Модуль 1.1: ИИ, чатбот и агент

Ведущая: Привет-привет! С вами «Учёба» — курс про искусственный интеллект, который можно слушать за рулём, в метро или на кухне. Записывать ничего не нужно, а упражнения мы оставим на потом.

Ведущий: Сегодня у нас целый модуль, самый первый в курсе. Четыре части. Первая: что такое ИИ и как устроены модели вроде ChatGPT. Вторая: чем чатбот отличается от агента. Третья: какие бывают агенты. И четвёртая: для каких задач их брать, а для каких лучше не надо.

Ведущая: Звучит как план на вечер. Поехали?

Ведущий: Поехали!

Ведущая: Начнём с признания. Слово «нейросеть» я слышу из каждого утюга, и у меня в голове всё слиплось в кашу. ИИ, машинное обучение, LLM... Это вообще одно и то же?

Ведущий: Нет, и разложить это проще, чем кажется. Искусственный интеллект — самое широкое понятие. Это целая область информатики: как научить программы решать задачи, для которых обычно нужен человеческий ум. Калькулятор считает, потому что его так запрограммировали. Шахматный компьютер уже сам учится выигрывать. А ChatGPT понимает вопрос и пишет связный текст. Три ступеньки одной лестницы.

Ведущая: То есть это такая матрёшка?

Ведущий: Именно матрёшка! Самая большая — ИИ. Внутри неё машинное обучение: программа учится на примерах, а не по готовым правилам. Внутри него глубокое обучение, то есть нейросети. А в самой маленькой матрёшке сидят LLM, большие языковые модели. ChatGPT, Claude, Gemini — всё это LLM.

Ведущая: Хорошо, LLM. А как она работает? Она меня правда понимает?

Ведущий: Лучшая аналогия из урока — очень начитанный студент. Представьте: он прочитал миллионы книг и статей. Вы начинаете фразу: «Столица России — это...» — и он тут же продолжает: «Москва». Не потому что заглянул в справочник, а потому что видел эту фразу тысячи раз.

Ведущая: То есть она просто угадывает следующее слово?

Ведущий: Да, и так слово за словом. Модель смотрит на то, что уже написано, прикидывает, какое слово вероятнее всего пойдёт дальше, и выбирает его. Потом смотрит на текст уже с этим словом и выбирает следующее. И так до конца ответа.

Ведущая: Звучит слишком просто для того, что она умеет.

Ведущий: Просто по замыслу, но не по масштабу: её обучили на огромном количестве текстов. Отсюда слово «большая» в названии. И запомните одну вещь: модель продолжает текст правдоподобно. Поэтому иногда она звучит очень уверенно, а ошибается. Мы к этому ещё вернёмся, когда будем говорить о том, чему нельзя доверять.

Ведущая: Теперь три слова, которые я постоянно слышу: токены, контекст и температура. Расшифруйте по-человечески.

Ведущий: Токены. Модель читает не слова целиком, а кусочки текста. Иногда кусочек — короткое слово, иногда — только часть длинного. Будто она строит из кирпичиков, а не из готовых стен. Токены считают, когда говорят о лимитах и ценах.

Ведущая: Дальше — контекстное окно.

Ведущий: Это память модели, пока идёт один разговор: сколько текста она держит перед глазами одновременно. Если разговор длиннее окна, самые ранние сообщения модель просто забывает. У разных моделей окна разные, а свежие цифры лежат в уроке на сайте, их там проверяют и обновляют.

Ведущая: И температура. Это про перегрев процессора?

Ведущий: Ха, нет, хотя звучит похоже. Это ручка творчества. Низкая температура: модель берёт самое вероятное слово. Подходит для фактов и кода, потому что получается точно и предсказуемо. Высокая: модель смелее берёт необычное. Дадите ей начало «Небо — это...» — на нуле получите «голубое». А на высокой могут прийти «безграничное» или даже «пластилиновое».

Ведущая: «Пластилиновое небо» — мне нравится! Но для отчёта, наверное, не надо.

