ИИ-агенты 24/7: как Perplexity Teammates меняют рабочие задачи

ИИ-агенты 10 мин чтения

---

Perplexity запустила Teammates: постоянно работающих ИИ-агентов. Они берут на себя не разовые запросы, а целые направления работы. Это не очередной чат-бот с расширенным контекстом: агент получает роль, цель. Дальше он действует самостоятельно: планирует, выполняет, отслеживает изменения. К человеку возвращается только тогда, когда нужно решение. Для тех, кто управляет несколькими каналами продаж, командой поддержки или потоком входящих данных, такая архитектура меняет саму логику делегирования задач ИИ.

Чем Teammates отличаются от обычного ИИ-ассистента

Стандартный диалог с ИИ работает по схеме «вопрос, ответ». Каждый новый запрос начинается почти с нуля: нужно снова объяснять контекст, уточнять формат, напоминать о предыдущих договорённостях. Это нормально для разовых задач, но неудобно для процессов, которые повторяются или развиваются во времени.

Teammates устроены иначе. Каждый агент существует в отдельной постоянной ветке: он помнит, что делал раньше, какие инструменты использовал, какой контекст накопил в рамках проекта. Пользователь один раз задаёт агенту роль и миссию. Дальше агент работает в фоне, не требуя ежедневного «перезапуска».

Ключевое отличие от временных сессий: сохранение состояния между задачами. Агент не просто выполняет поручение и «засыпает»: он продолжает отслеживать подключённые сервисы, реагирует на новые события. Сам инициирует следующий шаг, когда это предусмотрено его миссией. Человек при этом остаётся в роли куратора, а не операционного исполнителя.

Ещё одно принципиальное отличие: многоагентная координация. Несколько Teammates, работающих в рамках одного проекта, могут распределять задачи между собой: один занимается сбором данных, другой анализом, третий подготовкой материалов. Они используют общий контекст проекта, но сохраняют отдельные роли и зоны ответственности.

Как устроена архитектура: роли, память, инструменты

Каждый Teammate работает внутри облачной среды Perplexity Computer. Агент имеет доступ к браузеру, файлам, коду и внешним сервисам не как к статичным данным, а как к живым инструментам, с которыми он взаимодействует в процессе работы.

При создании агента пользователь задаёт три параметра: роль (кем является агент маркетологом, аналитиком, инженером поддержки), ИИ-модель (для разных задач можно выбирать разные модели) и миссию, общую цель или постоянную зону ответственности. После этого агент самостоятельно разбивает цель на параллельные задачи и приступает к их выполнению.

Память агента включает несколько слоёв: проекты и файлы, накопленные навыки, история прошлых сессий, подключённые коннекторы и инструкции, заданные пользователем. Поэтому задачи не нужно описывать заново при каждом обращении, агент уже знает, как работает этот конкретный процесс.

Подключение к внешним сервисам: отдельная сильная сторона архитектуры. Teammates интегрируются со Slack, GitHub, Linear и другими инструментами через коннекторы Perplexity. Агент может мониторить канал в Slack, реагировать на новые сообщения, отслеживать появление багрепортов в GitHub или изменение метрик в подключённой системе аналитики. При этом для работы с сайтами и приложениями специальный коннектор не всегда обязателен, агент может использовать браузер напрямую.

Какие задачи Teammates выполняют на практике

Perplexity описывает несколько типовых направлений: маркетинг, продажи, поддержка клиентов, операционная деятельность, финансы и анализ данных. Это не случайный набор: именно эти функции объединяет одно свойство: они требуют постоянного внимания, повторяющихся действий и быстрой реакции на изменения.

В маркетинге агент может управлять рекламной кампанией: отслеживать показатели, фиксировать отклонения, готовить аналитические срезы и предлагать корректировки. В поддержке: сортировать входящие обращения, классифицировать их по типу и приоритету, готовить черновики ответов. В операционной работе: следить за метриками, фиксировать аномалии и уведомлять команду.

Отдельный сценарий: работа с документами. Агент способен изучить договор, сопоставить его с другими документами из проекта, выявить расхождения и подготовить структурированный черновик ответа. Это не пересказ текста, это полноценная аналитическая работа с несколькими источниками одновременно.

Важная деталь: агент не просто выполняет задачу и отчитывается. Он продолжает мониторинг после завершения: отслеживает, не изменилась ли ситуация, не появились ли новые данные, требующие пересмотра результата. Пользователь получает уведомление, когда нужно принять решение или скорректировать направление работы.

Для команд, которые работают с потоком отзывов на маркетплейсах, логика похожа: постоянный мониторинг новых отзывов, классификация по тональности и теме, подготовка ответов с учётом контекста карточки товара. Именно такую архитектуру, когда ИИ-агент работает круглосуточно и не требует ручного запуска при каждом новом отзыве, реализует, например, SaleSynergy в своей мультиагентной системе для управления репутацией на российских маркетплейсах.

Как пользователь контролирует работу агента

Автономность не означает бесконтрольность. Teammates работают в отдельных ветках приложения, где пользователь в любой момент может просмотреть прогресс, промежуточные результаты и текущий статус задач. Это не чёрный ящик: вся цепочка действий агента доступна для проверки.

Если нужно скорректировать направление, достаточно написать агенту в его ветке на естественном языке. Никаких специальных команд или технических настроек. Агент учитывает обратную связь и адаптирует подход.

