Блог · Новости
В сентябре 2026 агенты стали дешевле в разы, а Россия перешла от экспериментов к системному внедрению. Разбираем новости и показываем, с чего начать без бюджета.
ИИ-агенты в бизнесе год звучали как тема для корпораций: дорого, сложно, не для компании из десяти человек. В сентябре 2026 разговор сдвинулся. Вышли новые модели, работа агента подешевела в разы, а российская аналитика показала, что агентов внедряет уже не только крупный бизнес.
Ниже — что именно произошло, почему это касается небольшой компании и как применить это без бюджета.
Axios (3 сентября 2026) написал: OpenAI выпустила модель GPT-6 Astra, а её президент Грег Брокман назвал релиз «поколенческим скачком» и закончил брифинг словами «добро пожаловать в эру AGI». Важнее громких формулировок другое. По описанию Axios, Astra подводит агентов к тому, чтобы самим выполнять сложную профессиональную работу.
В блоге OpenAI суше: модель сильна в работе с компьютером и браузером, в коде, в профессиональных задачах, раскатывалась сначала на ограниченный круг организаций, затем на тарифы Business и Enterprise, в API, Azure и AWS. Там же две пометки: 22 сентября семейство дополнили GPT-6 Sol и GPT-6 Luna, а 29 сентября вышла GPT-6.1 Sol.
Самый практичный пункт — не про интеллект, а про деньги. В анонсе GPT-6.1 Sol (29 сентября 2026) OpenAI пишет: модель почти дотягивает до Astra в агентных сценариях — коде, работе с компьютером, профессиональных задачах — при цене в пять раз ниже стандартных входных и выходных токенов Astra. Кэшированный ввод стоит 0,10 доллара за миллион токенов.
Строчка сухая, а значение у неё большое. Агент дорожал не из-за сложных ответов, а из-за объёма: чем длиннее инструкция и чем больше примеров вы даёте модели, тем больше токенов уходит на каждый запрос. Кэш придуман ровно для этого: одна и та же инструкция, которая повторяется из раза в раз, обходится в разы дешевле.
Агент — это инструкция плюс контекст плюс действия. Вы просите нейросеть отвечать на типовые вопросы клиентов: пишете правило, добавляете два-три примера удачного ответа, задаёте формат. Каждый следующий вопрос агент разбирает, опираясь на ту же инструкцию.
Раньше такая схема упиралась в счёт за токены, и её откладывали. Теперь длина инструкции перестала быть роскошью. То, что вчера считали слишком дорогим для постоянного использования, сегодня стоит копейки.
Корпоративные кейсы подтверждают то, о чём мы пишем постоянно: агент не угадывает. В августе 2026 Cisco выдала персонального ИИ-агента всем сотрудникам — около 90 тысяч человек получили ассистента с набором разрешённых действий и понятным порядком эскалации (WSJ, 27 августа 2026). Правила там были не приложением к инструменту, а его основой.
В маленькой компании принцип тот же, только масштаб меньше. Корпорация описывает десятки процессов, а вам на старте хватит одной самой надоедливой задачи.
Нейросеть выдаёт воду не потому, что «глупая», а потому, что задание сформулировано общо. Механику мы разбирали в статье про ответы водой: модели не хватает роли и контекста, а ещё формата ответа. Как только они появляются, ответ становится рабочим.
Второй элемент — примеры. Два-три образца «как надо» работают лучше длинного описания. В этом и разница между «поигрались и бросили» и инструментом, которым пользуются каждый день. Подробнее — в статье о постановке задания.
Промпт, который можно взять как есть: «Ты — менеджер интернет-магазина бытовой техники. Ответь клиенту про доставку. Что знаешь: заказы до 18:00 везём на следующий день, крупногабарит — отдельной машиной. Пиши коротко, 2–3 предложения, без восклицаний, в конце предложи оформить заказ. Вопрос клиента: …»
Наши компании не отстают по интересу. РБК в материале «Зачем российский бизнес внедряет ИИ-агентов» (3 сентября 2026) приводит оценку: рынок ИИ-агентов в России в 2025 году составил 15–25 млрд рублей, около 30% рынка платформ ИИ (данные «Группы Астра»). Чаще всего их берут финтех, телеком и ритейл. Тормозит внедрение не цена моделей, а нехватка людей, которые умеют ставить задачу и настраивать агента.
Отсюда вывод: доступ к технологиям есть у всех, а с формулировкой задач — дефицит. Небольшой компании здесь проще: у неё короче путь от решения до внедрения.
Инструкцию и примеры держите в одном файле. Для новой задачи вы тогда не начинаете с нуля, а достаёте готовый блок. С сентябрьскими ценами хранить такой файл постоянно стало дешево.
Возьмите самую частую фразу, которую вы пишете клиентам за день. Скопируйте удачный вариант, добавьте к нему роль и формат и попросите модель переписать ответ по этим правилам. Если результат рабочий с первого раза, у вас есть первый агентский сценарий. Дальше это только вопрос количества таких сценариев.
Читай также: ИИ не понимает задачу: 6 причин и что делать и ИИ-агенты в бизнесе: мировой опыт 2026 и что применимо у нас.
Мы собрали 50 готовых промптов и 10 задач в один набор «Промты для МСБ». Вставляешь данные — получаешь результат.
Читай также: все статьи блога