Агент и ваши системы: 1С, CRM, почта, legacy
🤔 Зачем это читать
Тебе показали демо. Агент бодро отвечает клиенту, заводит заявку, проверяет остаток на складе — всё летает, зал аплодирует, в презентации слово «автономный» три раза. Ты выбиваешь бюджет, проект стартует. И вот через четыре месяца тот же агент стоит мёртвый, потому что к твоей 1С (программа учёта, где у вас все товары, продажи и склад) у него попросту нет доступа, а тот, что есть, отдаёт цифры, в которые никто в компании сам не верит.
Знакомо? Или наоборот: подрядчик разводит руками — «у вас всё в legacy (старая система, которую давно никто не трогает и в которую страшно лезть), туда не подключиться», и проект тихо хоронят, хотя на самом деле подключиться было можно, просто никто не разобрался как. И там, и там провал свалят на «слабый AI». А AI был ни при чём.
Вот тебе цифры, чтобы это не звучало как страшилка. По опросу McKinsey (исследование «State of AI», ноябрь 2025 года) 62% компаний хотя бы экспериментируют с AI-агентами, но лишь 23% довели их до масштаба — две трети застряли. И качество данных названо одним из главных барьеров для масштабирования AI (McKinsey, ноябрь 2025 года; то же подтверждает независимый PEX Report 2025/26). А по данным Deloitte почти 60% AI-руководителей назвали интеграцию со старыми системами одним из главных вызовов. Это не про модель. Это про трубы и продукты на складе.
После этой темы ты сможешь сам разобрать любое предложение «подключим агента к вашим системам» на три вопроса — есть ли труба (доступ), чистые ли данные, обратимо ли действие — и понять, взлетит оно на твоей реальной кухне или останется красивым демо. Это и есть та работа, которую за тебя никто не сделает, потому что только ты знаешь, что у тебя на складе.
Задержись на 10 секунд. Вспомни главную систему, в которой живёт твоя работа, — 1С, CRM (программа, где хранятся клиенты и сделки), почта, табличка в Excel, складская база. Теперь честно: данные там в порядке или там бардак, в котором ты сам иногда путаешься? Подержи этот ответ в голове — к концу страницы он окажется важнее, чем выбор модели.
🔌 Агенту нужна труба к твоим системам
В теме про инструменты и структурный вывод мы разобрали, как агент даёт чёткую команду инструменту: не «посмотри остаток», а строго «остаток, товар № 4471, склад „Север"». Так вот, тема была про форму команды. А теперь — про то, есть ли вообще, кому эту команду отдать. Потому что инструмент сам по себе ничего не знает про твою 1С. Между агентом и твоей системой должна быть проложена труба.
Вернёмся на кухню. Повар (модель) умеет готовить, у него есть техника (инструменты). Но продукты лежат не у него под рукой — они на складе ресторана, в холодильной камере, в кассе крутится выручка, в журнале администратора записаны постоянные гости. Чтобы повар работал с этим добром, кто-то должен проложить трубу от кухни к складу, к кассе, к журналу. Без трубы повар стоит с пустыми руками: техника есть, а доставать ей нечего.
Эта труба к существующей системе на техническом языке называется интеграция (соединение агента с твоей системой), а само «окно», через которое системы обмениваются данными по строгому формату, — API (окно обмена: программа отдаёт данные не вольным текстом, как живой человек, а в жёстком формате, который другая программа понимает). Есть у системы такое окно — трубу проложить можно. Нет окна — труба упирается в глухую стену.
И вот первая отрезвляющая мысль: прокладка этой трубы — отдельная работа, отдельные деньги и отдельный риск. Она не входит в «агента» по умолчанию, как багажник не входит в цену рекламного ролика машины. В красивом демо труба к чужой выдуманной системе уже проложена за тебя. На твоей кухне её ещё нет.
