Что такое ИИ-агенты: типы, применение и принцип работы

Большинство ИИ-инструментов ждут, пока вы сами сформулируете запрос. ИИ-агенты — нет. Эти автономные системы видят весь ваш бизнес целиком — поведение клиентов, остатки на складе, эффективность рекламных кампаний — и действуют самостоятельно, позволяя вам сосредоточиться на стратегии и росте.

По прогнозам, рынок ИИ-агентов в электронной коммерции к 2034 году достигнет 282,6 миллиарда долларов. Возможности для бизнеса огромны: по оценкам McKinsey, к 2030 году только розничный рынок США может получить до 1 триллиона долларов выручки благодаря агентной коммерции.

Ниже — подробное руководство по ИИ-агентам: типы, сценарии использования, способы добиться лучших результатов и конкретные инструменты для старта.

Что такое ИИ-агенты в электронной коммерции?

ИИ-агенты — это системы искусственного интеллекта, которые автономно воспринимают окружающую среду, интерпретируют данные, принимают решения и выполняют действия. Они работают на базе больших языковых моделей (LLM) и генеративного ИИ. В электронной коммерции ИИ-агенты функционируют непрерывно, подключаясь к данным вашего бизнеса и внешним системам для выполнения сложных задач без постоянного контроля со стороны человека.

Вот ключевые возможности, которые отличают ИИ-агентов от более простых ИИ-инструментов для бизнеса:

Автономность

ИИ-агенты не ждут пошаговых инструкций. Как только вы задаёте ориентиры и цели, они анализируют среду на основе доступных данных и действуют самостоятельно. Обычный ИИ-инструмент может сгенерировать описание товара по запросу; автономный ИИ-агент отслеживает весь каталог, находит карточки со слабым текстом и переписывает их на основе данных о конверсии — без вашего участия.

Целенаправленное поведение

Вместо того чтобы реагировать на отдельные запросы, ИИ-агенты работают на достижение определённых бизнес-целей. Они умеют разбивать сложные задачи на подзадачи, расставлять приоритеты и адаптировать подход при изменении условий. Например, ваш ИИ-агент не просто напишет рекламный текст, а будет непрерывно тестировать варианты, перераспределять бюджет в пользу наиболее эффективных кампаний и корректировать сообщения на основе результатов в реальном времени.

Использование инструментов

Продвинутые ИИ-агенты подключаются к внешним системам — CRM, системам управления запасами, рекламным платформам и платёжным сервисам — для сбора информации и выполнения действий. Это значит, что они могут извлекать данные отслеживания, обновлять остатки на складе или инициировать повторный заказ, обращаясь к инструментам, которые ваша команда уже использует.

Память и обучение

Продвинутые ИИ-агенты сохраняют контекст прошлых взаимодействий и учатся на результатах. Они запоминают предпочтения клиентов, помнят предыдущие решения и в дальнейшем используют накопленные знания для принятия более обоснованных решений.

«Агентный ИИ — это целевая конфигурация искусственного интеллекта, а не просто „текст на входе — текст на выходе”, — считает Алекс Пилон, разработчик Shopify и сторонник ИИ-технологий. — У вас есть системный или инструктивный промпт, настроенный под конкретную задачу или рабочий процесс». Дополнительные инструменты и ресурсы, включая внутреннюю документацию компании, позволяют ИИ-агентам самостоятельно выполнять узкоспециализированные задачи.

Например, стандартная большая языковая модель может проанализировать текущие складские данные и предложить товары для пополнения. Но ИИ-агент для электронной коммерции идёт дальше: он автономно отслеживает уровень запасов, анализирует прогнозы продаж и автоматически пополняет популярные позиции на основе заданных вами правил. В этом разница между инструментом, который помогает принимать решения, и агентом, который действует самостоятельно.

Ключевые преимущества ИИ-агентов

Выгоды от использования ИИ-агентов в электронной коммерции уже подтверждаются реальными бизнес-результатами. Согласно опросу PwC об ИИ-агентах за 2025 год, среди компаний, внедривших ИИ-агентов, 66% отмечают рост производительности, а 57% — снижение затрат. Более половины также указывают, что технология помогает быстрее принимать решения (55%) и улучшает клиентский опыт (54%).