Ведущий: Для отчёта не надо. Для фактов — низкая, для идей — повыше. В обычном чате такой ручки может и не быть, но когда увидите её в настройках, будете знать, что это.

Ведущая: А как выбрать модель? Их же целый зоопарк.

Ведущий: Зависит от задачи. Нужна универсальная помощь — ChatGPT или Claude. Нужно прочитать много текста за раз — Claude или Gemini. Работаете на русском из России — есть GigaChat от Сбера и YandexGPT в Алисе. Бюджет ограничен — есть бесплатные варианты. Свежая таблица с моделями и ценами лежит в уроке на сайте, она обновляется, поэтому цифры вслух мы называть не будем.

Ведущая: Часть вторая. Чатбот и агент. Мне всегда казалось, что это одно и то же, просто «агент» звучит дороже.

Ведущий: Самое частое заблуждение! Давайте на картинке. Вы приходите к консультанту по маркетингу и спрашиваете: «Как мне увеличить продажи?» Он вас слушает и даёт умный совет: попробуйте рассылки, подтяните поиск, делайте контент. А потом вы идёте и делаете всё это сами. Это чатбот.

Ведущая: А агент?

Ведущий: Агент — это личный ассистент. Вы говорите: «Помоги увеличить продажи». И он сам смотрит ваш сайт, проверяет аналитику, пишет рассылку, публикует материал и присылает вам отчёт. Консультант СОВЕТУЕТ, а ассистент ДЕЛАЕТ.

Ведущая: Значит, чатбот только говорит.

Ведущий: Только отвечает. Он не откроет файл на вашем компьютере, не запустит код, обычно не пойдёт искать свежую информацию в сети и не отправит письмо. И ещё не запомнит вас между разговорами. Примеры из урока: ChatGPT и Gemini в базовом виде, YandexGPT, чат на сайте любой компании.

Ведущая: А что умеет агент?

Ведущий: Пять вещей. Думает — для этого внутри у него та самая LLM. Выбирает инструмент. Делает действие этим инструментом. Проверяет, что получилось. И если не сработало, пробует другой путь. Из знакомого: Claude Code, который читает код и запускает его, Cursor для программистов, Perplexity, который ищет свежую информацию, и автоматизации в n8n.

Ведущая: Покажите, как это выглядит в жизни.

Ведущий: Вы просите: «Проанализируй мой файл с продажами». Агент сначала читает файл. Потом запускает анализ. Строит график. Присылает отчёт. Каждый шаг — один оборот цикла: наблюдать, думать, действовать, проверять. И так по кругу, пока задача не решена.

Ведущая: Наблюдать, думать, действовать, проверять. Запомню как «глаза, голова, руки, контроль»!

Ведущий: Отличная связка. В уроке на сайте этот цикл нарисован схемой, на неё удобно смотреть.

Ведущая: А откуда всё это взялось? Агенты же не вчера появились.

Ведущий: Три этапа, по датам из урока. Первый — чатботы на правилах, примерно с двухтысячных до десятых годов. Если в сообщении слово «привет», ответь «Привет!». Жёстко, контекста не понимают, правил нужны сотни. Второй — чатботы на LLM, с две тысячи двадцать второго по двадцать четвёртый год. Гибкие, говорят как люди, но только говорят. И третий — агенты. Они уже действуют.

Ведущая: Значит, чатбот — это не плохо, а просто другое?

Ведущий: Именно. Агенты сложнее и дороже, зато на больших задачах экономят время. Правило простое: нужен ответ — берите чатбот. Нужно что-то сделать — берите агента.

Ведущая: Давайте проверим слушателей. Три задачи, отвечайте про себя: чатбот или агент? Первая: «Что значит слово "экспорт"?»

Ведущий: Чатбот. Простой вопрос-ответ. Вторая?

Ведущая: «Обработай мои пятьдесят фотографий: уменьши размер и сожми».

Ведущий: Агент. Надо открыть файлы и выполнить действия. Третья?

Ведущая: «Собери информацию о конкурентах с этих пяти сайтов».

Ведущий: Тоже агент. Нужен выход в сеть и несколько шагов подряд.

