи, не обращаясь к пользователю после каждого шага с вопросом «Правильно ли я делаю то, что вам нужно?». Для понимания вопроса эксперты консалтинговой компании «Яков и Партнёры» выделили шесть критериев полноценного ИИ-агента.
Рисунок 1. От ИИ-помощника к агенту: две рамки оценки (источник: yakovpartners.ru)
ИИ‑агент — это автономная система на базе большой языковой модели (LLM), которая не просто отвечает на запрос, а самостоятельно планирует и выполняет цепочку действий для достижения цели. Его цикл действий включает фазы: анализ, рассуждение, действие, оценка результата, корректировка плана. Агент может вызывать внешние инструменты (API, браузер, базы данных, офисные сервисы), менять порядок шагов и возвращаться к предыдущим этапам, если что‑то не сработало.
В отличие от классической LLM, ИИ-агент — это не просто «мозг», а «мозг + руки». Он обладает тремя ключевыми навыками:
- Планирование (Planning). Разбиение сложной задачи на отдельные подзадачи.
- Использование инструментов (Tool Use / Function Calling). Умение обращаться к API, искать информацию в интернете, делать запросы в 1С, Битрикс24, CRM или внутренние базы данных.
- Рефлексия (Reflection). Способность проверять свои же действия на ошибки и корректировать курс, если результат не соответствует ожидаемому.
В основе любого ИИ-агента лежат четыре взаимосвязанных компонента: языковая модель (LLM), инструменты (tools), память и оркестрация. В общем случае разработка ИИ-агента — способ реализовать эти четыре части.
Языковая модель выполняет роль мозга: она рассуждает и определяет, какое действие предпринять следующим. Инструменты и API — это «руки» агента, то есть функции для поиска в интернете, запросов к базе, отправки писем или запуска кода. Разработчик описывает их, а модель сама решает, когда и какой инструмент вызвать.
Память делится на краткосрочную (для сохранения контекста текущей задачи) и долгосрочную (для хранения фактов и предпочтений пользователя между сессиями). Также агент может обращаться к внешним хранилищам, если это предусмотрено архитектурой приложения. При работе с крупными массивами корпоративных данных, чтобы обойти ограничения контекстного окна современных моделей, обычно применяются векторные базы и механизмы RAG (Retrieval-Augmented Generation).
Оркестрация, или среда исполнения, принимает задачу, запускает цикл, вызывает инструменты по команде модели, следит за состоянием памяти и предотвращает зацикливание.
Рисунок 2. Наглядная архитектура ИИ-агента
Готовые ИИ-агенты и ассистенты от российских разработчиков
Чат-бот, который просто отвечает на вопросы, уже почти ушёл в прошлое. На смену ему пришли автономные системы, способные ставить цели, планировать шаги, использовать внешние инструменты (API, базы данных, корпоративные системы) и выполнять многоэтапные задачи с минимальным участием человека. Готовые ИИ-агенты и интеллектуальные ассистенты — это решения, которые можно внедрить без длительной разработки, поскольку они уже настроены под конкретные бизнес-задачи.
Чтобы отличить ИИ-агента от обычного ИИ-ассистента и копилота, лучше всего оценивать уровень автономности, способность к планированию и степень участия человека:
- ИИ‑ассистент. Это умный помощник, который предлагает варианты, аргументирует, но, в отличие от автономных ИИ-агентов, итоговое решение и запуск действий остаются за человеком. Примеры таких решений на российском рынке: «Ассистент преподавателя» от «СберОбразования», ИИ‑ассистент технической поддержки от KTS, «Голосовой ассистент хирургической безопасности», разработанный специалистами ИТ-холдинга Т1 и пр.
