Контекстная инженерия и детерминированные правила AI-агента: как сделать агентные процессы управляемыми

Короткий ответ: AI-агент становится управляемой частью B2B-процесса, когда у него есть актуальный контекст, детерминированные ограничения, понятные полномочия и проверяемый маршрут эскалации.

Короткий ответ: Контекстная инженерия отвечает за то, какие данные и правила видит агент перед действием, а детерминированная логика защищает обязательную последовательность шагов.

Короткий ответ: Начинать внедрение следует с одного рабочего сценария, где можно измерить качество результата и безопасно вернуть решение человеку.

Почему одного промпта недостаточно

Промпт задаёт стиль рассуждения и формат ответа, но не гарантирует, что агент получит нужную карточку клиента, учтёт последнюю версию договора или выполнит проверки в правильном порядке. В операционном процессе важны не только слова инструкции, но и архитектура информации вокруг агента: источники данных, права доступа, порядок извлечения сведений, ограничения инструментов и журнал действий.

Для российских и международных компаний это особенно значимо. В CRM могут храниться разные стадии сделок, в бухгалтерской системе — собственные справочники, а в базе знаний — документы с разными сроками актуальности. Агенту нельзя просто дать широкий доступ ко всем системам. Сначала нужно определить, какие сведения необходимы для конкретной задачи, кто владеет каждым источником и как подтверждается обновление.

Шесть элементов управляемой агентной модели

Элемент	Что нужно описать	Что получает бизнес
Цель	Результат, границы задачи и критерий завершения	Агент работает не ради ответа, а ради измеримого шага процесса
Контекст	Карточка клиента, история, документы, статус и ограничения	Решение опирается на фактическое состояние работы
Правила	Последовательность проверок, обязательные условия и запреты	Критичные операции выполняются предсказуемо
Инструменты	Разрешённые вызовы CRM, почты, документооборота и справочников	Агент способен выполнить действие, а не только дать рекомендацию
Контроль	Порог риска, подтверждение человека и порядок отмены	Спорное решение не становится внешним действием без ответственности
Наблюдаемость	Журнал входов, решений, результатов и обратной связи	Команда видит причину ошибки и может улучшать процесс

Контекстная инженерия: что должен видеть агент

Полезный контекст не равен максимально большому объёму данных. Если передать агенту всю историю клиента, он потратит ресурсы на поиск нужного факта и может смешать старые договорённости с текущими. Лучше собрать сценарный пакет: цель текущего шага, идентификатор объекта, свежие события, применимые правила, ограничения доступа и примеры корректного результата.

Как собрать контекстный пакет

• определите бизнес-событие, которое запускает агента: новая заявка, изменение стадии сделки, просроченная задача или вопрос клиента;
• выберите минимальный набор полей и документов, без которых действие нельзя выполнить;
• укажите источник истины для каждого поля и правило разрешения конфликтов;
• добавьте ограничения: что агент не вправе обещать, изменять или отправлять;
• сохраняйте краткое объяснение, какие данные повлияли на решение.

Такой подход полезен не только в продажах. В HR агент может получить профиль вакансии, требования руководителя и статус согласования, но не должен самостоятельно принимать кадровое решение. В поддержке он видит продукт, версию, историю обращений и допустимые компенсации, однако спорную выплату передаёт сотруднику. В финансах контекст должен включать период, валюту, статус документа и правило согласования; любое изменение платёжного поручения требует отдельной проверки.

Детерминированные правила как страховка процесса

Детерминированная логика задаёт шаги, которые должны выполняться в фиксированном порядке независимо от формулировки ответа модели. Например, перед созданием коммерческого предложения агент обязан проверить актуальность продукта, доступную скидку, валюту, лимит полномочий и ответственного согласующего. Если хотя бы одно условие не выполнено, действие останавливается и создаётся задача для человека.

