Лонгрид · май 2026 · @tk_3826

Три способа работать с ИИ в 2026 году: чат, «джемы» и агенты

Сегодня у любого человека, который хочет использовать языковые модели для реальной работы, есть три уровня инструмента: чат-бот, кастомный бот поверх чата и агент. В этом тексте — разница на одном сквозном примере и почему в 2026 году имеет смысл переходить на агентов.

С чего всё началось: чат как универсальный интерфейс

Когда появились первые публичные языковые модели, способ работы с ними был один: чат. Ты пишешь в окно, модель отвечает. Дальше быстро выяснилось, что качество ответа сильно зависит от того, как сформулирован вопрос, какой контекст ты приложил и какие правила задал заранее. Так появилась «инженерия промптов» — на самом деле просто навык договариваться с моделью о том, что от неё нужно.

Этот навык — главный. Всё, что произошло дальше, не отменяет его, а наращивает поверх.

Уровень 1. Чат-бот

Самый знакомый способ: открываешь ChatGPT, Claude, Gemini, Perplexity — пишешь запрос, прикладываешь файлы, получаешь ответ. Иногда несколько итераций в одном окне.

Что хорошо. Ничего настраивать не нужно. Минимальный порог входа. Подходит для разовых задач: разобрать письмо, переписать абзац, объяснить концепцию, сравнить два варианта, набросать структуру документа.

Что плохо.

Контекст не сохраняется. В новом чате модель ничего не помнит. Все правила, шаблоны, примеры приходится перевставлять каждый раз. В старом чате — ьеряем контекст при выходе за рамки контекстного окна (то есть нельзя бесконечно общаться с ним по одной тематике и думать, что он все тут помнит из сказанного или сделанного).
Файлы — на один сеанс. На количество, на тип.
Ответ ограничен по объёму. Окно ответа физически конечное. Большой документ модель не выдаст за один присест — она его сожмёт или оборвёт. Можно конечно повысить размер через "не экономь токены", но все равно тут есть естветвенные ограничения.
Нет действий во внешнем мире. Модель не может сама прочитать папку, сохранить файл, запустить проверку. Всё проходит через тебя как через посредника: скопировал, вставил, сохранил, поправил, обратно отправил.

Для одноразовых задач это нормально. Для повторяющейся работы — медленно и хрупко.

Уровень 2. Кастомный бот поверх чата: GPTs, Gems, Projects

Следующий шаг, который сделали все крупные платформы: дать пользователю возможность собрать собственного бота. У OpenAI это GPTs, у Google — Gems, у Anthropic — Projects. Суть везде одна.

Ты задаёшь системную инструкцию — кто этот бот, как должен отвечать, в каком стиле. Прикладываешь файлы базы знаний — шаблоны, эталоны, регламенты. Включаешь нужные инструменты — поиск в интернете, генерацию картинок, выполнение кода. И получаешь как бы своего ассистента, к которому можно возвращаться, не вводя инструкции заново.

Что хорошо.

Контекст переиспользуется. Инструкции и базовые файлы живут постоянно. Не нужно загружать их в каждом новом диалоге.
Можно делиться. Один человек собрал бота — остальные в команде им пользуются.
Тот же интерфейс чата. Порог входа — нулевой. Открыл и пишешь.

Что плохо.

Это всё ещё чат. Все ограничения первого уровня никуда не делись. Окно ответа конечное. Действий во внешнем мире нет. Коннекторы с внешними инструментами (типа проверить почту или создать в гугл-календаре событие) работают криво, запрашивают подтверждения, и вообще ощущение что это костыли.
База знаний — ограниченная. Далеко не все можно дать в аттачи. И не буолее пары десятков файлов. Связка к хранилищами фалов работает так же не у всех и не со всеми файлами.
Файлы — не живые. Если документ в базе обновился, нужно идти и вручную обновлять кастомного бота. Никакой автоматической синхронизации с твоими реальными папками нет (исключение - Gem с гугл-доками, но — см. выше).
Нет циклов. Бот по-прежнему отвечает «один вопрос — один ответ». Он не может сам разбить задачу на шаги, пройти их по очереди и собрать большой результат. Да, сегодня сами чат-боты стараются работать по схеме агентов, но все же — это не полноценные агент-системы.
Привязка к платформе. Твой бот живёт внутри конкретного сервиса. То есть надо запоминать ссылку для доступа к GTP-боту, или иметьподписку чтобы добавить его в избранные. Словом — неудобно.