- Копилот. Термин «копилот» (дословно с англ. «второй пилот») пришёл из разработки (от GitHub Copilot) и закрепился как «помощник в профессиональной задаче»: в коде, аналитике, дизайне, текстах. Копилот тесно интегрирован с рабочей средой (например, IDE, графическим или текстовым редактором, CRM). Он даёт подсказки прямо в интерфейсе приложения, но не запускает самостоятельные операции. Примеры таких решений на российском рынке: Naumen Agent Copilot, ИИ-инструменты внутри BPM-платформы Pyrus, CoPilot от «Битрикс24», ИИ-инструменты в CRM BPMSoft, ИИ-сервисы внутри системы документооборота Directum и др.
Хотя с технической точки зрения есть принципиальная разница между ИИ-ассистентом, копилотом и ИИ-агентом, нужно учитывать, что в маркетинговых целях эти понятия часто смешивают, подразумевая под ними продвинутого ИИ-помощника или интеллектуального бизнес-ассистента. Такой ИИ-ассистент не просто отвечает на вопросы, а выполняет реальные действия от вашего имени: управляет календарём, работает с файлами и браузером, создаёт отчёты и презентации, ведёт переписку, выполняет shell-команды и даже пишет код.
Пример: в рейтинг «ИИ-ассистенты для бизнеса 2026» были включены не только решения для автоматизации бизнес-процессов с помощью ИИ-ассистентов, но и платформы для создания корпоративных ИИ-агентов.
Существующие на рынке решения постоянно совершенствуются и расширяют функциональность. Одновременно появляются новые продукты. Например, в августе 2026 года Сбер представил «ГигаАгента». По заявлению разработчика, это первый автономный агент в РФ, способный стать альтернативой иностранным ИИ-помощникам, таким как OpenClaw, Hermes Agent, NemoClaw. Сбер акцентирует внимание на универсальности и непрерывности работы этого ИИ-агента, его проактивности, способности переписывать собственный исходный код и таким образом постоянно улучшать свою работу.
Крупные российские компании уже запустили продвинутых ИИ-агентов для собственных нужд. Пример: «Афанасий Иванов» в Т-Банке, «Маркус» в Сбере, «Рубан» в Северстали и пр. Мы же рассматриваем публичные инструменты, доступные любой компании для создания собственного ИИ-агента.
Пути разработки собственного ИИ-агента
Говоря о российских ИИ-агентах, нельзя обойти стороной вопрос их создания. Если вас не устраивают готовые решения от отечественных компаний, можно «собрать» собственного нейросетевого помощника. Благодаря доступным средствам разработки эта задача сейчас максимально упрощена.
В 2026 году разработка собственного ИИ-агента в компаниях чаще всего идёт по одному из двух путей: сборка в визуальном конструкторе или написание кода вручную.
Рисунок 3. Пример визуального конструктора для создания ИИ-агентов (источник: playboom.ru)
Отечественные платформы для создания ИИ-агентов
Платформы для создания ИИ-агентов — это универсальные среды, позволяющие компаниям самостоятельно разрабатывать агентов под свои задачи — от простых ассистентов до мультиагентных систем.
Сейчас на российском рынке уже представлен широкий выбор продуктов для сборки ИИ-агентов. Рассмотрим отечественные GenAI-платформы корпоративного уровня для создания ИИ-агентов без привязки к какой-либо конкретной среде.
Яндекс AI Studio
Яндекс AI Studio — платформа для создания ИИ-агентов под задачи бизнеса от корпорации «Яндекс». Работая с ней, компании могут задавать агентам правила работы, подключать корпоративные данные и внешние сервисы, встраивать агентов в свои продукты и бизнес-процессы.
На платформе доступны разные нейросетевые модели — разработки Яндекса и модели с открытым исходным кодом. ИИ-агентов можно создавать с помощью кода — для этого на платформе есть API и SDK. Разработчики могут использовать их, чтобы встроить модели и агентов в мобильное приложение, личный кабинет клиента или внутреннюю систему компании. Пользователи без навыков программирования могут собрать агента самостоятельно в интерфейсе консоли платформы: описать его задачи и правила работы, добавить материалы компании и проверить ответы, а затем подключить его к Telegram, «МАКС», чатам «Телемоста» или разместить на сайте через веб-виджет.