Вот как эти преимущества выглядят на практике:

• Рост производительности. ИИ-агенты автоматизируют рутинные задачи, которые отнимают время у команды: обработку заказов, маршрутизацию обращений, ввод данных. Это высвобождает сотрудников для творческой и стратегической работы, которая создаёт реальную ценность и требует уникальной экспертизы.
• Снижение затрат. ИИ-агенты выполняют задачи, для которых иначе потребовался бы дополнительный персонал, сокращая операционные расходы при сохранении, а зачастую и повышении, качества. Несколько ИИ-агентов, работающих параллельно, способны обрабатывать объёмы, которые перегрузили бы команду при ручном выполнении задач — без переработок, выгорания и непоследовательности.
• Ускорение принятия решений. ИИ-агенты анализируют данные в реальном времени, выявляя инсайты и предпринимая меры значительно быстрее, чем позволяют традиционные процессы. Качество решений повышается благодаря распознаванию закономерностей в поведении клиентов, ценовых трендах и движении запасов, которые человеку сложно отследить в таком масштабе.
• Улучшение клиентского опыта. От персонализированных рекомендаций до мгновенной поддержки по всем каналам — ИИ-агенты помогают создавать тот бесшовный и гибкий клиентский опыт, который формирует лояльность.

При этом между потенциалом и практикой существует разрыв. Опрос Shopify среди предпринимателей за 2025 год* показал, что хотя три четверти устоявшихся бизнесов уже используют ИИ-инструменты для электронной коммерции, уровень внедрения остаётся довольно поверхностным. Из опрошенных 69% применяют ИИ преимущественно для генерации контента, и менее трети — для клиентского сервиса, автоматизации или анализа данных. Среди тех, кто использует ИИ-инструменты, более половины (55%) называют главным преимуществом экономию времени на рутинных задачах.

Вывод? Технология готова, но грамотное внедрение и контроль важны не менее, чем сами инструменты. Бизнесы, получающие максимальную отдачу, не просто разворачивают ИИ-агентов — они продуманно интегрируют их в свои процессы с чёткими целями, разумными ограничениями и постоянным контролем со стороны человека.

ИИ-агенты, чат-боты и автоматизация: в чём разница

Понимание различий между автоматизацией на основе правил, чат-ботами и ИИ-агентами — ключ к выбору правильного подхода. У каждой технологии своя роль, и наибольшую эффективность они часто показывают в связке. Вот как они соотносятся:

Автоматизация

Автоматизация на основе правил следует жёстким, заранее заданным условиям: «Если происходит X, выполни Y». Она не адаптируется к изменениям, не понимает контекст и не принимает самостоятельных решений. Автоматизация через Shopify Flow может, например, присвоить клиенту тег «VIP», когда его совокупные покупки превысят 500 долларов, и автоматически применить скидку за лояльность. Это быстро и надёжно, но если критерии меняются — скажем, вы хотите учитывать частоту покупок или категории товаров — правила придётся переписывать вручную.

Чат-боты

Чат-боты добавляют разговорный слой. Традиционные чат-боты для ритейла используют обработку естественного языка (NLP), чтобы понимать вопросы клиентов и отвечать на них, как правило, опираясь на заранее подготовленную базу знаний. Чат-бот может ответить на вопрос «Где мой заказ?», найдя информацию об отслеживании и передав её клиенту. Более продвинутые чат-боты ведут многоходовые диалоги и распознают разные формулировки, но обычно работают в рамках определённой области.

ИИ-агенты

ИИ-агенты идут дальше. Они сочетают обработку естественного языка, принятие решений и использование инструментов для автономных действий в динамичной среде. ИИ-агент не просто отвечает на вопросы — он анализирует ситуацию, извлекает данные из нескольких внешних систем, предпринимает самостоятельные действия и учится на результатах.

Вот как эти различия могут проявиться в реальной жизни. Представьте, что клиент пишет в магазин по поводу задержки заказа:

• Автоматизация на основе правил обнаруживает ключевое слово «задержка» и отправляет клиенту шаблонный ответ с описанием стандартной политики доставки.
• Чат-бот находит заказ, определяет причину задержки и сообщает ориентировочную новую дату доставки. Если клиент недоволен, бот передаёт обращение сотруднику.
• ИИ-агент извлекает данные отслеживания, определяет, что задержка вызвана проблемами у поставщика, и проверяет возможности альтернативной отправки товара. Он проактивно предлагает скидку с учётом пожизненной ценности клиента, а при необходимости эскалации передаёт сотруднику сводку с рекомендованными дальнейшими шагами.

