Я начал с идеи сделать российский каталог ИИ-сотрудников. После первого прохода по рынку вопрос изменился: проблема не только в поиске агента, а в том, чтобы понять его реальную работу, стоимость и сложность запуска.

Я хотел сделать каталог ИИ-сотрудников. Вот что оказалось не так с существующими площадками

Недавно я увидел Elai.my - международную площадку, которая пытается собрать в одном месте ИИ-агентов, цифровых сотрудников и роботов.
Идея показалась мне логичной.

Сервисов становится всё больше. Один отвечает клиентам, другой квалифицирует заявки, третий работает с документами, четвёртый помогает с наймом, пятый автоматизирует контент.

Но если у бизнеса есть конкретная работа, которую хочется передать ИИ, найти подходящего исполнителя уже не так просто.

Отсюда появилась гипотеза: а что, если сделать такой каталог для российского рынка?
Не очередную подборку нейросетей.
Не страницу “100 полезных AI-сервисов”.

А место, куда предприниматель приходит с конкретной задачей и может найти цифрового исполнителя, понять, что он реально умеет, сколько стоит и насколько сложно его запустить.
Я решил не начинать с разработки.
Сначала посмотреть, что уже есть на рынке.

И после первого исследования сам вопрос начал меняться.
Короткий ответ: каталоги ИИ-агентов в России и за рубежом уже существуют, и предложений довольно много. Но под одним названием смешиваются готовые сервисы, чат-боты, шаблоны, платформы и кастомная разработка. Поэтому реальная проблема для бизнеса сейчас не только найти агента, а понять, какую работу он выполняет, можно ли его проверить и что потребуется для запуска.

Я думал, что каталогов почти нет. Оказалось, рынок уже довольно большой

Я запустил несколько параллельных исследований через разные нейросети, затем начал сводить найденные площадки вручную в одну базу.
Рабочий список быстро вырос до 59 объектов конкурентного поля.
Именно объектов, а не 59 прямых конкурентов.

Туда попали российские и международные каталоги, площадки разных поставщиков, витрины собственных ИИ-сотрудников, конструкторы агентов и магазины внутри крупных технологических экосистем.

Например, на российском рынке есть pickTech, Aienter, AgentPoint, Cloud.ru, AI Agenta, AIPhi, Sergeev Agents, Элевион и другие проекты.

На международном - Elai.my, AI Agent Store, AgentMarketplace.ai, Supervity, Microsoft Agent Store, AWS Marketplace, Google Cloud Marketplace, Relevance AI, Dify, Coze и другие.

Причём некоторые каталоги уже довольно большие.
На момент моей проверки в разделе ИИ-агентов pickTech было 109 решений. Площадка не только собирает карточки, но и отдельно описывает собственную методику тестирования через “тайного клиента”.

Aienter показывал 266 карточек решений.
То есть исходная гипотеза “в России почти нечего каталогизировать” довольно быстро перестала выглядеть убедительно.

Но появился другой вопрос.
Что именно находится внутри этих каталогов?

Под словом “ИИ-агент” рынок продаёт очень разные продукты

Когда я начал открывать карточки, выяснилось, что единица каталога почти нигде не стандартизирована.
В одном случае это действительно готовый сервис, который подключается к рабочим системам и выполняет конкретные действия.
В другом - чат-бот.
В третьем - шаблон автоматизации.
В четвёртом - навык для другой платформы. Я уже отдельно разбирал, чем навык ИИ-агента отличается от самого агента, промпта, памяти и MCP.
В пятом - инструмент для разработчика.
В шестом - обычный SaaS с добавленными ИИ-функциями.
А иногда карточка “ИИ-сотрудника” фактически оказывается предложением оставить заявку на индивидуальную разработку.

На витрине всё это может выглядеть одинаково.
“ИИ-агент”.
“Цифровой сотрудник”.
“ИИ-менеджер”.
“ИИ-маркетолог”.

Для технического специалиста разница между этими продуктами понятна.
Для предпринимателя она может быть критической.

Если я открываю карточку “ИИ-менеджер по продажам”, то ожидаю довольно конкретную вещь: система получает заявки, разговаривает с клиентами, квалифицирует их и передаёт результат в CRM.

Но за таким названием может скрываться готовый продукт, конструктор, чат без интеграции или проект внедрения, который сначала нужно отдельно спроектировать.
Это четыре совершенно разных варианта покупки.