В критических ситуациях пользователь может «перехватить управление», буквально взять под контроль рабочий стол агента и выполнить действие вручную. После этого агент продолжает работу уже с учётом того, что было сделано.

Подключение к Slack добавляет ещё один канал взаимодействия: агент можно добавить в рабочий канал, и он будет наблюдать за обсуждением, реагировать на поручения от коллег и сообщать о результатах прямо в чат. Это снижает барьер для команд, которые не хотят переключаться между интерфейсами.

При многоагентной работе координация между агентами происходит автоматически, они используют общий контекст проекта, но не дублируют работу друг друга. Пользователь видит итоговый результат, а не внутреннюю переписку агентов.

Условия доступа и ограничения на старте

На момент запуска Teammates доступны в веб-версии подписчикам тарифа Perplexity Max. Стоимость подписки составляет $200 в месяц; также доступен годовой вариант оплаты: $2000 в год. Функция находится в статусе исследовательского предпросмотра, что означает возможные изменения в работе и условиях.

Мобильные приложения для iOS и Android заявлены как следующий этап, конкретные сроки на момент запуска не назывались.

Важный нюанс по экономике: на старте использование Teammates включено в стоимость подписки Max. Однако в анонсе прямо указано, что в будущем работа агентов, вероятно, будет расходовать отдельные кредиты. Это стандартная модель для агентных продуктов: базовый доступ включён, интенсивное использование тарифицируется отдельно. Стоит учитывать это при планировании бюджета на автоматизацию.

По оценке аналитиков рынка, тариф Max конкурирует по цене с аналогичными агентными продуктами других крупных ИИ-платформ. Это не массовый сегмент, и целевая аудитория здесь вполне очевидна: команды и компании, для которых стоимость ручного труда на рутинных задачах превышает стоимость подписки.

Почему архитектура «постоянного агента» важна для работы с отзывами

Одна из самых показательных задач для агентной архитектуры, управление репутацией на маркетплейсах. Отзывы приходят непрерывно, в разное время суток, по разным товарам и с разным эмоциональным зарядом. Ручная обработка каждого отзыва это не только время, но и риск пропустить критичный негатив или ответить несвоевременно.

Стандартный подход «запустил ИИ: получил ответ» здесь работает плохо: каждый раз нужно передавать контекст карточки, историю предыдущих ответов, tone of voice бренда. Агент с постоянной памятью решает эту проблему иначе, он уже знает карточку, знает, как бренд общается с покупателями, и помнит, что отвечал на похожие ситуации раньше.

Проактивный мониторинг: ещё один важный элемент. Агент не ждёт, пока человек откроет интерфейс и проверит новые отзывы. Он сам отслеживает поступление новых оценок, классифицирует их и либо готовит ответ для проверки, либо сразу публикует: в зависимости от настроек. Для команд, работающих с несколькими тысячами SKU на нескольких маркетплейсах одновременно, разница между «ждать проверки» и «мониторить автономно» измеряется в часах реакции.

Аналитика отзывов маркетплейсов в этой схеме перестаёт быть отдельным процессом: агент накапливает данные о темах обращений, типичных претензиях и динамике тональности прямо в ходе работы. Это не просто автоответы на отзывы, это источник данных для улучшения продукта и карточки товара.

Что делать с этой информацией прямо сейчас

Teammates от Perplexity это конкретная реализация идеи, которая давно обсуждается в контексте автоматизации бизнес-процессов: передать ИИ не отдельный запрос, а владение процессом целиком. Для селлеров и команд, работающих на маркетплейсах, это означает несколько практических выводов.

1. Оцените, какие процессы в вашей работе требуют постоянного внимания, а не разовых действий. Мониторинг отзывов, отслеживание метрик карточек, обработка входящих обращений: всё это кандидаты на передачу агенту с постоянной памятью, а не чат-боту, которому каждый раз нужен новый контекст.
2. Не путайте автономность с отсутствием контроля. Хорошая агентная система: та, где вы видите, что происходит, можете вмешаться в любой момент и получаете результат на проверку перед финальным действием. Если инструмент не даёт такой прозрачности это риск, а не удобство.
3. При выборе инструментов для управления репутацией на маркетплейсах смотрите на глубину интеграции. Агент, который работает только через общий API без понимания специфики конкретной площадки, будет давать менее точные результаты, чем тот, что изначально заточен под WB, Ozon или Яндекс Маркет. Сервис для селлеров, который строит аналитику отзывов маркетплейсов на основе данных конкретной площадки, даст более релевантные инсайты, чем универсальный агент без такой специализации.
4. Если вы ещё не автоматизировали ответы на отзывы ИИ, начните с аудита текущего процесса. Сколько времени уходит на обработку одного отзыва? Какой процент отзывов остаётся без ответа дольше 24 часов? Эти цифры покажут, где автоматизация даст наибольший эффект, и помогут выбрать инструмент под реальную задачу, а не под маркетинговое описание.
5. Не ждите идеального момента для внедрения. Агентные системы обучаются на вашем контексте, чем раньше агент начнёт работать с вашими карточками, историей ответов и tone of voice бренда, тем точнее он будет через месяц. Откладывание старта это откладывание накопления контекста, который потом нельзя восполнить быстро.