Короткий ответ: В 2026 году срок создания AI-агента зависит от объёма задачи, а не от модели. Узкий агент под одну задачу на платформе можно выпустить за 2–4 недели. Кастомный агент с реальными интеграциями и evals доходит до продакшена за 6–12 недель. Корпоративная мультиагентная система, затрагивающая несколько процессов и системы учёта, занимает 3–6 месяцев, а иногда и больше. No-code демо собирается за вечер — но демо это не тот агент, которому можно доверять в продакшене. Главная переменная — насколько чётко вы определили объём работы и насколько глубоки интеграции, а не то, какую фронтир-модель вы выбрали.

Честная версия этого ответа неудобна для тех, кто ждёт фиксированной цифры. Её нет. Но у таймлайна есть устойчивая форма, и то, что его сдвигает, предсказуемо. Здесь разобрано и то, и другое.

Почему «зависит» — это и есть настоящий ответ

Модель — самая быстрая часть сборки агента. Команды в индустрии сообщают, что собственно AI-работа обычно занимает менее 30% таймлайна; остальное — интеграции, данные, evals и неэффектная инженерия, которая делает агента надёжным. Поэтому, когда спрашивают, сколько времени занимает создание AI-агента, лучше спросить: насколько сложна задача, сколько систем она затрагивает и насколько высока планка доверия?

Три фактора задают часы:

  1. Чёткость объёма. Насколько точно определены задача агента, входы, выходы и границы. Размытый объём — главный источник задержек.
  2. Глубина интеграций. Сколько внешних систем, API и инструментов агент должен достигать и насколько они запутаны. Интеграции доминируют в таймлайне.
  3. Планка надёжности. Это вспомогательный ассистент или агент, действующий с реальными деньгами, записями или клиентами. Чем выше ставки, тем больше evals, guardrails и точек контроля с участием человека вы строите.

Конкретизируйте эти три пункта — и оценка быстро уплотнится. Оставьте их открытыми — и любая названная цифра будет догадкой.

Реалистичный таймлайн по фазам

Продакшен-агент проходит четыре фазы. Большинство команд недооценивают первую и последнюю — именно поэтому проекты сползают.

  1. Скоупинг и discovery (3–10 дней). Определите первую задачу агента, системы, которые он затрагивает, метрики успеха и то, как выглядит «хорошо». Эта фаза кажется накладными расходами, а на деле это самое окупаемое время. Команды, вкладывающиеся в структурированный discovery, выпускают продукт примерно на 32% быстрее тех, кто его пропускает.
  2. Прототип / proof of concept (1–3 недели). Работающий агент на реальных данных в контролируемой среде. Цель — доказать применимость, а не выпустить. Рекомендация McKinsey для корпоративных AI proof of concept — целиться примерно в 8 недель с жёсткими точками go/no-go на 4-й и 8-й неделях; полезная дисциплина даже на меньших сборках.
  3. Подготовка к продакшену (3–8 недель). Здесь живёт большая часть реальной инженерии: интеграции, обработка ошибок, ретраи и таймауты, evals на каждое изменение, наблюдаемость, контроль затрат и guardrails для необратимых действий. Агент перестаёт быть демо и становится системой.
  4. Масштаб и итерации (1–3 месяца, далее постоянно). Раскатка агента на новые кейсы и процессы с мониторингом и измерением. Работа накапливается: команды сообщают, что к третьему-четвёртому агенту время разработки падает на 50–60% за счёт переиспользования паттернов и инфраструктуры.

В сумме типичный кастомный агент укладывается примерно в 6–12 недель от старта до продакшена, а масштабирование продолжается дальше.

Таймлайны по сложности агента

Те же фазы сжимаются или растягиваются в зависимости от того, что вы строите. Три условных уровня:


No-code-платформа поднимет базового агента за 15–60 минут. Это реально и полезно для разведки — но получается прототип, а не управляемая продакшен-система. Не путайте их при планировании.

Что на самом деле вас замедляет

Когда проекты по агентам затягиваются, виновата редко модель. Обычные причины:


Это тот же паттерн, что стоит за широко цитируемой статистикой: подавляющее большинство AI-пилотов застревает, не дойдя до продакшена. Застревание почти никогда не происходит на модели — оно происходит на скучном, но решающем слое вокруг неё.

Как выпускать быстрее, не срезая углы

Скорость берётся из правильной последовательности, а не из пропуска шагов.

  1. Сужайте до одной задачи. Выберите единственную самую ценную задачу, которой агент может владеть, выпустите её, затем расширяйтесь. Узкий агент в продакшене лучше широкого агента в подвешенном состоянии.
  2. Загружайте discovery вперёд. Самая дешёвая неделя — первая. Определите входы, выходы, метрики успеха и режимы отказа до написания агента.
  3. Стройте eval-харнесс рано. Небольшой оцениваемый набор тестов с первого дня превращает каждое последующее изменение в измеримый шаг, а не в догадку.
  4. Относитесь к интеграциям как к главному событию. Закладывайте на них время честно — это и есть работа, а не сноска.
  5. Переиспользуйте инфраструктуру. Ваш второй и третий агент должны быть намного быстрее первого, потому что контекст, evals и паттерны интеграций переносятся.

