Большинство команд уже знают, какие задачи они бы передали ИИ-агенту. Трудность всегда заключалась в развертывании агента, потому что раньше для его запуска требовалось ждать, пока инженеры напишут и разместят его на сервере.

Конструкторы без кода теперь позволяют специалисту, отвечающему за рабочий процесс, описать задачи агента и активировать его в рабочей среде, которую команда уже использует. В этом руководстве рассматривается процесс развертывания ИИ-агентов и показывается, как monday agents упрощает эту задачу внутри monday AI Workspace.

Попробуйте monday agents

Основные выводы

Начните с одного рабочего процесса: выберите один типовой повторяющийся процесс с большим объемом задач, например квалификацию лидов или маршрутизацию заявок, и докажите его ценность, прежде чем масштабировать решение на другие команды.
Бизнес-команды могут самостоятельно развертывать агентов: с помощью конструктора без кода владелец процесса описывает роль агента простым языком, подключает необходимые данные и запускает его за считанные минуты.
Заложите основы управления с первого дня: ограничьте права доступа и требуйте подтверждения от человека для важных действий, пока агент не обретет большую самостоятельность.
Агенты и автоматизации лучше всего работают в паре: автоматизации берут на себя предсказуемые шаги по правилам, а агенты справляются с задачами, требующими анализа и принятия решений.
monday agents предоставляет каждой команде управляемый путь к развертыванию: удобный конструктор и готовые агенты, подкрепленные средствами контроля корпоративного уровня, такими как соответствие стандартам SOC 2 Type II и HIPAA, которые работают внутри monday AI Workspace, где уже выполняются задачи.

Что такое развертывание агентов?

Развертывание агентов — это процесс настройки ИИ-агента и его интеграции в действующий бизнес-процесс, чтобы он мог выполнять определенные обязанности от имени команды. На практике развертывание — это момент, когда агент перестает быть разрабатываемым продуктом и начинает выполнять реальную работу в заданных рамках, а кто-то несет ответственность за результаты.

Для развертывания агента больше не нужны код или инженеры. Процесс напоминает адаптацию нового сотрудника: вы определяете роль и устанавливаете границы того, к чему агент имеет доступ и что может делать. В отличие от нового сотрудника, агент работает круглосуточно и совершенствуется каждый раз, когда вы уточняете его инструкции. Вам не нужно настраивать серверы или писать скрипты, поэтому развертывание агентов относится к сфере бизнес-операций, а не к DevOps.

Что развертывание агентов означает для бизнес-команд

Для менеджера по операционной деятельности в продажах развертывание агента занимает всего несколько шагов в рабочем пространстве, которое команда уже использует. Вот как команда может развернуть агента Lead Qualifier, который исследует каждого нового лида, оценивает его по 100-бальной шкале и передает перспективных потенциальных клиентов нужному менеджеру:

Опишите роль агента: «Оценивайте каждого входящего лида по размеру компании, отрасли, финансированию и должности контактного лица, а затем направляйте приоритетных лидов нужному менеджеру».
Подключите его к данным: свяжите агента с доской воронки продаж и включите веб-поиск, чтобы он мог собирать информацию о каждой компании.
Установите разрешения и защитные механизмы: определите поля, которые агент может обновлять (оценка и метка приоритета), и действия, требующие одобрения человека, например отправку письма потенциальному клиенту.
Протестируйте на реальных данных: запустите агента на 5–10 недавних лидах и изучите каждый результат перед выходом в продакшен.
Запустите и отслеживайте: включите агента, еженедельно проверяйте точность его работы и при необходимости корректируйте инструкции.

После запуска агент считывает те же доски и записи CRM, что и остальной состав команды.

Чем ИИ-агенты отличаются от традиционных программных агентов

Если вы работали с агентами мониторинга Datadog или RPA-ботами, приведенное ниже сравнение показывает, в чем ИИ-агенты отличаются от них. Самые большие различия заключаются в том, кто создает агента и как он обрабатывает исключения.

