Бесплатный ИИ-агент уже можно поставить на рабочий ноутбук за несколько минут. Агент читает задачу, сам открывает файлы, запускает команды и предлагает правки, а модель, которая думает за него, может стоить ноль рублей или оплачиваться по токенам. Для бизнеса вопрос в другом: что такой агент реально может взять на себя, где он ошибается и во что обойдётся пилот, если считать не только подписку.
Что изменилось этой осенью
Открытый агент OpenCode описан на официальном сайте как агент с открытым исходным кодом, который помогает писать код в терминале, IDE или на десктопе. На той же странице сказано, что бесплатные модели включены, и можно подключить модель любого провайдера, включая Claude, GPT и Gemini. Заявлено больше 75 провайдеров через каталог Models.dev, включая локальные модели. Исходный код находится на GitHub. Конкретную лицензию на странице я не нашёл, поэтому до проверки её не называю.
Для рынка это тоже сигнал. Открытые нейросети и локальные нейросети уже не только для энтузиастов: их можно запустить на собственном оборудовании и не отдавать данные внешнему сервису. Качество таких моделей на практике зависит от задачи, поэтому проверять их лучше на своих примерах, а не по сводным таблицам.
Обзор на Хабре, опубликованный 25 сентября 2026 года, собрал состояние бесплатных тарифов на эту дату. В нём перечислены бесплатные модели OpenCode, например MiMo-V2.5 Free и Nemotron 3 Ultra Free, и бесплатные режимы других инструментов. Автор предупреждает, что список меняется. Это вторичный источник, поэтому перед внедрением нужно открыть тариф у каждого сервиса и посмотреть актуальные условия.
Что на самом деле значит «бесплатно»
Бесплатным бывает сам агент, бесплатной бывает модель, а бесплатным бывает только доступ к ней в ограниченном объёме. В обзоре за 25 сентября эти различия видны хорошо. У Freebuff в полном режиме дневной запас составляет 100 Freebucks, которые обновляются каждый день и не переносятся на следующий. Ограниченный режим даёт 6 сессий в день по одному часу. У CodeGPT на бесплатном тарифе 10 взаимодействий в день на экономичных моделях и однократный кредит $1 для моделей премиум-класса. У Google Antigravity указаны еженедельные лимиты. У Cursor тариф Hobby стоит $0, но число запросов к агенту не фиксировано.
Вывод простой: бесплатный тариф подходит для проверки гипотезы и небольшого пилота на нескольких задачах, но не для ежедневной работы отдела. Если агент должен разбирать сотни заявок в день, лимит станет узким местом, и тогда придётся платить за токены или держать локальную модель.
Как устроен агент
Агент состоит из трёх частей. Первая часть — модель, которая понимает текст задачи и предлагает следующий шаг. Вторая — инструменты: чтение и запись файлов, запуск команд, обращение к внешним сервисам через подключённые протоколы. Третья — цикл: агент делает шаг, смотрит на результат и решает, что делать дальше, пока задача не закрыта или пока не нужен человек.
Для бизнеса важна вторая часть. Именно инструменты определяют, что агент может изменить. Чат-модель только отвечает текстом. Агент с доступом к папке, таблице или почте уже может создать файл, изменить запись или отправить сообщение, поэтому права доступа нужно настраивать так же строго, как для сотрудника.
Какую проблему бизнеса это решает
Чаще всего речь идёт о повторяющихся задачах, которые занимают время квалифицированных людей: разбор входящих писем и заявок, сведение выгрузок из нескольких систем, подготовка черновиков ответов по шаблону, поиск нужного пункта в регламентах, проверка полноты документов. Такие задачи не требуют творчества, но требуют внимания и аккуратности.
Бесплатный агент закрывает не всю проблему, а её техническую часть для небольшой команды. У компании без разработчика такой инструмент, скорее всего, не заработает сам по себе: нужен человек, который опишет задачу, проверит результат и поддержит настройку.
Какие процессы можно автоматизировать первыми
Первый пилот стоит выбирать среди процессов с понятным входом и выходом. Подойдут такие задачи:
- разбор выгрузки из CRM или таблицы и выявление записей без обязательных полей;
- подготовка черновика ответа клиенту по заранее согласованным шаблонам, без отправки;
- сверка двух списков, например заказов и поступлений, с выводом расхождений;
- поиск ответа в собственных документах компании с указанием источника;
- первичная проверка договоров или счетов по чек-листу.
Не стоит начинать с процессов, где ошибка стоит дорого: выплаты, юридические решения, отправка писем клиентам без проверки, изменение цен.
Кому подходит такой подход
Открытые агенты рассчитаны на тех, кто готов работать с настройками и понимает, что делает модель. OpenCode запускается из терминала, поэтому его удобнее давать разработчику, аналитику или технически подкованному специалисту. Тому, кто не работает с командной строкой, проще начать с no-code платформ. Разницу между ними разобрали в материале AI-агенты без кода: возможности и ограничения no-code.
Для руководителя важен ещё один вопрос: кто будет отвечать за результат. Агент не отвечает ни за что. Ответственность остаётся у сотрудника, который утверждает изменение, и у компании, которая решает, какие данные можно отдать модели.
Что нужно для пилота
Пилот требует пяти вещей. Нужна одна задача с понятным критерием успеха. Нужен доступ к данным в минимально необходимом объёме, лучше в копии. Нужен человек, который проверяет каждый результат в первые недели. Нужна учётная запись под агента с ограниченными правами. Нужен журнал: что агент сделал, на каких данных и с каким результатом.
