Многоагентная система ИИ в промышленной компании: как я её внедрил

Многоагентная система ИИ — это несколько ИИ-агентов, у каждого своя работа, которые подключены к общей базе знаний и работают по команде одного старшего бота. Я собрал такую систему на Claude Code и Telegram. По моим ощущениям, документы, регламенты и брошюры я теперь готовлю в 3–5 раз быстрее, чем раньше.

Я не айтишник. Я генеральный директор «Энергии холода»: 200 человек, своё конструкторское бюро, производство чиллеров и градирен NCT, монтаж и сервис. Пишу для собственника и директора завода, который уже пробовал спрашивать что-то у чат-бота и не понял, где тут деньги для бизнеса.

Главную асимметричную возможность для предпринимателя сейчас я вижу именно здесь. Асимметричная возможность — это когда вкладываешь мало денег и усилий, а получаешь непропорционально много. Десять лет назад такой была криптовалюта, пять лет назад — маркетплейсы, сегодня — искусственный интеллект, собранный в систему.

Чем многоагентная система отличается от чата с нейросетью?

Чат с нейросетью — это один собеседник, который знает о вашем бизнесе только то, что вы ему написали в запросе. Многоагентная система — это команда агентов: у каждого своя зона и свои правила, все подключены к вашей базе знаний и работают вместе.

Разница примерно как между разовой консультацией и вторым пилотом. Рецепт сырников у чата спросить можно, но к бизнесу это отношения не имеет. Второй пилот знает про вас и вашу компанию всё и подсказывает по ходу дела, а не только когда вы вспомнили его спросить.

Признак	Чат с нейросетью	Многоагентная система
Кто работает	один собеседник на всё	несколько агентов, у каждого своя тема
Что знает о бизнесе	только то, что вписали в запрос	подключена к базе знаний компании
Правила работы	каждый раз объясняете заново	у каждого бота прописано, чем он занимается и как
Как ставите задачу	сами опрашиваете и сводите ответы	одна задача оркестратору, один сводный ответ
Повторяющиеся задачи	делаются, только когда напомните	бот сам видит на доске, что пора делать
Пример задачи	рецепт сырников, текст поста	разбор слабых сторон продукта тремя ботами сразу

Когда я ищу людей, то же различие пишу в вакансии. Нужен тот, кто работает с ИИ по-взрослому: собирает агентов и навыки под задачи, а не просто просит чат-бота написать пост.

Как устроены оркестратор и боты по темам?

Оркестратор — это старший бот, который принимает задачу от руководителя, сам решает, каких ботов подключить, и возвращает один сводный ответ. Я общаюсь с одним ботом, а он уже дёргает всех остальных.

Основа у меня — Claude Code. По сути это постоянный компаньон: почти всё, что я делаю, делаю вместе с ним. Я подключил его к Telegram и создал несколько ботов: отдельно на продажи, на продукт, на найм, на здоровье, на личные дела. На каждую большую тему свой бот, и у каждого прописаны правила: чем он занимается и как работает.

Как это выглядит в работе. Ставлю задачу: разобрать слабые стороны одного из наших продуктов. Оркестратор подключает бота-маркетолога, бота продакт-менеджера и бота по продажам. Они втроём отрабатывают, а мне приходит один сводный ответ, а не три разных.

Зачем ботам своя доска задач?

Доска задач для ботов — это своя CRM (система учёта задач и клиентов) в виде канбан-доски, где висят карточки с повторяющимися задачами. Бот каждый день заглядывает на доску, видит, что подошёл срок, и делает задачу сам, без напоминаний.

Пример — ежемесячный обзор законодательства. Раньше такую работу кто-то должен был помнить и поручать. Теперь карточка висит на доске, и обзор появляется в срок.

Это частный случай того, что я называю капитализируемым действием: сделал один раз, а пользу получаешь потом постоянно. Настроил карточку однажды — и задача исполняется каждый месяц.

Что ИИ уже делает в промышленной компании?