Кастомные боты — отличное продолжение чата, когда задача — отвечать на однотипные вопросы или давать короткие справки по своей теме. Но как только нужно произвести объёмный результат — длинный документ, разобраться в большой папке, собрать данные из нескольких источников — кастомный бот упирается в потолок чата. А автоматизации и многошаговые пайплайны (проанализировать, сделать одно, второе, третье, перепроверить, создать 20 файлов, залить на сервер, отправить Васе одно а Маше другое и т.п.) - невозможны в полноценном виде.

Уровень 3. Агент

Здесь начинается другое. Агент — это не «улучшенный чат». Это другой класс инструмента. Cursor, Claude Code, Codex, Perplexity Computer и десятки похожих продуктов — все они устроены одинаково, и от чата отличаются тремя вещами.

Доступ к локальным файлам. Агент работает с твоей реальной папкой. Читает оттуда, пишет туда. Никаких «прикрепить и потом скачать» — файлы там, где они уже есть.

Инструменты. У агента есть набор действий: открыть файл, поискать по тексту, создать и/или запустить скрипт, обратиться к внешней системе. Он сам решает, какой инструмент в какой момент применить.

Циклы и самопроверка. Агент работает не «один ответ», а итерациями. Получил задачу — разбил на части. Сделал часть — проверил себя по чек-листу. Что-то не так — переделал. Перешёл к следующей части. В конце собрал результат и сложил туда, куда ты сказал.

Из этого получается принципиально другой режим работы. Ты ставишь задачу на естественном языке — точно так же, как чат-боту. И уходишь делать что-то другое. Через несколько минут (или десятков минут, если задача большая) у тебя в папке лежит готовый результат. Не «черновик, который надо собрать», а финальный документ или работающий код.

Про слово «вайб-кодинг»

Этот стиль работы получил название «вайб-кодинг», и оно, к сожалению, отпугивает абсолютное большинство людей, которым он нужен. Кажется, что это что-то про программирование, что туда без знания Python заходить незачем. Термин был придуман он Андрей Карпатый для кодеров, и на старте это хорошо все объясняло. Но сейчас этот термин стал барьером для входа масс в новый инструментарий.

Это недоразумение. Слово «кодинг» в названии — потому что первые агенты появились для разработчиков и работают с кодом лучше всего. Но сам подход — «опиши задачу словами, агент сделает» — никакого отношения к программированию не имеет. Точно так же агент пишет тебе спецификацию, отчёт, презентацию, разбирает почту, готовит данные. Порог входа — тот же, что в чат-бот. Ты пишешь словами, что нужно. Дальше агент работает сам.

Единственное реальное отличие от чата в смысле порога входа — нужно один раз поставить инструмент. Многие современные агенты — это веб-приложения, ставить вообще ничего не нужно. У остальных установка — десять минут.

Пример: создание объёмных спецификаций для клиента

Чтобы разница была понятной, разберу одну и ту же задачу на трёх уровнях. Возьму типичную ситуацию: команда регулярно делает для клиентов объёмные технические или функциональные спецификации. Каждая — 50–100 страниц структурированного текста. Есть исходные требования от клиента и есть архив уже сделанных спецификаций, на которые нужно ориентироваться как на эталон.

Подход 1. Чат-бот

Открываешь ChatGPT или Claude. Прикладываешь требования клиента, прикладываешь одну-две эталонные спецификации как образец. Пишешь подробный промпт: «На основании этих требований сделай спецификацию в таком же стиле и структуре, как образец».

Модель что-то выдаёт. Обычно — короче, чем нужно, в 3–5 раз. Окно ответа физически не вмещает 80 страниц. Просишь продолжить — она продолжает, но теряет нить. Просишь сделать конкретный раздел подробнее — раздел вырастает, но соседние всё ещё короткие. К пятой итерации у тебя сборная солянка из кусков, которые надо собирать вручную и проверять на стыки.

Плюсы: ничего не настраивал, начал работу сразу.

Минусы: результат — заготовка, не документ. Сборка занимает столько же времени, сколько без модели вообще.