Поэтому название агента почти ничего не решает

Проблема особенно хорошо проявилась, когда я начал собирать решения в Excel.
На первом автоматическом проходе получилось 301 название сервиса, агента, навыка или другого ИИ-решения из части исследуемых площадок.

И почти сразу стало понятно: простой список названий бесполезен.
“AI-рекрутер” ещё можно расшифровать.
“Голосовой робот” тоже.
“Проверка договора” объясняет хотя бы направление работы.
Но что конкретно делает условный BayCX, Upservice или очередной Agent Suite, из названия уже не понятно.

Я начал добавлять в таблицу ещё одно поле:
какую задачу решает этот сервис или агент.

Не рекламный слоган.
Не “повышает эффективность бизнеса”.
А конкретную работу.

Например, принимает типовые обращения клиентов, отвечает по базе знаний и передаёт сложные случаи оператору.
Или проверяет договор по заданным правилам и выделяет условия, которые нужно посмотреть юристу.
Или квалифицирует входящие заявки и передаёт подходящие лиды менеджеру.

После этого каталог начинает выглядеть совсем иначе.
Бизнесу не нужен “AI Agent X”.

Бизнесу нужно, чтобы определённая работа была выполнена. На других исследованиях я уже приходил к похожей границе - например, когда разбирал, что именно из поиска контента можно отдать цифровому сотруднику.

Найти подходящую карточку ещё не значит получить цифрового сотрудника

Второе наблюдение появилось, когда я стал смотреть не только на саму карточку, но и на то, что происходит после неё.

На витрине путь обычно выглядит просто:
нашёл сотрудника -> подключил -> начал работать.

В реальности между “нашёл” и “начал работать” может находиться отдельный проект.
Нужно подключить CRM.
Получить доступы.
Настроить телефонию.
Загрузить базу знаний.
Сопоставить поля.
Определить права.
Настроить правила передачи задачи человеку.
Проверить нестандартные случаи.
Разобраться, что произойдёт, если внешний сервис недоступен или агент не уверен в результате.

Иногда всё это действительно можно сделать самостоятельно.
Иногда потребуется интегратор.
Иногда поставщик должен сначала изучить процесс и настроить решение под конкретную компанию.
Все три модели нормальны.

Проблема начинается тогда, когда по карточке нельзя понять, какая именно модель перед тобой.
Этот разрыв между возможностью модели и реальным внедрением я уже разбирал отдельно в материале «ИИ не отменил внедрение».

Именно поэтому мне всё меньше нравится показатель “сколько агентов есть в каталоге”.
Гораздо важнее другое: сколько из них я могу реально использовать для конкретной работы и что мне потребуется для запуска.

Очень показательной оказалась разница между количеством карточек и возможностью попробовать продукт

На момент проверки Aienter показывал 266 карточек.
При этом карточек с демо площадка показывала одну.

Это не означает, что остальные решения не работают.
Но для покупателя ситуация выглядит интересно.
Ассортимент большой.
А возможность самостоятельно проверить продукт до общения с поставщиком почти отсутствует.

Elai.my решает проблему иначе. Площадка строит модель вокруг проверки продавцов, нескольких уровней верификации, защищённой сделки и возможности тестировать агентов.

Но и здесь важно смотреть не только на архитектуру идеи.
На момент моей проверки публичный каталог Elai.my содержал одну карточку, а предложений уровня Verified или Certified ещё не было.

Для меня это хороший пример того, почему конкурентное исследование нельзя заканчивать на красивой главной странице.
Можно найти очень интересную механику продукта.
Но это ещё не доказательство того, что вокруг неё уже существует зрелый рынок.

Отдельная проблема - цена

Если я выбираю обычный SaaS, чаще всего могу хотя бы понять порядок стоимости.
С ИИ-сотрудниками это получается не всегда.

У одних решений есть фиксированная подписка.
У других - оплата за использование.
Где-то тарификация идёт за звонок, обращение или выполненное действие.
А где-то вместо цены сразу стоит “оставить заявку”.

Но даже публичный тариф ещё не обязательно отвечает на главный вопрос.
Мне важна не только стоимость доступа к сервису.
Мне важно, сколько будет стоить выполнение конкретной функции после подключения модели, интеграций, инфраструктуры и необходимого участия человека.
Поэтому сравнивать цифровых сотрудников только по цене подписки, скорее всего, недостаточно.