В нашей компании ИИ уже строит 3D-модели холодильных центров по схеме, проверяет запрос клиента до первого звонка, считает климат площадки по часам и стоит за калькуляторами и атласом схем. Всё это я показывал на образовательной сессии 2 октября 2026 года.

3D-модель холодильного центра по схеме. ИИ показывает движение воды по контурам, температуры и компоновку оборудования. Так мы сделали модель энергоцентра на 2500 кВт для бизнес-центра в Петербурге прямо по техническому заданию.

Проверка запроса клиента до звонка. Реальный разбор заявки: клиент пишет, что ему нужно 300 кВт холода. ИИ пересчитывает по его же данным: расход 23 м³/ч при температурах воды 25/19 °C даёт около 160 кВт (23 м³/ч × 1,163 кВт·ч на м³ и градус × 6 °C). Это почти в два раза меньше заявленного, и первый вопрос клиенту готов ещё до звонка.

Разбор климата площадки по часам. ИИ считает, сколько часов в году работает свободное охлаждение именно в городе заказчика. От этого зависит, окупится ли фрикулинг в чиллере на конкретном объекте.

Калькуляторы и атлас схем. Калькулятор затрат на холод для хладоцентров с абсорбционными машинами или обычными чиллерами открывается в браузере. Атлас из 31 схемы холодоснабжения лежит в канале бесплатно.

Вне инженерии ИИ закрывает управленческую рутину:

• Регламенты из разговоров. Объяснил сотруднику, как надо, — через неделю он забыл. Расшифровал этот разговор с помощью ИИ и добавил в регламент — правило работает всегда, и новому сотруднику объяснять заново не нужно.

• Поиск ошибок в процессах. Описываешь ИИ, как устроен процесс, и он подсвечивает: тут ошибка, тут и вот тут. Возвращаешься в цех и чинишь.

• Финансы. ИИ подключён к дашбордам, и выводы по отчётности я получаю на уровне аудитора из большой четвёрки.

• Продажи. Стажёров в отделе продаж мы учим работать с ИИ: чат-боты по сделкам, подготовка презентаций, разбор переговоров.

Для отрасли холода это тоже не новость. В 2016 году Google и DeepMind поставили нейросеть управлять охлаждением своих дата-центров, и на охлаждение стало уходить до 40 % меньше энергии. Почему вычисления для ИИ сами упираются в холод, я разбирал в статье «Почему ИИ упирается не в чипы, а в холод».

Где граница: что ИИ доверять нельзя?

ИИ нельзя доверять последнее слово: подпись под проектом ставит человек. ИИ ошибается уверенно, поэтому проверка остаётся нашей работой.

Сегодня ИИ для нас — второй мозг инженера. Завтра — надёжный партнёр. Пример с заявкой на 300 кВт хорошо показывает роль: ИИ не заменяет инженера, он задаёт правильный первый вопрос. Решение по схеме и ответственность за неё остаются за людьми.

Когда ИИ начнёт проектировать сам — открытый вопрос. У нас в компании об этом идёт спор с нашим инженером, и я задавал этот вопрос залу на образовательной сессии 2 октября 2026 года. Пока ответа нет, правило простое: всё, что уходит заказчику, проверяет специалист.

Сколько стоит и сколько экономит ИИ руководителю?

Моя основа — подписка на Claude Code за 200 долларов в месяц. По моим ощущениям, на подготовке документов, регламентов и брошюр я стал работать в 3–5 раз быстрее, чем раньше.

Оговорюсь честно: «в 3–5 раз» — моя оценка по ощущениям, а не замер с секундомером. База сравнения — как я готовил те же документы сам до того, как собрал систему. Речь именно о документах, регламентах и брошюрах — там, где много текста по понятным правилам.

Вторая часть экономии не видна в часах. Разговор, превращённый в регламент, и задача, поставленная на доску один раз, дальше работают без моего участия. Это и есть капитализируемое действие: вложил один раз, дальше получаешь проценты.

С чего начать собственнику?