Подход 2. Кастомный бот (GPT / Gem / Project)

Делаешь шаг вперёд. Создаёшь кастомного бота. В системную инструкцию пишешь правила: структура документа, обязательные разделы, стиль формулировок, плотность текста. В базу знаний загружаешь десяток эталонных спецификаций — пусть бот «видит» твой стандарт.

В работе: открываешь бота, кидаешь требования нового клиента, пишешь «сделай спецификацию». Бот отвечает увереннее, чем голый чат. Структура соблюдается, формулировки ближе к твоему стилю. Но дальше — те же стены.

Окно ответа всё так же конечное. Документ снова получается в несколько раз короче эталона. Поиск по базе знаний работает непредсказуемо — иногда бот находит нужный фрагмент в архивных файлах, иногда упорно его игнорирует. Когда требования клиента обновляются, новую версию надо вручную прикладывать в чат: автоматической связи с твоими реальными папками нет.

Плюсы: правила и стиль не нужно повторять каждый раз. Команда может работать с одним и тем же ботом.

Минусы: объём и качество выросли на 20–30%, но потолок остался там же, где был у чата. Документ всё равно надо собирать из кусков и дотягивать руками.

Подход 3. Агент

Теперь третий уровень. Инструмент — любой из современных агентов. В одной папке у тебя лежат требования клиента, в другой — архив прошлых спецификаций, в третьей — шаблон документа. Ты пишешь агенту человеческим языком:

«Возьми требования из папки входящие. Найди в архиве две-три самые близкие по теме спецификации, посмотри на их структуру и плотность. Сделай новую спецификацию в таком же стиле. Каждый раздел разворачивай отдельно, проверяй по чек-листу, переходи к следующему. Готовый файл положи в папку в работе».

Дальше агент работает сам. Читает требования из реальной папки — той же, с которой работает вся команда. Подтягивает примеры из архива — тоже из реальной папки, без ручной загрузки. Пишет документ не одним ответом, а раздел за разделом. Каждый раздел проверяет: соответствует ли структуре эталона, достаточно ли плотный, не противоречит ли соседним. Если где-то слабо — переписывает.

Через десять-сорок минут (зависит от объёма) у тебя в папке лежит финальный файл нужной плотности и структуры. Не заготовка. Документ. Ты открываешь его, читаешь, правишь места, где не согласен с формулировкой, отдаёшь дальше.

Плюсы:

Документ соответствует эталону по объёму и структуре, потому что у агента нет ограничения «один ответ».
Файлы — там, где они уже лежат у команды. Никакой ручной загрузки и перезагрузки.
Архив прошлых работ становится живой базой знаний: чем больше там документов, тем точнее новый.
Команда не платит за десять разных подписок — один общий инструмент работает на всех.

Минусы:

Один раз нужно настроить: договориться, какие папки агент видит, какие инструкции выполняет по умолчанию.
Первые две-три задачи уходят на калибровку — ты понимаешь, где агенту нужно дать дополнительный контекст или уточнить правила.

Но настройка — это не «программирование». Это та же работа, что и с кастомным ботом: написал инструкцию, положил эталоны в нужную папку. С той разницей, что в итоге ты получаешь готовый продукт, а не заготовку.

Подход 3+. Свой веб-инструмент, написанный тем же агентом

И здесь у истории есть продолжение, которое многие пропускают.

Когда один человек в команде разобрался с агентом, настроил его на задачу спецификаций и довёл качество до состояния «открываю папку — забираю готовое», у него на руках оказывается рабочий рецепт: набор инструкций, правил, эталонов и логики проверки. Всё это лежит файлами на его машине.

Дальше он делает следующий шаг, который ещё пару лет назад был невозможен для одного человека без команды разработчиков. Он говорит тому же агенту: «А теперь сделай из этого веб-приложение. Чтобы коллега открыл в браузере страницу, кинул туда требования клиента, нажал кнопку — и через двадцать минут получил готовую спецификацию в нужном формате».

И агент это пишет. Делает интерфейс, подключает к нему ту же логику обработки, разворачивает на корпоративном сервере или на дешёвом виртуальном хостинге за пять долларов в месяц. Получается внутренний инструмент компании. У него — обычный веб-адрес. Открывается с ноутбука, с телефона, из любого браузера. И любой человек с правами доступа получает этот инструмент — без установки агента, без подписок, без знания, как всё устроено внутри.