Автоматизация на основе правил идеально подходит для чётко определённых задач с предсказуемым результатом — тегирование, маршрутизация, простые уведомления. Чат-боты хорошо справляются с большим потоком типовых клиентских обращений, где важна скорость. ИИ-агенты лучше всего подходят для сложных многоэтапных бизнес-процессов, связанных с неопределённостью и требующих понимания контекста и адаптивного принятия решений в нескольких системах одновременно.

Большинство ecommerce-бизнесов выигрывают от комбинации всех трёх подходов: автоматизация для рутинных задач, чат-боты и ИИ-ассистенты для стандартных клиентских взаимодействий, а ИИ-агенты — для сложных рабочих процессов, которые они могут выполнять самостоятельно.

Типы ИИ-агентов

ИИ-агенты варьируются от простых реактивных систем до сложных обучающихся моделей. Понимание пяти основных типов поможет выбрать подходящее решение для разных направлений бизнеса.

Простые рефлексные агенты

Простые рефлексные агенты реагируют на текущие входные данные по заранее заданным правилам. Они не учитывают прошлые взаимодействия и будущие последствия, а лишь выдают реакцию на происходящее в данный момент. В электронной коммерции такой агент может, например, отправлять оповещение при снижении запасов ниже установленного порога. Простые рефлексные агенты быстры и надёжны при выполнении чётко определённых задач, но не справляются с ситуациями, не предусмотренными их правилами.

Модельные рефлексные агенты

Модельные рефлексные агенты идут на шаг впереди, поддерживая внутреннюю модель окружающей среды. В отличие от простых рефлексных агентов, они отслеживают изменения состояния во времени, что позволяет принимать решения на основе тенденций, а не изолированных моментальных данных. Модельный рефлексный агент, контролирующий ваш интернет-магазин, может отслеживать не только текущие остатки, но и скорость продаж, ожидаемые поставки и сезонные колебания спроса. Так формируется внутренняя картина цепочки поставок, помогающая принять более взвешенные решения о пополнении запасов.

Целевые агенты

Целевые агенты способны работать на достижение конкретных целей. Они не просто реагируют на изменения, а оценивают различные варианты действий и выбирают тот, который с наибольшей вероятностью приведёт к нужному результату. Например, целевой агент, ориентированный на повышение открываемости email-рассылок, может экспериментировать со временем отправки, темами писем и сегментами аудитории, непрерывно корректируя свой подход.

Агенты на основе полезности

Агенты на основе полезности добавляют уровень сложного анализа, присваивая числовые значения различным исходам, что позволяет балансировать между конкурирующими приоритетами. Такой агент задаётся вопросом: «Какой вариант принесёт наибольшую совокупную ценность?» В электронной коммерции агент на основе полезности, управляющий динамическим ценообразованием, может одновременно учитывать защиту маржи, конкурентное позиционирование и оборачиваемость запасов, находя оптимальную цену, которая максимизирует общую ценность для бизнеса.

Обучающиеся агенты

Обучающиеся агенты — наиболее продвинутый тип ИИ-агентов. Они совершенствуют свою работу со временем благодаря накопленному опыту и становятся умнее с каждым взаимодействием. Обучающийся агент, отвечающий за рекомендации товаров, может начать с общих лучших практик, а затем уточнять свой подход, анализируя, какие рекомендации приводят к реальным покупкам.

На практике большинство ecommerce-платформ комбинируют несколько типов агентов для решения сложных задач в разных функциональных областях. Агент клиентского сервиса может использовать простую рефлексную логику для базовых FAQ, модельное мышление для понимания текущих проблем клиента и обучающиеся возможности для улучшения ответов на основе оценок удовлетворённости.

Мультиагентные системы, где несколько ИИ-агентов координируют свои действия для распределения и выполнения сложных рабочих процессов, также набирают популярность, особенно в крупных компаниях. Понимание этих базовых элементов помогает оценивать возможности ИИ-инструментов и задавать правильные вопросы о моделях, функционале и производительности.