Остальная часть этого руководства посвящена ИИ-агентам, созданным людьми, которые лучше всего понимают рабочий процесс.

Развертывание агентов: бизнес-команды против инженерных сред

Результаты поиска по запросу «развертывание агентов» часто предполагают, что читатель — инженер, развертывающий инфраструктуру в облаке. Руководителям бизнес-команд нужен другой путь, и в таблице ниже сравниваются эти варианты.

Для команд, которые уже ведут свою работу в monday AI Workspace, агенты развертываются прямо на досках и в рабочих процессах, используемых ими каждый день.

Почему конструкторы без кода меняют подход к развертыванию ИИ

Конструкторы без кода перенесли развертывание агентов из сферы инженерии в бизнес-команды, которые отвечают за эти процессы. Раньше создание агента означало написание цепочек промптов на Python или LangChain, подключение API, управление хостингом и обработку журналов ошибок, причем один агент мог потребовать нескольких недель работы и постоянного технического обслуживания.

Сегодня специалист, понимающий воронку продаж или процесс найма, настраивает агента напрямую, благодаря чему ничего не теряется между потребностями бизнеса и тем, что создают инженеры. Агент работает на инфраструктуре платформы и учитывает существующие права доступа. Планы внедрения отражают эти изменения: согласно отчету Deloitte «Состояние ИИ на предприятиях», 74% компаний планируют развернуть агентный ИИ в течение двух лет.

Развертывание агентов без кода на практике

Практический пример показывает, насколько коротким стал этот процесс. Операционный директор в компании с 50 сотрудниками хочет, чтобы агент изучал каждый новый запрос от поставщиков, поэтому она создает собственного агента:

Создайте пользовательского агента: откройте конструктор агентов и выберите создание с нуля.
Опишите задачу: «Изучите цены поставщиков, уровень безопасности, отзывы клиентов и условия контрактов, а затем составьте краткую сводку по каждому новому запросу поставщика».
Подключите источники данных: свяжите агента с доской закупок и включите веб-поиск для получения общедоступной информации о поставщиках.
Установите триггер: настройте запуск агента при отправке нового запроса на добавление поставщика.
Протестируйте на реальном запросе: отправьте тестовый запрос, изучите сводку и скорректируйте инструкции, если что-то не так.
Опубликуйте: включите агента, чтобы он обрабатывал каждый новый запрос по мере его поступления.

Она создала и запустила его самостоятельно в тот же день на той же доске, где ее команда уже отслеживает закупки. Команды, которым также требуется согласование заявок, могут объединить его с готовым агентом Procurement Approval Agent, который проверяет запросы поставщиков и подрядчиков по записям компании и напоминает о себе, если согласующие лица молчат.

Попробуйте monday agents

ИИ-агенты против автоматизации рабочих процессов

Агенты и автоматизации решают разные задачи, и самые эффективные команды используют и то, и другое. Понимание того, где применяется каждый инструмент, позволяет рабочим процессам идти без сбоев даже в нестандартных ситуациях.

Когда использовать ИИ-агента вместо автоматизации

В таблице ниже эти два подхода сравниваются напрямую.

В качестве общего правила используйте автоматизацию, когда рабочий процесс каждый раз идет по одному и тому же пути, и развертывайте агента, когда требуется рассуждение и анализ.

Как агенты и автоматизации работают вместе

Автоматизация может запускать агента, а агент может возвращать работу автоматизации. Вот рабочий процесс службы поддержки, в котором используются оба инструмента:

Поступает новый запрос в службу поддержки.
Автоматизация назначает его в очередь триажирования и устанавливает начальный статус.
Агент Ticket Management Agent сортирует тикет по типу и срочности, а затем направляет его нужной команде через Slack или другой подключенный канал.
Другая автоматизация уведомляет специалиста и запускает таймер соблюдения соглашения об уровне услуг (SLA).