Правила удобно описывать как последовательность проверок и явных переходов. Для каждого шага нужны входные данные, допустимый результат, причина отказа и следующий маршрут. Это делает процесс понятным для разработчика, владельца функции и аудитора. Модель при этом остаётся полезной там, где требуется интерпретация текста, классификация намерения или подготовка черновика.

Не следует превращать детерминированный слой в бесконечный список исключений. Сначала автоматизируйте устойчивый сценарий с понятными условиями, затем добавляйте новые ветки только после наблюдений за реальными отказами. по практике Unlim Group, рабочая граница проходит там, где цена ошибки ещё приемлема для обучения, а результат можно проверить по объективным признакам.

Программный доступ к системам

Агенту нужен не визуальный экран, а безопасный интерфейс действия. Для CRM это могут быть чтение карточки, создание задачи, обновление разрешённого поля и запись комментария. Для документооборота — поиск версии, создание черновика и запуск маршрута согласования. Для поддержки — получение обращения, поиск статьи и передача эскалации.

Каждому инструменту назначайте минимальные права. Отдельно различайте чтение, черновик, отправку и изменение критичных данных. Полезно предусмотреть идемпотентность: повторный вызов не должен создавать две заявки или два платежа. Журнал должен фиксировать объект, действие, параметры, результат и ссылку на правило, чтобы при разборе инцидента можно было восстановить ход работы.

Внутренние материалы Unlim Group помогают связать эту часть с уже описанными подходами: см. AI-агент для корпоративных знаний и управление AI-агентами и границы безопасности.

Жизненный цикл агента после запуска

Запуск модели в тестовой среде не означает, что процесс готов к продакшену. Для каждого агента назначьте владельца, оператора и человека, принимающего эскалации. Владелец отвечает за цель и правила, оператор разбирает отклонения, а руководитель функции утверждает изменение полномочий.

Перед расширением сценария соберите набор контрольных примеров: обычные ситуации, пограничные случаи, неполные данные, конфликтующие документы и попытки выполнить запрещённое действие. После обновления инструкций, справочников или интеграций прогоняйте эти примеры снова. Если изменился источник данных, проверяйте не только ответ агента, но и право доступа, формат полей и последствия действия.

Практические шаги для внедрения в РФ и СНГ

1. Выберите один процесс с повторяющимся входом и понятным результатом. Например, подготовку сделки к передаче на этап или маршрутизацию типового обращения.
2. Опишите событие запуска, владельца, критерий завершения и действия, которые агенту запрещены.
3. Составьте карту контекста и назначьте источник истины для каждого обязательного поля.
4. Реализуйте детерминированные проверки до любого внешнего действия.
5. Запустите режим подсказок, где агент предлагает шаг, а сотрудник подтверждает его.
6. Добавьте журнал решений, контрольные примеры и простую кнопку возврата человеку.
7. После стабильной работы расширьте полномочия только для операций с низким риском и явным критерием качества.

Для проектов в РФ и СНГ отдельно проверьте требования к персональным данным, локализации хранения, ролевому доступу и отраслевым ограничениям. Не копируйте зарубежную архитектуру целиком: адаптируйте роли, системы и маршруты согласования под фактический ландшафт компании.

Какие метрики покажут управляемость

Оценивайте не только долю автоматических ответов. Смотрите, сколько задач агент завершил без повторного обращения, как часто требуется подтверждение, где возникают остановки, сколько действий отменено человеком и как меняются ошибки после обновления контекста. Для каждого сценария полезно хранить причины эскалации: нехватка данных, конфликт правил, низкая уверенность или высокий риск.

Хорошая модель внедрения сохраняет возможность остановиться. Если источник недоступен, правило устарело или действие выходит за полномочия, агент должен не угадывать, а создать понятную задачу для сотрудника. Именно сочетание контекстной инженерии, детерминированных ограничений и наблюдаемого жизненного цикла превращает демонстрацию AI в надёжный инструмент B2B-операций.