Когда ИИ-агенту мало ответить: исполнение бизнес-процессов вместо чата
https://dev.to/tactasai/building-ai-agents-that-actually-execute-workflows-not-just-answer-questions-2559 На Dev.to опубликован пост Building AI Agents That Actually Execute Workflows, Not Just Answer Questions: в нём сравнивают ответы в чате и единичные вызовы инструментов с управляемым исполнением реальных workflow между системами — правила, согласования и журналы, по которым позже восстанавливают ход решений. На странице указаны дата 7 мая 2026 (03:04 UTC) и ориентировочное время чтения 8 минут.
От демо к продакшену: в чём сдвиг для агента
В «чистой» демонстрации цепочка выглядит просто: вопрос, ответ модели, один вызов инструмента. В работе формулировка другая: вызывать ли конкретный API с конкретной нагрузкой данных при текущих условиях и без недопустимого операционного риска. Это уже не про красивый диалог, а про решение в контексте политик и последствий — ту планку, которую в материале относят к продакшен-уровню агентов.
Чат-бот и workflow-агент: разные оптимизации
Пост противопоставляет две установки. Чат-бот заточен под интерактив: объяснить, ответить, вести диалог. Workflow-агент — под контролируемое продвижение процесса: фиксированные шаги, проверки и переходы состояния. Одного включения tool calling мало для автоматизации процесса — нужны модель состояния, правила и ответственность за результат во внешних сервисах.
Правила вне модели, одобрения и аудит
Узкие бизнес-ограничения предлагается выносить из «головы» языковой модели — например, в явный конфиг политик возвратов: пороги сумм, окна по дням, флаг, когда решение обязано пройти human approval. На схеме рядом с моделью стоят rules engine, инструменты, workflow engine, оператор-человек и логи.
Для рискованных действий — крупные возвраты, блокировка аккаунта, прод-инфраструктура, удаление данных, исключения по безопасности и ответы, чувствительные с точки зрения комплаенса — одобрение человека описано как норма, а не формальность.
Итоговый посыл: безопасность здесь — не лозунг, а связка политик, явных полномочий агента и воспроизводимого следа решений.
Интеграции: от абстракции к распространённым сервисам
Рамка остаётся архитектурной; в качестве примеров звеньев цепочки фигурируют, в частности:
- платёжная и CRM-связка (Stripe, HubSpot);
- поддержка (Zendesk) и корпоративные мессенджеры (Slack);
- Postgres, внутренние админ-инструменты и финансовый дашборд.
Отдельной темой MCP или конкретной IDE пост не занимается — акцент на том, как связать LLM с реальными системами записи и контроля.
Возвраты и тикеты: развёрнутые сценарии
Для возврата средств выстраиваются шаги от проверки заказа до обновления CRM. Отдельно разбирается сценарий тикета в поддержку при двойном списании — с нумерацией этапов от идентификации клиента до логирования исхода.
В конце приводится таблица типов workflow (поддержка и триаж, биллинг и возвраты, квалификация лидов, обогащение CRM, внутренние отчёты, комплаенс-чеклисты, логистические исключения, расследования abuse, финансовый бэк-офис, онбординг вендоров) с коротким пояснением, почему формат агента туда подходит.
Состояние, границы и сбои как у обычного ПО
Для условного refund-агента вынесены явные can/cannot: что разрешено автоматизировать и что остаётся за политикой и людьми. Требования к аудиту сформулированы перечислением: что запустило workflow, какие данные пришли, какое решение и какая политика сработали, какие инструменты дернули, что изменилось во внешних системах, было ли одобрение человека и каков итог; в тексте есть пример структурированной записи лога.
Отказы трактуются как штатные случаи: таймаут платёжного провайдера, пауза сценария, уведомление оператора, запрет сообщать клиенту об успехе при фактическом провале операции. Нет аккаунта — запросить идентификатор, не угадывать; конфликт правил — эскалация человеку. Реальных новостных инцидентов или корпоративных кейсов в изложении нет; опора на синтетические сценарии ошибок и неполных данных.
В финале поста указано, что Tactas AI занимается построением подобных систем, со ссылкой на https://tactasai.com/. Адрес публикации на Dev.to содержит сегмент /tactasai/.
Источники
- Tactas AI — Building AI Agents That Actually Execute Workflows, Not Just Answer Questions (Dev.to). URL: Dev.to — дата обращения (UTC): 2026-05-07T10:15:00Z (зафиксировано при проверке первоисточника).
- Tactas AI — корпоративный сайт, на который ссылается финал поста. URL: https://tactasai.com/ — дата обращения (UTC): 2026-05-07T10:15:00Z.