Компания может проверить, какие данные и сервисы использовал агент при выполнении поручения и на чём основан результат. Это помогает контролировать его работу и соблюдение корпоративных правил. В интерфейсе можно отслеживать расходы, скорость работы и потребление ресурсов.
В облачной версии данные разных пользователей логически изолированы и шифруются при хранении и передаче. Доступ к платформе настраивается по ролям сотрудников. Сохранение запросов и ответов для улучшения сервиса можно отключить. Для истории диалогов и загруженных файлов действуют отдельные правила хранения.
Компании также могут использовать готовые ИИ-решения на базе Яндекс AI Studio. Так, в сентябре 2026 года Yandex B2B Tech представил Алису AI Про для бизнеса — универсального агента для решения различных бизнес-задач.
Рисунок 4. Создание ИИ-агента на платформе Яндекс AI Studio (источник: yandex.cloud)
Варианты развёртывания: Яндекс AI Studio можно использовать в облаке, развернуть на серверах компании или выбрать гибридную схему, оставив часть компонентов внутри организации и обращаясь к облачным моделям через частное соединение.
Платформа Yandex Cloud, на базе которой функционирует Яндекс AI Studio, входит в реестр российского ПО (реестровая запись № 9286 от 20.02.2021).
Больше информации — на официальном сайте.
AgentNavigator
Это решение создано компанией «ЦРТ-Инновации» (входит в группу компаний ЦРТ), известной многолетним опытом в области распознавания и синтеза речи. Платформа предназначена для разработки и применения ИИ-агентов через визуальный low-code-конструктор, позволяющий строить пайплайны и гибко настраивать запросы к агентам, информационным системам и LLM.
Она позволяет создавать ИИ-помощников для автоматизации как отдельных задач, так и целых бизнес-процессов, с возможностью обогащения данных из внешних источников. Также реализованы создание, хранение и настройка промптов, построение цепочек запросов к генеративному ИИ с промежуточной обработкой данных. Платформа поддерживает операционные системы Astra Linux, РЕД ОС, AlmaLinux, Oracle Linux Server, Red Hat Enterprise Linux. Для доступа к ней можно использовать браузеры Chrome, Яндекс.Браузер, Firefox и Microsoft Edge. Предусмотрено подключение через API к существующей информационной инфраструктуре.
Решение ориентировано на государственные структуры и крупные компании из разных отраслей, включая финансовую, промышленную и телекоммуникационную, где нужно работать с большими объёмами знаний и документации.
Отдельно следует отметить встроенный механизм деперсонализации и обезличивания данных, обеспечивающий защиту конфиденциальной информации при работе с платформой. Это ключевой элемент безопасности, позволяющий использовать AgentNavigator в средах с повышенными требованиями к защите данных.
Рисунок 5. Схема работы AgentNavigator (источник: speechpro.ru)
Варианты развёртывания: в закрытом контуре заказчика.
Платформа для работы с ИИ-агентами AgentNavigator входит в реестр российского ПО (реестровая запись № 29369 от 29.08.2025).
Больше информации — на официальном сайте.
GigaCowork (ГигаКоворк)
Платформа для создания и управления ИИ-агентами, разработанная российской ИТ-компанией «Салют для бизнеса» (входит в группу Сбер). Решение позволяет делегировать рутинные шаги бизнес-процессов ИИ-агентам, описывая задачи обычным языком, без участия разработчиков и перестройки внутренних ИТ-систем.
Пользователи платформы могут создавать собственных агентов или использовать готовые роли для цифровых сотрудников. Для этого в GigaCowork есть каталог навыков и плагинов для типовых офисных задач. Навык представляет собой пошаговую инструкцию, по которой агент выполняет конкретную задачу. Например, навык «Анализ отклонения плана продаж» сопоставляет плановые и фактические продажи и прогнозирует выручку, а «Оценка резюме» помогает HR-специалистам быстро отобрать кандидатов под вакансию.