🗄 Грязный склад: мусор на входе — правдоподобный мусор на выходе
Допустим, трубу проложили. Агент дотянулся до твоей системы. Радоваться рано — теперь всё упирается в то, что лежит на складе, то есть какие данные он оттуда достанет.
Представь повара, которому проложили идеальную трубу к складу — а на складе бардак. Молоко с истёкшим сроком, две банки без этикеток, один и тот же клиент записан трижды разными почерками, рыба в ящике с надписью «мясо». Повар честно берёт что нашёл и готовит. Блюдо выходит уверенно сервированное, красиво подано — и несъедобное. Виноват ли повар? Нет. Виноват склад.
С агентом ровно так же, и у этого есть короткое имя: garbage in → plausible garbage out — мусор на входе даёт правдоподобный мусор на выходе. Это страшнее обычного мусора. Если агент достал из твоей CRM устаревший адрес, задвоенного клиента или цену из позапрошлого прайса, он не запнётся и не предупредит. Он бодро, уверенным тоном построит на этой гнили красивый ответ, отчёт или письмо клиенту. Ошибка будет выглядеть как правда. И поедет дальше по компании уже под видом факта.
Вот почему «готовность данных» (по-английски data readiness — насколько твои данные чистые, полные и пригодны, чтобы их кому-то отдать) — не нудная формальность, а вопрос жизни и смерти проекта. Помнишь цифру из начала: качество данных держится среди главных барьеров масштабирования. Не «не нашли модель помощнее». А «склад в таком состоянии, что туда стыдно вести гостя, не то что агента».
🕰 Старая система, в которую страшно лезть (legacy)
Отдельный зверь — legacy (старая, часто самописная система, которую давно никто не трогает, документации нет, а автор уволился пять лет назад). Это та самая древняя плита в углу кухни, которая чудом работает, но любой её ремонт — лотерея: тронешь не ту ручку, и встанет весь ужин.
У legacy обычно нет нормального окна обмена (API) — её строили, когда никто и не думал, что к ней захочет подключиться какой-то агент. Поэтому подключение к ней бывает трёх сортов. Первый: окно есть и оно приличное — труба прокладывается спокойно. Второй: окна нет, но есть обходные пути — агенту дают «смотреть на экран» и кликать мышкой, как человек (отдельная тема курса про управление экраном). Работает, но медленно, хрупко и требует присмотра. Третий: система настолько закрыта и хрупка, что трогать её страшно, — и тогда честнее не агент туда тащить, а сначала разбираться с самой системой.
Важно для тебя как для владельца: сорт подключения определяет цену и риск всего проекта, а вовсе не модель. Два одинаковых на вид проекта «подключим агента к учёту» могут отличаться по стоимости и срокам в разы — просто потому, что у одного учёт с нормальным окном, а у другого древняя самописная плита без документации.
↩️ Обратимо ли действие: можно ли откатить
Последний разрез, и он про безопасность твоих денег. Одно дело, когда агент через трубу читает: смотрит остаток, достаёт статус заказа, готовит отчёт. Ошибся — ну, выдал кривую справку, перепроверил, поправил, никто не пострадал. Совсем другое — когда агент пишет: меняет цену в прайсе, проводит платёж, списывает товар со склада, отправляет письмо клиенту. Разницу между читающими и пишущими инструментами курс разбирает отдельно, а тут важен один вопрос: можно ли это действие откатить, если агент ошибётся на грязных данных?
На кухне разница очевидна. Заглянуть в холодильник и пересчитать запасы — обратимо, ошибся в счёте, пересчитал заново. А вот вылить полный чан соуса в общий котёл на основе кривой записи в журнале — уже не вычерпаешь обратно. Письмо клиенту с выдуманной из грязных данных скидкой не отзовёшь. Списанный по ошибке товар не вернёшь одним кликом.