Сценарии использования ИИ-агентов в ecommerce

• Клиентский сервис
• Маркетинг и оптимизация кампаний
• Динамическое ценообразование
• Управление запасами и фулфилмент

У ecommerce-бизнеса множество возможностей для интеграции ИИ-агентов — от клиентских функций, таких как персонализированная поддержка, до операционных задач, включая мониторинг запасов. Вот четыре популярных направления с примерами использования:

Клиентский сервис

ИИ-чат-боты уже вывели клиентский сервис на новый уровень, но ИИ-агенты расширяют эти возможности на всю экосистему электронной коммерции. Они могут обрабатывать обращения клиентов по множеству каналов — в чатах, мессенджерах, социальных сетях и по электронной почте.

Благодаря последним достижениям в обработке естественного языка (NLP) ИИ-агенты для ecommerce обеспечивают мгновенные разговорные ответы и круглосуточную персонализированную поддержку. ИИ-агент не просто отвечает на вопросы — он понимает контекст, помнит прошлые взаимодействия и может выполнять действия в ваших системах.

Допустим, интернет-магазин с ИИ-поддержкой на основе агентного подхода определяет, что задержка доставки связана с проблемами у поставщика. Агент извлекает данные отслеживания и информацию о статусе заказа, а затем объясняет ситуацию клиенту простым языком.

Если для организации альтернативной отправки требуется эскалация, ИИ-агент формирует сводку проблемы и контекст клиента, чтобы менеджер мог подключиться без потери информации. Это помогает улучшить клиентский опыт даже в сложных ситуациях и сократить количество переписок.

Такие инструменты, как Shopify Inbox, позволяют предпринимателям мгновенно отвечать на обращения, настраивать автоматические приветствия и направлять вопросы в нужные отделы. ИИ-сервис для клиентов также может отправлять сообщения после покупки, связываться с клиентами, бросившими корзину, и предоставлять обновления по заказам, укрепляя доверие и стимулируя повторные покупки.

Ренни Вуд, основатель Wood Wood Toys, учёл ИИ-возможности Shopify Inbox при пересмотре маркетинговой стратегии. «С Shopify Inbox мы можем обеспечить отличный клиентский опыт и отвечать на вопросы покупателей точнее, чаще и быстрее. Если кто-то обращается с проблемой, я уверен, что в восьми случаях из десяти мы решим её и закроем продажу».

Маркетинг и оптимизация кампаний

Агентный ИИ совершенствует ecommerce-маркетинг, создавая самооптимизирующиеся кампании, работающие в режиме непрерывной обратной связи. ИИ-агенты постоянно тестируют, обучаются и адаптируются в реальном времени, анализируя исторические данные, используя предиктивную аналитику для выявления рыночных трендов и обнаруживая закономерности, которые сложно заметить вручную.

В отличие от традиционных маркетинговых подходов, которые бывают статичными, ИИ-агенты проводят A/B-тестирование, перераспределяют рекламные бюджеты на основе эффективности и персонализируют время и содержание сообщений. По словам Алекса, это «колоссальное усиление».

«ИИ снизит порог входа в маркетинг и рекламные кампании, особенно если вы не разбираетесь в стратегиях ставок, экспериментах с посадочными страницами и отслеживании конверсий, — говорит он. — ИИ-ассистент, который поможет разобраться в настройке и избежать типичных ошибок, — это невероятно ценно».

Маркетинг — одна из тех областей, где сочетание данных в реальном времени, автономного принятия решений и непрерывной оптимизации даёт ИИ-агентам явное преимущество перед ручными подходами. Подробнее о том, как бренды используют ИИ для роста.

Динамическое ценообразование

ИИ-агенты могут отслеживать цены конкурентов, колебания спроса и уровень запасов, а затем автоматически корректировать цены для максимизации прибыли при сохранении конкурентоспособности. Они выходят за рамки базового динамического ценообразования, используя микросегментацию, персонализированные акции и данные о клиентах из множества источников.

Целевые агенты и агенты на основе полезности особенно хорошо подходят для оптимизации цен. Они способны одновременно балансировать между конкурирующими приоритетами — защитой маржи, конкурентоспособностью и оборачиваемостью запасов, вместо того чтобы оптимизировать только один показатель.

Например, интернет-магазин может внедрить агента динамического ценообразования, который предлагает персонализированные акции на основе предыдущих взаимодействий с клиентом, цен конкурентов и стоимости сырья. Возможности ИИ в ценообразовании выходят далеко за рамки простых правил.