А плагины — наборы готовых инструкций, команд и агентов — позволяют, например, сотруднику закупок делегировать ИИ весь цикл бизнес-процесса: от заявки до выбора поставщика и подготовки пояснительной записки.
Таким образом, пользователи GigaCowork могут создавать агентов, которые целиком берут на себя задачи сотрудника: готовят аналитические отчёты, рассчитывают проекты и оценивают риски, создают проекты документов и выполняют другие рутинные офисные задачи. Агенты интегрируются в корпоративные системы (CRM, 1С, почту и другие), анализируют контекст, выполняют задачи и отдают результат на подтверждение человеку.
Рисунок 6. Стартовый экран платформы GigaCowork (источник: cowork.ru)
Варианты развёртывания: облако, гибридный формат (обработка данных в периметре компании, LLM — в облаке) или ПАК (работа на серверах внутри контура компании).
GigaChat входит в реестр российского ПО (реестровая запись № 35471 от 05.10.2026).
Больше информации — на официальном сайте.
Just AI Agent Platform
Компания Just AI (Маинд Крафт) является разработчиком Agent Platform — enterprise-решения для создания и управления автономными ИИ-агентами. Платформа поддерживает no-code- и low-code-разработку, позволяя собирать как простых агентов для рутинных задач внутри отдельных департаментов, так и сложные мультиагентные системы, охватывающие всю организацию.
Например, один агент принимает и понимает запрос, а другой выполняет необходимое действие. Решение не привязано к конкретному поставщику ИИ-моделей. Через сервис Caila разработчикам доступно более 350 моделей по единому API, включая YandexGPT, GigaChat, модели OpenAI и DeepSeek. При необходимости можно подключить и собственные модели, развёрнутые в инфраструктуре компании. Для голосовых решений доступны Just AI ASR/TTS или один из семи сторонних провайдеров. Платформа поставляется в облачном или on-premise варианте, сопровождается SLA и выделенной командой внедрения.
Одна из особенностей платформы — ИИ-ассистент для вайб-кодинга: он генерирует проекты из модулей конструктора с нуля по заданию, создаёт персонализированные функции на JavaScript и Python, тестирует агентов и устраняет выявленные проблемы. Из коробки пользователю доступен более широкий выбор интеграций: MCP, CRM, ERP, базы данных, мессенджеры (включая «МАКС», Telegram, WhatsApp, Mattermost), таск-трекеры и колл-центры. Также есть каталог шаблонов агентов, а для самостоятельного развёртывания предусмотрен бесплатный открытый дистрибутив Just AI Agent Platform.
Механизмы и стандарты безопасности, реализованные в платформе, включают SSO/SAML-аутентификацию, модуль маскирования персональных данных Jay Guard, ролевую модель доступа (RBAC) и аудит действий.
Рисунок 7. Создание ИИ-агента на платформе Just AI Agent Platform (источник: just-ai.com)
Варианты развёртывания — в облаке (Just AI Agent Platform Cloud) или в закрытом контуре под ключ (Just AI Agent Platform Enterprise).
Just AI Agent Platform входит в реестр российского ПО (реестровая запись № 32281 от 17.02.2026).
Больше информации — на официальном сайте.
MWS AI Agents Platform
MWS AI Agents Platform создана компанией MWS AI (MTS Web Services), входящей в структуру МТС и являющейся центром компетенций по искусственному интеллекту. Это enterprise-платформа для управления жизненным циклом ИИ-агентов, позволяющая без глубоких технических знаний создавать виртуальных помощников и настраивать их под задачи крупных коммерческих и государственных организаций.
Платформа подходит для создания ИИ-агентов и мультиагентных систем без навыков программирования. В неё входят инструменты AutoML, autoRAG, ASR/TTS и широкие MLOps-возможности. Интеграционная платформа MWS Octapi (также включённая в реестр российского ПО) служит основным инструментом встраивания агентов в корпоративный ландшафт по low-code-подходу.