Что это меняет:

Агент нужен одному человеку, а пользуются все. Установка, настройка, подписка на агентный инструмент — только у того, кто делал. Остальные просто заходят на страницу.
Никакого порога входа для команды. Менеджер, юрист, инженер, кто угодно — открыли ссылку, загрузили требования, получили документ. Им не нужно знать слово «агент» и тем более «вайб-кодинг».
База знаний — общая и живая. Архив эталонов лежит в одном месте, обновляет его автор инструмента (или любой, кому он дал доступ). Каждый новый документ автоматически становится частью контекста для следующих.
Качество растёт от использования. Видно, какие спецификации получаются хорошо, на каких возникают вопросы, что коллеги правят руками. По этим следам автор подкручивает инструкции — и инструмент работает лучше для всех сразу.
Никакой привязки к платформе. Это не GPT в магазине OpenAI и не Gem в гугл-аккаунте. Это ваше веб-приложение под вашим адресом, с вашими правилами доступа.

И это уже не «один сотрудник прокачался агентами», а корпоративный инструмент, который написан за день одним человеком и работает на всю команду.

Именно тут и происходит главный сдвиг 2026 года. Раньше «сделать внутренний инструмент» означало: пишем ТЗ, ищем разработчика или подрядчика, ждём месяцы, платим сотни тысяч, получаем что-то не то, переделываем. Сейчас это означает: человек, который лучше всех понимает задачу, садится с агентом и за несколько вечеров собирает работающий прототип. Если прототип взлетел — его дальше развивает он же или передаёт ИТ-команде на доработку. Если не взлетел — выбрасывают, потеряли несколько вечеров, а не полгода и бюджет.

Для огромного количества внутренних задач — обработка документов, разбор почты, подготовка отчётов, поддержка типовых запросов — этого уровня более чем достаточно. И именно это, а не «агент в терминале у одного программиста», и есть та самая революция, ради которой стоит разбираться.

Почему именно сейчас, в 2026 году

Несколько вещей сошлись одновременно.

Модели стали достаточно умными для длинной работы. Ещё пару лет назад агент на сложной задаче «уплывал» через десять шагов — терял нить, путал контекст, выдавал бессмыслицу. Сегодня топовые модели стабильно держат длинные цепочки рассуждений и десятки последовательных вызовов инструментов.

Стоимость упала на порядок. Один прогон большой задачи через цепочку моделей сегодня стоит копейки — буквально центы за документ. Никаких сравнимых затрат с подписками. Платишь ровно за то, что использовал.

Инструменты стали зрелыми. Cursor, Claude Code, Codex и аналоги — это уже не экспериментальные демки, а рабочие продукты с обновлениями каждые несколько недель.

Порог входа сравнялся с чатом. Современный агент — это либо веб-приложение, в которое заходишь через браузер, либо программа, которая ставится за десять минут. Внутри — то же окно для текста, что и в чате. Ты пишешь словами, что нужно сделать. Всё.

Что делать

Если вы сейчас работаете в режиме «открыл чат, написал, скопировал ответ, вставил в документ, поправил» — это уровень N-цать годов назад. Он не плохой, он просто очень примитивный и ограниченный в возможностях.

Если вы сделали себе кастомного бота и работаете через GPTs или Gems — вы уже на голову выше большинства. Но вы упираетесь в потолок чата каждый день, даже если не всегда это замечаете.

Если вы ни разу не пробовали агентов — попробуйте. Возьмите любую регулярную задачу, которая обычно занимает несколько часов работы с чатом, и поручите её агенту целиком, от исходных файлов до готового результата. Первая попытка может разочаровать. Вторая удивит. Третья изменит то, как вы планируете рабочий день. Покупаем подписку на Codex или Cursor или Claude Code — и экспериментируем.

Главное — это не «технология для программистов». Это просто следующий уровень работы с тем же самым инструментом, которым вы УЖЕ пользуетесь. Те же слова, тот же стиль постановки задачи, те же примеры в контексте. Только с результата — вы очумеете.

И когда это становится привычным, обратно к чату не хочется.