Управление запасами и фулфилмент

ИИ-агенты отлично справляются с отслеживанием уровня запасов, прогнозированием колебаний спроса и автоматическим размещением повторных заказов на основе скорости продаж и сезонных тенденций. Они значительно превосходят возможности своих предшественников на базе машинного обучения, используя данные из внешних источников, включая социальные сети, прогнозы погоды, отчёты конкурентов и экспертные оценки.

Представьте: ваш специализированный онлайн-магазин кофе продаёт лимитированную обжарку, которая становится вирусной в соцсетях. ИИ-агент, отслеживающий продажи, может проверить сроки поставки, складские мощности и данные датчиков, чтобы определить, грозит ли вам дефицит товара. Если да — он автоматически разместит заказ или предупредит вашу команду, предложив рекомендации, которые помогут избежать перебоев в продажах.

Именно здесь ИИ в CRM пересекается с управлением цепочками поставок, связывая сигналы клиентского спроса напрямую с решениями в сфере фулфилмента.

Как контролировать и управлять ИИ-агентами

ИИ-агенты требуют надлежащего контроля, чтобы принимать последовательные решения и приносить устойчивую пользу бизнесу. Наиболее успешные внедрения рассматривают механизмы контроля не как ограничители возможностей ИИ, а как инструменты для достижения лучших результатов.

Вот несколько мер контроля, которые помогут вашим автономным агентам оставаться эффективными, безопасными и соответствовать бизнес-целям:

Контрольные точки с участием человека (HITL)

Для решений с высокими ставками — изменения цен сверх определённого порога, крупных возвратов или ответов на эскалированные жалобы — встраивайте контрольные точки с участием человека. Это не значит, что нужно отслеживать каждое взаимодействие. Это значит определить решения, которые несут реальный риск, и обеспечить участие человека в критически важных точках рабочего процесса.

Например, вы можете позволить ИИ-агенту автономно корректировать цены в пределах 10%, но требовать одобрения сотрудника для любых изменений сверх этого порога. Такой подход сохраняет преимущества скорости и эффективности ИИ-агентов, оставляя контроль над важными бизнес-решениями за людьми.

Ограничения и границы полномочий

Чётко определите, что ваши ИИ-агенты могут и чего не могут делать. Установите уровни доступа, соответствующие возможностям агента и уровню риска каждой задачи. Это включает определение внешних систем, к которым агент имеет доступ, действий, которые он может выполнять (только чтение или запись), а также бизнес-процессов, которые он может изменять.

Ограничения могут включать лимиты на размер скидок, которые агент может предлагать, утверждённые шаблоны сообщений для взаимодействия с клиентами или порог доступа к определенным данным. Цель — дать ИИ-агентам достаточно автономии, чтобы приносить пользу, и при этом предупредить непредвиденные последствия. Воспринимайте это как ответственное внедрение ИИ, а не как ограничение.

Мониторинг и логирование

Отслеживайте действия ваших ИИ-агентов. Подробное логирование действий, решений и логики работы агента позволяет проводить аудит производительности, выявлять ошибки и получать ясное представление о поведении системы с течением времени. Качественный мониторинг помогает обнаруживать проблемы на ранних этапах.

Выбирайте платформы с наглядными панелями отчётности и системами оповещения об аномалиях. Такая прозрачность необходима для формирования доверия к ИИ-системам внутри организации и создаёт информационную основу для их постоянного совершенствования.

Обратная связь

ИИ-агенты совершенствуются благодаря структурированной обратной связи. Создайте системы, которые фиксируют результат и помогают ответить на следующие вопросы:

• Привело ли обращение в службу поддержки к решению проблемы?
• Повысило ли изменение цены конверсию?
• Был ли приобретён рекомендованный товар?

Система должна передавать эти данные обратно в процесс принятия решений агента. Так создаётся цикл непрерывного улучшения, в котором агент учится на реальных результатах.

Поощряйте команду отмечать случаи, когда суждения агента оказывались неточными. Это помогает создать обучающую систему, в которой человеческая экспертиза и возможности ИИ дополняют друг друга. Предприниматели, которые относятся к ИИ-агентам как к партнёрам, а не как к инструментам по принципу «настроил и забыл», стабильно получают лучшие результаты. Опрос PwC это подтверждает: хотя большинство компаний встраивают ИИ-агентов в существующие рабочие процессы, наибольшую отдачу получают те, кто перестраивает процессы с учётом их возможностей.