Выбор LLM широк: кроме моделей семейства Cotype (Cotype Pro 3, Cotype Light 3), включённых в реестр российского ПО и уже адаптированных под корпоративные требования, есть возможность подключать собственные модели заказчика и другие рыночные решения. Также доступны преднастроенные ИИ-ассистенты: цифровой аналитик, ИИ-помощник колл-центра, ИИ-рекрутер и корпоративный ИИ-помощник.
Платформа поддерживает быстрое тестирование бизнес-сценариев и новых функций, эксперименты и A/B-тесты. В составе есть «песочница» (Sandbox) — изолированная среда для запуска и проверки кода, написанного ИИ-агентом, без доступа к рабочим системам.
Рисунок 8. Создание ИИ-агента на платформе MWS AI Agents Platform (источник: tadviser.ru)
Варианты развёртывания: облако (SaaS), локальная инфраструктура (ПАК) или гибридный вариант.
MWS AI Agents Platform входит в реестр российского ПО (реестровая запись № 34811 от 18.08.2026).
Больше информации — на официальном сайте.
Nodul
Российская low-code/no-code-платформа автоматизации от компании «Ноукод» позиционируется как отечественная альтернатива n8n, Zapier и Make. Она позволяет создавать автономных ИИ-агентов и автоматизировать бизнес-процессы, поддерживая как российские модели YandexGPT и GigaChat, так и зарубежные LLM. Всего в единой подписке более 300 моделей, включая GPT, Claude и Llama. Развитие идёт по модели PLG с активным комьюнити, предусмотрены white-label-версия и публичный roadmap. Ключевым элементом для создания ИИ-агентов выступает встроенный RAG, который обеспечивает доступ к внешним базам знаний и повышает качество ответов.
Облачная составляющая платформы, Nodul, делает интеграцию сервисов и автоматизацию рабочих процессов доступной без необходимости писать код. Пользователи соединяют различные приложения, такие как Yandex, МойСклад и amoCRM, через API, используя встроенные модули для популярных задач, а при необходимости могут добавить собственный код для индивидуальных решений.
Надёжность обеспечивает команда разработчиков — платформа создана фаундерами Carprice.ru, одной из крупнейших российских площадок для оценки и продажи автомобилей. Решение полностью соответствует 152-ФЗ, а серверы размещены в России, что гарантирует защиту персональных данных и соблюдение законодательства.
Рисунок 9. Создание ИИ-агента на платформе Nodul (источник: ms-nodul.ru)
Варианты развёртывания: облачное решение, контур клиента или гибрид.
Платформа автоматизации с ИИ-агентами Nodul входит в реестр российского ПО (реестровая запись № 35049 от 07.09.2026).
Больше информации — на официальном сайте.
VK AI Space
VK Tech выпустила платформу VK AI Space, предназначенную для работы с мультиагентными ИИ-системами внутри закрытого корпоративного периметра — от их создания до повседневной эксплуатации. Пользователям доступен набор заранее настроенных языковых моделей от VK, среди которых Diona, прошедшая обучение на отечественных датасетах, включая данные социальной сети VK, а также ряд распространённых open-source-решений. Также на платформе VK AI Space можно настроить доступ к моделям внешних провайдеров. Под типовые сценарии подготовлена библиотека готовых агентов: они умеют суммировать информацию, переводить тексты, искать по внутренним базам знаний, формировать документы и вести протоколы встреч.
В июне 2026 года платформа получила поддержку мультиагентных систем: несколько специализированных агентов совместно решают задачу, с которой не справился бы один универсальный агент, а пользователь получает единый ответ, хотя за ним стоит целая команда. Через месяц VK AI Space добавила многоуровневую память — агенты сохраняют контекст между сессиями и проектами и используют уже найденные решения повторно, не начиная каждую задачу с нуля. Критические и необратимые действия агентов — доступ к внешним системам, массовые операции — всегда требуют подтверждения со стороны человека.