Ведущий: Часть третья. Агентов бывает много, и я в них путаюсь. Давай ты разложишь по полочкам?

Ведущая: Давай! В уроке самая удобная раскладка для новичков — пять типов. Первый: персональные помощники. Это агенты, которые работают на вас лично. Подключаются к календарю, почте, файлам, запоминают ваши предпочтения и действуют от вашего имени.

Ведущий: Например?

Ведущая: Custom GPT от OpenAI — это ChatGPT, настроенный под ваши данные. Или Claude Projects: рабочее пространство с долгой памятью, куда вы кладёте документы, правила, цели. Скажете: «Встреча завтра в три, подготовь повестку», и получите готовую. Сложность маленькая, справится даже новичок.

Ведущий: Второй тип?

Ведущая: Агенты для программирования. Они читают код, запускают тесты, ищут ошибки. Claude Code работает в терминале: вы пишете «Создай функцию для разбора CSV», а он пишет, тестирует и улучшает. Cursor — это редактор кода с ИИ внутри. И GitHub Copilot, помощник в редакторе и на GitHub. Тут уже нужны базовые знания программирования.

Ведущий: А если я не программист?

Ведущая: Тогда вам, скорее всего, третий тип: агенты автоматизации. Они связывают приложения и берут на себя рутину. n8n, Zapier, Make. Пример: пришло письмо от директора, и агент сам создал задачу и напомнил в рабочем чате. Или: каждый новый клиент в базе получает приветственное письмо и свою папку. Программировать не нужно, это конструкторы без кода.

Ведущий: Четвёртый?

Ведущая: Агенты исследования. Они ищут информацию в сети и в документах и сводят в один ответ. Perplexity — поисковик с ИИ, который отвечает со ссылками на источники. RAG-системы: агент ищет ответ в вашей базе знаний, например в документах компании. И Gemini Notebook, бывший NotebookLM: загружаете десяток статей и просите сводку. Он найдёт главное и покажет противоречия.

Ведущий: И пятый, самый загадочный?

Ведущая: Мультиагентные системы. Несколько агентов работают над одной задачей, как маленькая команда. Один планирует, другой пишет, третий проверяет. Для этого есть фреймворки вроде LangGraph и CrewAI. Сложность высокая: нужно программирование и продуманная архитектура. Зато такие системы могут работать круглосуточно.

Ведущий: Получается лесенка: от простого к сложному.

Ведущая: Да. По оценке урока, персональный помощник настраивается за минуты, программирующие и исследовательские агенты — за полчаса-час, автоматизация — около часа, а мультиагентная система — это одна-две недели работы.

Ведущий: А как это выглядит вместе, на живых историях?

Ведущая: В уроке их четыре. Первая: стартапер-разработчик, которому нужно собрать первую версию приложения за неделю. Он берёт Claude Code, чтобы писать код, Custom GPT, чтобы тот помнил требования, и Cursor, чтобы быстрее набирать. Код готов, протестирован, оптимизирован.

Ведущий: Три агента на одного человека. А вторая история?

Ведущая: Менеджер проекта. Ему нужно держать в согласии три места: Asana, Slack и Google-таблицы. Агент автоматизации в n8n делает так, что каждое обновление в Asana сразу летит уведомлением в Slack и записывается в таблицу. Руками копировать больше ничего не надо.

Ведущий: Дальше.

Ведущая: Маркетолог-аналитик. Нужно изучить конкурентов, найти ниши и написать отчёт. Perplexity исследует конкурентов, Claude Projects помнит цели, а RAG-агент разбирает его собственные данные. На выходе полный отчёт с выводами и рекомендациями.

Ведущий: И четвёртая?

Ведущая: Научная команда, которой нужен обзор больше чем сотни статей. Они загружают всё в Gemini Notebook, а он выдаёт резюме, ключевые находки и выделяет противоречия.

Ведущий: Заметно общее: в каждой истории человек остаётся главным, а агент берёт на себя тяжёлую рутину.