5 ИИ-агентов для электронной коммерции

1. Shopify Sidekick
2. Akira AI
3. TechMonk
4. Relevance AI
5. Ada

Выбор подходящего ИИ-агента для электронной коммерции зависит от уникальных потребностей вашего бизнеса, бюджета, технических ресурсов и конкретного сценария использования. Одни платформы предлагают low-code решения, которые идеально подходят для небольших команд, другие ориентированы на корпоративные внедрения. Вот обзор ведущих платформ для создания ИИ-агентов в ecommerce:

1. Shopify Sidekick

Shopify Sidekick — это ИИ-комплекс для коммерции, интегрированный в экосистему Shopify. Он работает круглосуточно, анализируя данные магазина в реальном времени, предоставляя бизнес-рекомендации и помогая выполнять технические задачи, включая настройку домена, управление метаполями и многое другое.

Sidekick также помогает с творческими задачами: написанием SEO-оптимизированных описаний товаров или мгновенной обработкой фотографий продуктов. Кроме того, он помогает общаться с клиентами через Shopify Inbox, предлагая продуманные ответы, которые превращают вопрос в продажу. Независимо от того, запускаете вы новый бизнес или масштабируете существующий, Sidekick поможет создать профессиональный бренд и укрепить присутствие в интернете.

Стоимость: Sidekick включён в платные тарифы Shopify. Функции и лимиты использования зависят от выбранного плана.

2. Akira AI

Akira AI предлагает множество ИИ-агентов для оптимизации бизнес-процессов — от управления рисками до ИТ-сервисов и закупок. Ecommerce-агенты платформы предоставляют специализированные решения для различных ролей в электронной коммерции: аналитик розничной торговли, управляющий магазином, координатор клиентского опыта, специалист по этичной коммерции и технолог ритейла.

Например, для решения «специалист по этичной коммерции» ИИ-агенты могут выступать в роли анализатора справедливого ценообразования или консультанта по правам потребителей. Эти агенты можно сочетать со стандартными возможностями Akira AI — обнаружением мошенничества, управлением запасами и рекомендациями товаров. Это делает платформу хорошим выбором для небольших ecommerce-бизнесов, которым нужна специализированная помощь без разработки собственных решений.

3. TechMonk

TechMonk предоставляет решения на базе ИИ-агентов для продаж и поддержки, ориентированные на оптимизацию электронной коммерции. Платформа предлагает агентов для рекомендаций товаров, анализа поведения клиентов и оптимизации конверсии. Интеграция с ведущими ecommerce-платформами, включая Shopify, делает её привлекательным выбором для предпринимателей, которые уделяют особое внимание продажам и сквозному взаимодействию с клиентами на всех этапах.

Платформа TechMonk включает готовых ИИ-агентов для продаж и поддержки, конструктор агентов без написания кода и маркетинговые инструменты для WhatsApp-коммерции, программ лояльности и работы с брошенными корзинами. Решение разработано для потребительских брендов, стремящихся увеличить число повторных покупок и пожизненную ценность клиента.

4. Relevance AI

Relevance AI создан для специалистов предметной области без глубоких технических знаний. Low-code решения платформы охватывают развитие бизнеса, исследования, продажи, lifecycle-маркетинг и планирование работы с клиентами.

Визуальный интерфейс с функцией перетаскивания предоставляет гибкие инструменты и шаблоны для создания агентов, позволяя собрать целую команду ИИ-агентов. Это хороший выбор для компаний со сложными бизнес-процессами и небольшими командами, которым нужно автоматизировать комплексные задачи.

5. Ada

Ориентированная на крупные компании с потребностями в автоматизации клиентского сервиса и поддержки платформа Ada предоставляет разговорных ИИ-агентов. Платформа использует обработку естественного языка (NLP) для работы со сложными обращениями клиентов и постпродажной поддержкой по множеству каналов и на разных языках.

Среди ключевых функций — предварительный просмотр работы агентов и аналитические отчёты, помогающие выявлять возможности для улучшения. Ada — надёжный выбор для масштабных внедрений при наличии значительного бюджета на автоматизацию.