Начинать стоит не с выбора нейросети, а с одной большой темы, где у вас больше всего повторяющейся работы с документами. Дальше система наращивается по шагам.

1. Выберите основной инструмент и работайте в нём каждый день, а не от случая к случаю. У меня это Claude Code: почти всё, что я делаю, я делаю вместе с ним.

2. Соберите базу знаний: регламенты, описания продуктов, правила компании. Без неё агент знает о вашем бизнесе только то, что вы впишете в запрос.

3. Заведите первого бота на одну тему и пропишите ему правила: чем он занимается и как работает. Потом добавляйте ботов по другим темам.

4. Когда ботов несколько, поставьте над ними оркестратора, чтобы общаться с одним ботом и получать один сводный ответ.

5. Повторяющиеся задачи вынесите на доску с карточками, чтобы бот сам видел срок.

6. Сразу решите, кто проверяет результат. ИИ ошибается уверенно, и подпись под документом ставит человек.

Отдельно — про людей. Ставку я делаю на сотрудников, которые собирают агентов под свои задачи, а не на тех, кто просит чат-бот написать текст. Этому мы учим и новичков в продажах.

Что в итоге

1. Многоагентная система ИИ — это команда агентов с общей базой знаний и оркестратором, а не переписка с чат-ботом.

2. Я собрал её на Claude Code и Telegram: боты по темам, старший бот-оркестратор и доска с повторяющимися задачами.

3. По моим ощущениям, документы, регламенты и брошюры я готовлю в 3–5 раз быстрее, чем раньше.

4. В промышленной компании ИИ уже строит 3D-модели холодильных центров, проверяет заявки до звонка и считает климат площадки по часам.

5. Граница одна: ИИ ошибается уверенно, поэтому проверку и подпись под проектом оставляет за собой человек.

Другие материалы о том, как устроена компания, — в разделе «Производство и бизнес».

Частые вопросы

Что такое оркестратор в многоагентной системе ИИ?

Оркестратор — это старший бот, который принимает задачу, сам решает, каких ботов по темам подключить, и собирает их работу в один ответ. Руководитель общается с одним ботом вместо пяти.

Какой инструмент я использую для многоагентной системы?

Я работаю в Claude Code по подписке 200 долларов в месяц и подключил его к Telegram. В Telegram у меня отдельный бот на каждую большую тему.

Можно ли доверить ИИ инженерный расчёт?

Посчитать — можно, подписать — нет. ИИ хорошо пересчитывает заявку и находит расхождения, как в случае, где вместо заявленных 300 кВт по расходу выходило около 160. Но ИИ ошибается уверенно, поэтому проверку и подпись под проектом оставляем за инженером.

Чем бот с базой знаний лучше обычного чата?

Бот с базой знаний отвечает с учётом вашей компании: продуктов, правил, прошлых решений. Обычный чат знает только то, что вы написали в запросе, и каждый раз начинает с нуля.

Сколько времени экономит ИИ на документах?

По моей оценке, документы, регламенты и брошюры я теперь готовлю в 3–5 раз быстрее, чем до того, как собрал систему. Это оценка по ощущениям, а не хронометраж.

Источники

• Пост «Как я работаю с искусственным интеллектом», 17 июля 2026 г.: t.me/krasnov_energy/308.

• Пост «Асимметричные возможности», 27 августа 2026 г.: t.me/krasnov_energy/333.

• Пост о капитализируемом действии, 31 июля 2026 г.: t.me/krasnov_energy/319.

• Пост о процессах и гембе, 24 июля 2026 г.: t.me/krasnov_energy/311.

• Пост о финансах и дашбордах с ИИ, 6 апреля 2026 г.: t.me/krasnov_energy/242.

• Google DeepMind, 20 июля 2016 г.: нейросеть снизила расход энергии на охлаждение дата-центров Google до 40 %.

• Выступление «Инженер плюс искусственный интеллект» на III образовательной сессии «Энергии холода», 2 октября 2026 г.

Обсудить, как внедрить ИИ в вашей компании, — записаться на консультацию