Инфраструктура для такого пилота обычно простая: рабочий компьютер или сервер, доступ к выбранной модели, папка с документами и тестовая выборка. Для локального запуска модели понадобится мощность, которая зависит от размера модели и задачи. Точные требования нужно проверять по документации конкретной модели.
Пошаговый план пилота
- Выберите один процесс и зафиксируйте текущее время его выполнения и число ошибок за последний месяц.
- Соберите тестовую выборку из 30–50 реальных случаев с известным правильным результатом.
- Установите инструмент в изолированной среде и подключите модель. Для OpenCode установка описана на официальном сайте.
- Ограничьте доступ: агент видит только тестовую папку и не имеет доступа к почте и платёжным системам.
- Прогоните выборку, сравните результат с эталоном и запишите ошибки по типам.
- Решите, расширять ли пилот, переключать модель или отказаться от задачи. Решение принимает ответственный сотрудник по критериям, которые записаны заранее.
Сколько это может стоить
Тариф $0 не означает нулевых затрат. Бесплатный агент и бесплатная модель снимают лицензионную плату, но не снимают время на настройку, проверку результата и поддержку. Для пилота на одном процессе это может занять несколько рабочих дней специалиста. Ориентировочная стоимость зависит от оплаты времени и от того, придётся ли переходить на платные модели. Точную оценку нужно делать на данных компании.
Если лимиты бесплатного тарифа не хватают, появляется оплата токенов. Её стоит заложить в расчёт заранее, потому что объём запросов растёт вместе с числом документов и шагов в задаче.
Ожидаемый эффект
Эффект измеряется в сокращении времени на конкретный процесс и в снижении числа ошибок, а не в абстрактной «продуктивности». Формула простая: экономия равна времени на операцию без агента, минус время на проверку результата агентом, умножить на число операций в месяц и на стоимость часа. Если проверка занимает почти столько же времени, сколько ручная работа, пилот не окупается. Именно такой расчёт нужно провести до масштабирования. Значение конкретного показателя зависит от проекта и требует проверки на данных компании.
Риски и ограничения
Открытые и бесплатные модели меняются быстро. Модель может исчезнуть из бесплатного каталога, лимит может сократиться, провайдер может изменить условия. Агент, который работал в понедельник, может вести себя иначе во вторник после обновления модели, поэтому результаты надо перепроверять.
Модели ошибаются уверенно. Агент может выдать правдоподобный, но неверный ответ, пропустить условие или выполнить лишний шаг. Поэтому любой результат, который уходит клиенту или меняет данные, проходит проверку человека.
Есть юридическая сторона: условия использования моделей и лицензии кода различаются. Перед коммерческим применением нужно прочитать условия конкретного инструмента и модели.
Безопасность и защита данных
Перед подключением агента нужно понять, куда уходят данные. При работе через облачного провайдера запрос с фрагментом документа передаётся внешнему сервису. Если в документе есть персональные данные, коммерческая тайна или условия контракта, такой запрос может быть недопустим без соответствующих договорённостей. Локальная модель снимает часть этих вопросов, но сама по себе не делает систему безопасной.
Минимальный набор мер включает ограниченные права доступа, отдельную учётную запись, запрет на автоматическую отправку писем и платежей, журнал действий и регулярную проверку журнала. Персональные данные лучше обезличивать до передачи модели.
Сравнение с альтернативами
Есть три основных варианта. Первый — открытый агент с собственной настройкой. Он даёт наибольший контроль и почти не требует платы за лицензию, но требует технической подготовки. Второй — бесплатный или условно бесплатный тариф коммерческого продукта. Он быстрее стартует, но зависит от правил сервиса и лимитов. Третий — no-code платформа. Она подходит для типовых сценариев, но ограничивает глубину настройки.
Отдельно стоит сравнить локальный запуск с облачным. Локальная модель даёт больше контроля над данными, но требует оборудования и времени на настройку, а скорость ответа зависит от железа. Облачная модель проще в запуске, однако запрос с фрагментом документа уходит провайдеру, и условия его хранения нужно читать внимательно. Выбор зависит от задачи, команды и требований к данным. Для первого пилота обычно разумно выбрать самый простой вариант, который позволяет проверить гипотезу за несколько дней, и не строить сложную систему заранее. Сравнение подходов к агентам и обычному чат-боту есть в материале AI-агенты и ChatGPT: в чём разница для бизнеса.
Что проверить перед масштабированием
Пилот можно считать успешным, если выполнены три условия. Результат на тестовой выборке совпадает с эталоном в заранее согласованной доле случаев. Время на операцию с учётом проверки меньше, чем без агента. Ответственный сотрудник готов поддерживать процесс и понимает, какие действия агент выполнять не может.
Если хотя бы одно условие не выполнено, лучше сузить задачу, сменить модель или вернуться к ручной обработке. Расширять пилот на соседние процессы имеет смысл только после того, как первый стабильно работает.
Вывод и следующий шаг
Бесплатные ИИ-агенты стали доступнее, и для технически подготовленной команды их можно проверить без крупных затрат. При этом «бесплатно» почти всегда означает ограниченный объём, зависимость от правил провайдера и время на настройку. Начинать стоит с одного процесса, тестовой выборки и жёстких прав доступа.
Если локальные модели интересуют вас отдельно, посмотрите материал Локальные ИИ-агенты. Для более широкого взгляда на внедрение подойдёт AI-агенты для бизнеса, а новости за октябрь собраны в обзоре ИИ-агентов для бизнеса: что изменилось в октябре 2026. Если нужен не эксперимент, а работающий агент под ваш процесс, начните с материала о заказе ИИ-агента: там описано, какие данные подготовить и как принимать результат.