С независимыми подтверждениями тоже оказалось непросто

Я отдельно искал отзывы и фактические подтверждения работы решений.
Причём не только кейсы на сайте самого поставщика.

Меня интересует более жёсткий уровень доказательности: кто действительно использовал продукт, на какой задаче, что получилось и где возникли ограничения.
На первом проходе такой информации оказалось заметно меньше, чем самих предложений.

Часто можно найти описание функций.
Можно найти обещания экономии.
Можно найти кейс самого разработчика.
Но гораздо реже встречается формат, в котором два похожих решения проверены на одной работе по одинаковым критериям.

И здесь, возможно, находится более интересная функция будущего каталога, чем простое агрегирование ссылок.
Не собрать больше карточек.
А помочь проверить, насколько им можно доверять.

После этого исходная идея начала меняться

В начале исследования мой вопрос звучал так:

Есть ли смысл сделать российский каталог ИИ-сотрудников?

Сейчас вопрос для меня другой:

Как помочь бизнесу выбрать цифрового исполнителя под конкретную работу и заранее понять, что он действительно умеет, сколько будет стоить его использование и какая работа останется человеку?

Вроде бы разница небольшая.
Но с точки зрения продукта она принципиальная.

Если задача состоит в создании каталога, нужно максимально быстро собирать поставщиков, категории и карточки.
Если задача состоит в выборе исполнителя для конкретной работы, то ассортимент становится только одной частью продукта.
Нужны ещё сравнение, проверка и понимание реальной сложности запуска.

Что должно быть в карточке ИИ-агента для бизнеса

После первого прохода по рынку я сформулировал минимальный набор вопросов, на которые нормальная карточка должна отвечать:

• Какую конкретную работу выполняет решение?
• Что оно получает на вход?
• Что должно получиться на выходе?
• Какие действия выполняются самостоятельно?
• В каких случаях нужен человек?
• С какими системами решение работает и что потребуется для интеграции?
• Сколько стоит не просто доступ к сервису, а использование функции?
• Можно ли попробовать решение и есть ли независимое подтверждение его работы?

Если этих ответов нет, красивое имя цифрового сотрудника мало помогает принять решение.
А если они есть, количество “агентов” в каталоге становится уже вторичным.

Что я проверяю дальше

Сам принцип для меня уже знаком: сначала исследование, потом продукт.
Я пока не решил, нужно ли вообще создавать такой продукт.

И тем более не решил, должен ли он становиться полноценным маркетплейсом с оплатой, сделками и размещением сторонних продавцов.
Для этого пока недостаточно данных.

Следующий этап исследования для меня намного приземлённее.
Сначала закончить инвентаризацию рынка и привести разные решения к общему формату.

Затем выбрать несколько повторяющихся бизнес-задач и сравнить решения уже не по маркетинговым страницам, а по одинаковому сценарию.
Например, отдельно посмотреть, кто действительно умеет квалифицировать входящие заявки.
Кто способен проверять документы по заданным правилам.
Кто может закрывать типовые обращения клиентов и правильно передавать исключения человеку.

И только после этого возвращаться к вопросу о продукте.
Пока мой промежуточный вывод такой.
Проблема, похоже, не в недостатке ИИ-сотрудников.

Предложений уже много. Гораздо сложнее понять, какое из них действительно подходит под конкретную работу, можно ли его проверить до покупки и что потребуется, чтобы красивое демо превратилось в работающую часть бизнеса.

Именно это я хочу исследовать дальше.

FAQ

Что такое каталог ИИ-агентов для бизнеса?

Это площадка, где собраны готовые AI-решения для конкретных бизнес-задач: продаж, поддержки, HR, документов, маркетинга и других функций. При этом разные площадки могут называть агентами принципиально разные продукты - от готового SaaS до шаблона или услуги внедрения.

Чем ИИ-сотрудник отличается от обычного чат-бота?

Название само по себе ничего не гарантирует. Для практического различия нужно смотреть, способен ли продукт самостоятельно получать данные, выполнять действия в рабочих системах, обрабатывать исключения и передавать человеку ситуации, которые выходят за заданные границы.

Как выбрать ИИ-агента для бизнеса?

Сначала определить конкретную работу, которую нужно передать. Затем сравнивать решения по входным данным, готовому результату, интеграциям, цене, возможности тестирования, границе автономности и тому, какое участие человека останется после запуска.