Ведущий: Давай я сыграю новичка. Задача: «Каждый день заполнять одну и ту же форму на сайте».

Ведущая: Повторяется и нужна связка с сайтом — это автоматизация, n8n или Zapier. Следующая?

Ведущий: «Написать серверную часть приложения на Python».

Ведущая: Код — значит агент для программирования. Claude Code или Cursor.

Ведущий: «Найти информацию о новых версиях любимого фреймворка».

Ведущая: Нужна свежая информация из сети — агент исследования. Perplexity.

Ведущий: А «создать систему, которая сама пишет, тестирует и публикует код»?

Ведущая: Это уже целая команда. Планировщик, разработчик, тестировщик. Мультиагентная система.

Ведущая: Часть четвёртая и последняя: когда агент вообще нужен? Потому что «модно» — не аргумент.

Ведущий: Согласен. Начнём с хорошего. Агенты отлично справляются с повторяющимися задачами. Чем чаще вы делаете одно и то же, тем больше экономия. Каждое утро открываете аналитику и смотрите метрики? Каждую пятницу шлёте отчёт начальнику? Раз в месяц заполняете табель? Всё это можно отдать агенту.

Ведущая: Что ещё у них получается?

Ведущий: Создание контента: двадцать вариантов заголовков, план статьи, описания товаров из таблицы, перевод на несколько языков. Быстро и дёшево, но человек потом редактирует. Помощь в программировании: функция, исправление ошибки, тесты. Тут нужен контроль качества. Анализ данных: закономерности, графики, аномалии. Быстро, но можно потерять контекст. Вопросы по документам: «В каком разделе договора сроки?» Не надо читать сто страниц, хотя в деталях агент может ошибиться. И поиск свежей информации, если у него есть инструменты для поиска.

Ведущая: А теперь про то, где агенты спотыкаются.

Ведущий: Первое: свежие данные без инструментов. Без поиска агент знает мир только до даты, когда его обучили. «Какой сейчас курс валюты?», «какая завтра погода?» — не к нему. Решение простое: дайте инструмент, поиск или доступ к нужному сервису.

Ведущая: Второе — эмоции. Письмо, чтобы уволить человека «с душой». Разговор с партнёром, который злится. Агент может выйти холодным и неуместным. Пусть пишет черновик, а доводите до ума вы.

Ведущий: Третье — юридические и медицинские решения. Агент не адвокат и не врач. «Подпиши договор, потому что так посоветовал ИИ» — нет. «У меня боль в груди, что делать?» — к врачу. ИИ поможет найти информацию, но решение за специалистом.

Ведущая: Четвёртое — когда вы сами не знаете, чего хотите. «Сделай красиво», «найди лучшее решение», «сделай текст поинтереснее». Для кого? По каким критериям? Если критериев нет, агент не угадает. Скажите: «Дизайн в стиле минимализм, синий и белый» — и сразу другое дело.

Ведущий: Пятое — по-настоящему оригинальные задачи. «Придумай революционный продукт». Агенты сильны в комбинировании знакомого, а не в изобретении нового. Пусть накидает идей, а вы выберете лучшую и переделаете.

Ведущая: И шестое, самое важное: решения, где ошибка стоит дорого. Отправить крупную сумму по совету ИИ, уволить людей, одобрить сделку, и всё это без проверки. ИИ ошибается, а ответственность на вас. Агент готовит анализ, решаете вы.

Ведущий: Из этого и вырастает чек-лист.

Ведущая: Пять вопросов перед тем, как отдать задачу агенту. Первый: задача повторяется? Если да, это хороший кандидат. Если нет, возможно, она слишком уникальна.

Ведущий: Второй: ясно ли, что считать успехом? «Отчёт с посещениями, конверсией и средним чеком» — ясно. «Красивый отчёт» — нет.

Ведущая: Третий: нужны ли свежие данные? Если данные статичные, например продажи за прошлый месяц, всё в порядке. Если нужны сегодняшние, дайте агенту поиск или доступ к источнику.