Почему быстрое демо — это ловушка

Сделать агента готовым на вид за день легко. Сделать такого, которому доверишь работу без присмотра, — трудно. Разрыв между этими двумя точками и есть то, где реально живут таймлайны — и где сосредоточены большая часть ценности и риска.

Демо отвечает на счастливом пути на чистом входе. Продакшен-агент обрабатывает грязные 20% случаев, отказывает безопасно, логирует свои действия, уважает права доступа и остаётся корректным при замене базовой модели. Сжать таймлайн, пропустив эту работу, — не значит сэкономить время; это значит сдвинуть издержки вниз по течению, где они больше и труднее исправимы. Реалистичный таймлайн не медленный — это цена агента, который выдерживает контакт с реальностью.

Разбор на примере: агент сортировки поддержки

Допустим, вам нужен агент, который читает входящие тикеты поддержки, классифицирует их, готовит ответ и эскалирует сложные случаи человеку. Вот как обычно складывается таймлайн.

Discovery (около недели) определяет, какие типы тикетов он обрабатывает, откуда читает и куда пишет — хелпдеск, база знаний, CRM — и что значит «правильно», измеряемое по размеченному набору прошлых тикетов. Прототип (1–2 недели) подключает агента к копии реальных тикетов и доказывает, что он классифицирует и отвечает с приемлемым качеством на счастливом пути. Дальше — реальная работа. Подготовка к продакшену (3–6 недель) обрабатывает случаи, которые прототип проигнорировал — пустые тикеты, разозлённые клиенты, многотемные треды, сообщения не на том языке — плюс ретраи при лимитах API хелпдеска, eval-набор на каждое изменение промпта, наблюдаемость, чтобы видеть, почему тикет ушёл не туда, и шаг с участием человека до того, как что-то дойдёт до клиента. Масштаб (месяц-два) расширяет агента с одной категории тикетов на все и добавляет мониторинг.

Итого: примерно 8–10 недель до надёжного продакшен-агента — и большая часть этого времени уходит на всё, кроме модели.

Внутри компании, агентство или платформа: как путь сборки меняет таймлайн

Один и тот же агент занимает разное время в зависимости от того, кто и как его строит.


Ни один из путей не ошибочен. Ошибка — считать, что кастомный, глубоко интегрированный агент будет двигаться со скоростью платформенного демо.

Как читать оценку таймлайна от подрядчика

Когда вам называют цифру, проверьте её на прочность:


Честная оценка становится длиннее, когда вы задаёте эти вопросы, а не короче — потому что честная версия уже их учитывает. Цифра, которая только сжимается под давлением, — это цифра для демо.

Как к этому подходит Moai Team

Мы сужаем до одной задачи, доказываем её, затем закаляем. Наши таймлайны строятся вокруг того, что реально определяет успех — discovery, интеграции, evals, durable execution и governance, — а не вокруг модели, которая является лёгкой частью. Поэтому мы даём более точную оценку после короткого discovery, чем кто-либо может дать до него: оценка следует за объёмом. Мы лучше назовём вам честные 8 недель до продакшен-агента, чем 1 неделю до демо, которое застрянет. Цель всегда одна — агент, который доходит до продакшена и остаётся там.

Часто задаваемые вопросы

Сколько времени занимает создание простого AI-агента?

Узкий агент под одну задачу на платформе с готовыми коннекторами можно выпустить примерно за 2–4 недели. No-code-прототип собирается менее чем за час, но это инструмент разведки, а не продакшен-система.

Сколько времени нужно, чтобы довести AI-агента до продакшена?

Для кастомного агента закладывайте примерно 6–12 недель от старта до продакшена: несколько дней на скоупинг, 1–3 недели на прототип и 3–8 недель на подготовку к продакшену — интеграции, evals, наблюдаемость и guardrails.

Почему проекты по AI-агентам занимают больше времени, чем ожидалось?

Потому что модель — меньше трети работы. Таймлайн растягивают интеграции, неясный объём, грязные данные и отсутствие eval-харнесса — и они невидимы, пока вы в них не упрётесь. Большинство пилотов застревает именно на этом слое, а не на модели.

Можно ли построить AI-агента быстрее во второй раз?

Да. Команды часто сообщают о падении времени разработки на 50–60% к третьему-четвёртому агенту за счёт переиспользования управления контекстом, eval-харнессов и паттернов интеграций.

Moai Team скоупит, строит и закаляет AI-агентов, пока они не дойдут до продакшена, — и даёт реальный таймлайн после короткого discovery, а не догадку до него. Запланировать звонок.