Поэтому зрелое подключение почти всегда начинают с читающего доступа — пусть агент сначала только смотрит и предлагает, а человек подтверждает (это называется «человек в контуре», разберём в курсе дальше). И только когда доверие набрано и данные вычищены, осторожно дают писать — и то на обратимых операциях. Необратимое действие на грязных данных без подтверждения человека — это не автоматизация, это мина.
# шаг 1 — есть ли труба (API)?
если у системы нет окна обмена → трубу надо строить отдельно (деньги, срок, риск)
# шаг 2 — чистый ли склад (данные)?
если данные грязные → сначала чистим склад, ПОТОМ зовём агента
# иначе: garbage in → plausible garbage out
# шаг 3 — что разрешаем агенту делать?
сначала: только ЧИТАТЬ (обратимо, ошибка не стоит денег)
потом, набрав доверие: ПИСАТЬ обратимое, человек подтверждает дорогое
необратимое на грязных данных без человека → НЕ делаем никогда
Сведём в одну рамку владельца. Прежде чем верить любому «подключим агента к вашим системам», спроси три вещи: есть ли труба (доступ к системе), чистый ли склад (готовы ли данные) и обратимо ли действие (можно ли откатить ошибку). Три «да» — проект имеет шанс. Хотя бы одно «нет» без плана, как это закрыть, — перед тобой красивое демо, а не рабочий проект.
🎮 Оцени готовность системы к подключению
Прежде чем жать кнопки — прогони по трём вопросам свою систему, ту самую из начала: есть ли труба, чистый ли склад, обратимо ли действие. Где она спотыкается? Подержи это в голове — а теперь чужие кейсы пойдут легче.
Четыре реальные ситуации с работы. По каждой сначала реши, годна система или нет, а потом — какой именно барьер мешает (их может быть и несколько). Жми кнопки — сразу увидишь разбор. Это не экзамен, а тренировка той самой оценки, которую за тебя никто не сделает.
📖 Ключевые понятия
- Интеграция
- «Труба» от агента к твоей существующей системе — 1С, CRM, почте, складу. Отдельная инженерная работа с отдельным бюджетом и сроком: в «агента» по умолчанию она не входит. Нет трубы — агент работает вслепую, как повар без доступа к складу.
- API (окно обмена)
- Строгое «окно», через которое одна система отдаёт данные другой — не вольным текстом, как живой человек, а в жёстком формате. Есть у системы такое окно — трубу проложить реально. Нет — труба упирается в стену, и подключаться приходится обходными, хрупкими путями.
- Готовность данных (data readiness)
- Насколько твои данные чистые, полные и пригодные, чтобы их кому-то отдать: нет дублей, нет устаревших записей, заполнены поля, единый формат. Один из главных барьеров для масштабирования AI (McKinsey, ноябрь 2025 года). Грязный склад агент не лечит — он на нём строит правдоподобный мусор.
- Legacy (старая система)
- Старая, часто самописная система без документации и нормального окна обмена, которую давно никто не трогает и в которую страшно лезть. Древняя плита в углу кухни: работает чудом, ремонт — лотерея. Именно сорт подключения к legacy чаще всего и определяет реальную цену и риск AI-проекта.
- Garbage in → plausible garbage out
- Мусор на входе даёт правдоподобный мусор на выходе. Если агент достал из системы кривые данные, он не запнётся, а уверенно построит на них красивый и убедительный ответ — и ошибка поедет дальше под видом факта. Опаснее обычного мусора именно из-за правдоподобности.
🛡️ Частые заблуждения
«В демо агент подключался к системе — значит, и к нашей подключится так же легко»
В демо труба к показательной системе уже проложена за тебя, и данные там вылизаны специально под показ. На твоей кухне трубы ещё нет, а склад в том состоянии, в каком он есть на самом деле. Демо проверяет, умеет ли агент в принципе, а не взлетит ли он именно у тебя. Это два разных вопроса.