В августе 2026 года VK Tech расширила возможности VK AI Space, добавив хуки — контрольные точки, с помощью которых задаётся строгий регламент для автономных агентов. Благодаря этому компании получают инструмент для установки чётких правил и ограничения самостоятельности алгоритмов, что снижает риски и возможный ущерб.
Главное отличие платформы заключается в том, что каждый агент действует в собственной изолированной среде. Организация сама устанавливает, какие системы и данные ему доступны, что разрешено, а что находится под запретом. Даже если алгоритм примет ошибочное решение, он не сможет покинуть очерченную для него зону. Дополнительный уровень защиты обеспечивает модуль Guardrails: ML-классификаторы проверяют запросы и ответы агентов, маскируют персональные данные и блокируют потенциально опасные действия до того, как они будут выполнены.
Рисунок 10. Создание ИИ-агента на платформе VK AI Space (источник: tech.vk.ru)
Варианты развёртывания — on-premise, на VK Cloud или в формате ПАК по подписке.
VK AI Space входит в реестр российского ПО (реестровая запись № 19466 от 17.10.2023).
Больше информации — на официальном сайте.
Другие решения для автоматизации с ИИ
Помимо универсальных платформ для создания ИИ-агентов, на российском рынке представлены и другие инструменты автоматизации с использованием искусственного интеллекта:
- RPA-платформы (системы роботизации) с ИИ-надстройкой. Примеры таких решений на российском рынке: Sherpa AI, Robin AI.
- LCAP-платформы, к которым вендоры добавили GenAI-слой — их можно рассматривать как GenAI-платформы с привязкой к конкретной экосистеме. Примеры: SimpleOne GenAI для экосистемы SimpleOne, ELMA Cortex для платформы ELMA365.
- Конструкторы чат-ботов для мессенджеров и соцсетей на базе искусственного интеллекта. Примеры: BotMan, «СофтРестЧат», BotHelp, Richat.
- Узкоспециализированные ИИ-продукты. Примеры: платформа Tomoru для создания голосовых роботов и ZipZap Agent для автоматизации техподдержки.
При этом далеко не все российские продукты, поставщики которых заявляют, что их решения позволяют собирать ИИ-агентов, в полной мере соответствуют критериям GenAI-платформ: так, в исследовании «ИИ-агенты: где хайп, а где реальность» эксперты назвали зрелыми только четыре из двенадцати рассмотренных российских продуктов этого класса.
Фреймворки для ИИ-агентов
Для команд, предпочитающих разрабатывать агентов с нуля и использовать кастомную логику, доступны специализированные фреймворки. Фреймворк — это совокупность инструментов, готовых компонентов и методик, которые упрощают создание программ для интеллектуальных агентных систем. Он задаёт структуру и помогает выстраивать логически связанные цепочки рассуждений, избавляя разработчика от необходимости собирать всё с нуля.
Наиболее известные фреймворки для создания ИИ-агентов: LangGraph, CrewAI, OpenAI Agents SDK, Claude Agent SDK. Однако в этой категории продуктов есть и российские разработки:
- GigaChain — это фреймворк для разработки приложений с использованием больших языковых моделей (LLM), например, GigaChat или YandexGPT. По сути, это адаптированная для российских языковых моделей версия библиотеки LangChain (SDK). Проект представлен компанией SberDevices, относящейся к экосистеме Сбера. Он имеет открытый исходный код и доступен на GitHub.
- MAESTRO (Multi‑Agent Ecosystem of Task Reasoning and Orchestration) — единый технологический стандарт для разработки ИИ-агентов в различных профессиональных областях. Разработан Институтом AIRI, который является научным партнёром Сбербанка. Поддерживает мультиагентное взаимодействие и решение комплексных задач. Пример использования Maestro — медицинский помощник, интегрированный в систему «СберЗдоровье».