Ведущий: Четвёртый: готовы ли вы, чтобы человек проверял результат? «Нагенерируй идей для постов, а я выберу» — идеально. «Сам отправляй деньги по правилу» — опасно.

Ведущая: И пятый: насколько страшна ошибка? Автоматическая благодарность новому подписчику — риск низкий. Автоматическое одобрение заказа на любую сумму — высокий. Тогда оставьте решение человеку или добавьте проверки.

Ведущий: Давайте на живом примере. Задача: каждый день напоминать клиентам о неоплаченных счетах.

Ведущая: Повторяется каждый день — раз. Критерий ясный: счёт не оплачен несколько дней, значит отправить сообщение — два. Данные берутся из базы — три. Проверка человеком не нужна, риск низкий — четыре и пять. Берём агента!

Ведущий: А теперь наоборот: одобрить кредит клиенту на крупную сумму.

Ведущая: Каждый случай уникален, критерии сложные, нужны свежие данные о клиенте, проверка человеком обязательна, а риск очень высокий. Не автоматизируем. Решает человек, агент помогает анализом.

Ведущая: А теперь раскрасим задачи светофором, по табличке из урока. Зелёный: ежедневная проверка метрик. Приоритет высокий, внедряйте смело, экономит часы в неделю.

Ведущий: Жёлтый: написание постов и разбор резюме. Приоритет средний. Посты — внедрять, но проверять качество. Резюме — агент плюс одобрение человека.

Ведущая: Тоже жёлтый, но ближе к красному: личная переписка. Приоритет низкий, осторожно, можно обидеть человека.

Ведущий: И красный: врачебные решения и одобрение крупных сделок. Только информация, а решение всегда за человеком.

Ведущая: И совет напоследок из урока: начните с простого. Первая задача должна быть частой, с низким риском, и без эмоций.

Ведущая: У нас с вами остаётся домашнее задание, но это уже не для дороги. Если слушаете за рулём, просто подумайте: какая задача из вашей недели повторяется чаще всего? Запомните её. Дома проверим по чек-листу.

Ведущий: И раз уж зашла речь о практике, вот три маленьких эксперимента из уроков. Включите их, когда сядете за компьютер. Первый: откройте ChatGPT, Claude или Gemini и попросите: «Объясни, как работает фотосинтез, в трёх предложениях». Скопируйте ответ. Потом задайте тот же вопрос ещё раз, а если интерфейс позволяет, с более высокой температурой. И сравните ответы.

Ведущая: Второй: возьмите ChatGPT с анализом данных или Claude, который умеет выполнять код. Загрузите таблицу CSV и попросите: «Проанализируй эти данные и сделай визуализацию». И смотрите, как агент читает файл, запускает код, строит график и присылает результат. Тот самый цикл вживую.

Ведущий: Третий: выберите одну модель и задайте ей три разных вопроса. Что получилось лучше всего? Это и будет ваш первый осознанный выбор инструмента.

Ведущая: Подведём итог?

Ведущий: Первое. ИИ — большая область, а LLM — её часть: модель, которая слово за словом продолжает текст, как очень начитанный студент. Токены — это кусочки текста, контекстное окно — память разговора, температура — ручка между точностью и творчеством.

Ведущая: Второе. Чатбот отвечает, а агент действует: думает, выбирает инструмент, делает и проверяет. Нужен ответ — чатбот, нужно действие — агент.

Ведущий: Третье. Агентов пять типов: персональные помощники, для программирования, автоматизации, исследования и мультиагентные. От простого к сложному.

Ведущая: И четвёртое. Агент хорош в повторяющихся задачах с ясными критериями и низким риском. И плох там, где нужны свежие данные без инструментов, эмоции, юридические и медицинские решения или решения с дорогой ошибкой. Пять вопросов чек-листа помогут решить.

Ведущий: Упражнения, схемы и тесты ждут вас на сайте. Ссылка на все четыре урока модуля лежит в описании выпуска.

Ведущая: А в следующем модуле научимся писать запросы к моделям так, чтобы они отвечали по делу. Это называется промпт-инжиниринг.

Ведущий: До встречи!

Ведущая: До встречи!