«Подключим помощнее модель — она разберётся даже в нашем бардаке с данными»
Мощность модели — это про то, как хорошо повар готовит. Она не чистит склад. Самый дорогой повар, получив тухлые продукты, уверенно приготовит из них несъедобное блюдо — и подаст с серьёзным лицом. Бардак в данных лечится наведением порядка в данных, а не сменой модели. Деньги, вложенные в чистку склада, окупаются сильнее, чем доплата за модель.
«Дадим агенту только читать — раз он ничего не меняет, никакого риска нет»
Читающий доступ снимает риск необратимого действия в системе, но не риск ошибки вообще. На грязных данных читающий агент уверенно соберёт неверную сводку или отчёт — и по нему живой человек примет дорогое решение. Необратимость никуда не делась, она просто переехала из системы в голову того, кто доверился красивому отчёту. Поэтому «только читает» — это безопасный старт, а не индульгенция: чистота склада важна и для чтения тоже.
🧠 AI-чутьё (AI Judgment)
Успех решают интеграция и данные, а не модель
Вот рамка, которую стоит носить с собой к любому AI-проекту: взлетит он или нет, на 80% решают труба и склад — интеграция с твоими системами и готовность данных, — а не то, какая внутри модель. Самая «агентная» агентность живёт не в выборе модели, а в скучной работе по прокладке доступа и наведению порядка в данных. Это та часть, которую не покажут в красивом демо, потому что она не выглядит впечатляюще. И именно она съедает деньги и время.
Цифры из начала ровно про это: две трети компаний застряли не потому, что им не хватило модели, а потому что данные не готовы и системы не стыкуются. Качество данных — один из главных барьеров масштабирования, интеграция со старыми системами — один из главных вызовов почти у 60% AI-руководителей. А ещё показательно: те, у кого AI реально заработал, почти в 3 раза чаще перестраивали сам рабочий процесс вокруг агента, а не «наклеивали AI поверх старого бардака» (McKinsey, ноябрь 2025 года).
Держи это как практический фильтр. Когда тебе обещают чудо-агента, мысленно прикладывай три вопроса — труба, склад, обратимость — и слушай, есть ли в ответе план по каждому. Если весь разговор только про то, «какая у нас крутая модель», а про доступ к твоим системам и состояние твоих данных — тишина, ты смотришь на демо, а не на проект. Почему такие проекты потом тихо закрывают и как это предвидеть заранее — отдельный большой разговор впереди в курсе.
🎯 Практика
Одно задание на десять минут — и оно делает три вопроса владельца твоими, а не книжными. Возьми одну реальную задачу со своей работы, которую ты хотел бы отдать AI (разбор заявок, сводка по продажам, ответы клиентам — что угодно живое).
- Назови систему и проверь трубу. В какой системе живут нужные данные — 1С, CRM, почта, Excel, склад? Есть ли у неё нормальное окно обмена (API), или это старая самописная штука, к которой страшно подступиться? Если не знаешь — это уже первый вопрос, который стоит задать своим айтишникам.
- Честно оцени склад. Открой эту систему и посмотри глазами агента: есть дубли? устаревшие записи? пустые поля? разнобой в форматах («Мск» / «Москва» / «г. Москва»)? Поставь складу честную оценку от 1 до 5. Всё, что ниже 4, — это работа по чистке, которую надо сделать ДО агента, а не после.
- Раздели на читать и писать. Выпиши, что в твоей задаче агент только читает (обратимо, безопасно начать), а что пишет и насколько это обратимо. Самое необратимое и дорогое (платёж, списание, письмо клиенту) пометь как «только с подтверждением человека». Этот список — уже наполовину готовый, реалистичный план подключения, а не демо-фантазия.
Помнишь ту систему, которую ты держал в голове в начале, — и свой честный ответ про бардак в ней? Вот теперь видно: именно этот ответ, а не выбор модели, и решает, взлетит твой агент или останется красивой картинкой на слайде.