Рисунок 11. Устройство фреймворка MAESTRO (источник: habr.com)
В отличие от визуальных конструкторов, где логика агентов собирается мышкой из готовых блоков, через фреймворк нужно описать агента на Python или JavaScript. Порог входа для использования подобных инструментов выше, но это единственный выход, если возможностей конструктора уже не хватает.
При этом под российскими фреймворками для создания ИИ-агентов могут подразумеваться не только фреймворки оркестрации, но и методологии. Пример: RAGU (Retrieval-Augmented Graph Utility) — модульный фреймворк с открытым исходным кодом, разработанный Новосибирским государственным университетом для построения графов знаний по текстовым документам. Он позволяет повысить точность и надёжность ответов нейросети, снижая риск галлюцинаций. Также разработка положена в основу системы «Менон» — цифрового помощника абитуриента НГУ, который ведёт диалог и формулирует ответы, опираясь на структурированную базу данных.
Законодательная база и стандартизация разработки ИИ-агентов
Параллельно с развитием экосистемы инструментов в России активно развивается нормативная база для разработки ИИ-агентов.
Основные нормативные документы в сфере ИИ, действующие в РФ:
- ГОСТ Р 71476-2024 (ИСО/МЭК 22989:2022). Национальный стандарт РФ, который определяет терминологию и концепции в сфере ИИ. Служит основой для разработки других стандартов.
- Федеральный закон № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации», вступивший в силу 1 сентября 2026 года. Регулирует разработку, внедрение и применение больших фундаментальных ИИ-моделей, а также определяет, какие из них государство сможет признавать суверенными.
- Отраслевые стандарты. Технический комитет № 164 «Искусственный интеллект» разрабатывает стандарты, учитывающие специфику конкретных отраслей (транспорт, промышленность, здравоохранение, образование и др.). Например, существуют ГОСТы, регулирующие применение ИИ в клинической медицине.
Сами разработчики акцентируют внимание на необходимости жёстких стандартов использования ИИ-технологий от регуляторов — в частности, утверждения ГОСТ Р «Защита информации. Разработка безопасного программного обеспечения, реализующего технологии искусственного интеллекта. Общие требования». На момент написания статьи проект находится на рассмотрении.
Риски агентных систем
Создавая ИИ-агента, нельзя забывать про возможность кражи данных через него. Хотя вероятность утечки конфиденциальной информации в этом случае ниже, чем при использовании публичных ИИ-сервисов, компания-заказчик должна сама озаботиться вопросом, как обеспечить безопасность корпоративных ИИ-платформ и ИИ-агентов. Кроме того, нельзя допускать использование сотрудниками теневых ИИ (Shadow AI).
AI Security — это комплекс мер, практик и технологий для защиты ИИ-систем. К этой дисциплине относятся, например, защита от промпт-атак и использование AI Firewall. Подробнее мы рассказывали о них в отдельных статьях.
Специально для российского рынка компания Swordfish Security разработала SAIMM — фреймворк оценки зрелости безопасности ИИ. Он включает карту угроз и профилактических мер с учётом требований регуляторов. Это не инструмент разработки, а модель, которая описывает возможные риски и предлагает дорожную карту безопасной разработки ИИ-технологий, адаптированную под Россию. В таксономию вошло около 80 уязвимостей, в том числе компрометация моделей, обход ограничений и конфликт иерархии инструкций.
Выводы
Российский рынок ИИ-агентов находится на этапе активного формирования. Уже сейчас заказчикам доступны зрелые enterprise-платформы от крупных вендоров, готовые отраслевые решения для клиентского сервиса и автоматизации, а также открытые фреймворки для кастомной разработки.
При выборе конкретного инструмента разработки стоит учитывать не только его функциональность, но и саму задачу, имеющийся бюджет, требования к безопасности, возможность развёртывания в закрытом контуре, квалификацию команды, соответствие требованиям регуляторов.