Встроенные автоматизации и ИИ-агенты работают в одной рабочей среде, поэтому никому не нужно переключаться между платформами между шагами.

Как развернуть ИИ-агента за 5 шагов

Эти пять шагов работают на любой платформе, и каждый из них соответствует определенному этапу конструктора monday agents builder. В итоге у вас появится работающий агент с настроенными правилами безопасности.

Шаг 1: Определите роль агента и триггеры

Начните с простого словесного описания того, что должен делать агент и когда он должен действовать. Это соответствует первому этапу конструктора — «Опишите, что вам нужно». Используйте следующий шаблон:

«Этот агент будет [действие] для [команды / роли] каждый раз, когда происходит [триггерное событие]».

Два заполненных примера:

Отдел продаж: «Этот агент будет оценивать и расставлять приоритеты для каждого нового лида для отдела продаж каждый раз, когда лид добавляется на доску пайплайна».
Операционный отдел: «Этот агент будет проверять запросы на закупку для операционного отдела каждый раз, когда отправляется новый запрос поставщика».

Составьте описание до того, как откроете конструктор, так как определение роли в одно предложение предотвратит расширение задач в процессе настройки.

Частая ошибка: делать роль слишком широкой. Агент, которому поручено «управлять всем процессом продаж», не справится ни с одной из этих задач должным образом. Начните с одной обязанности, например квалификации лидов или выявления зависших сделок, а затем расширяйте функционал.

Шаг 2: Подключите источники знаний и интеграции

Агент может работать только с тем, что ему доступно. В конструкторе это этап «Сделайте его своим», а контекст делится на две группы:

Знания и рабочие данные: документы, стандартные операционные процедуры (SOP) и доски, содержащие правила, которым должен следовать агент, а также записи, с которыми он будет работать. Для агента квалификации лидов это означает ваш идеальный профиль клиента, шкалу оценки и доску пайплайна.
Внешние интеграции: такие приложения, как Gmail, Slack, Salesforce или веб-поиск. Агенты могут подключаться к более чем 200 интеграциям и использовать протокол контекста модели (MCP) для доступа к любой поддерживающей его системе.

Подключите минимум, необходимый агенту для его роли. Дополнительные источники создают лишний шум и могут замедлить его работу, но вы всегда сможете добавить их позже.

Шаг 3: Настройте разрешения и правила безопасности

Правила безопасности отвечают на вопрос, который задает каждая команда: «Что делать, если агент совершит ошибку?» Перед запуском определите, что агент может делать в рабочем пространстве и в подключенных приложениях. Например, агент квалификации лидов может записать оценку и метку приоритета, но не может удалить лид или отправить письмо потенциальному клиенту.

Затем определите, к каким данным агент имеет доступ и может ли он их редактировать или только читать. Администраторы могут ограничить доступ определенными рабочими пространствами, чтобы агент никогда не касался данных за пределами своей сферы. Для критически важных действий добавьте контрольную точку с участием человека: рабочие процессы AI Workflows включают блок утверждения, который отправляет запрос человеку и разветвляет рабочий процесс в зависимости от его ответа. каждое действие агента фиксируется в журнале, поэтому вы можете проследить любое решение до его источника.

Шаг 4: Протестируйте в режиме симуляции перед запуском

Режим симуляции позволяет проверить поведение агента на реальных данных без внесения каких-либо изменений. Это этап конструктора «Посмотрите его в действии». Проведите тестирование в четыре этапа:

Запустите агента на небольшой партии реальных элементов, например 5–10 лидах или трех запросах поставщиков.
Проверьте каждый результат: правильно ли он был оценен и направлен нужному сотруднику?
Скорректируйте инструкции или источники знаний на основе полученных результатов.
Повторяйте до тех пор, пока результаты стабильно не начнут соответствовать тому, что произвел бы квалифицированный сотрудник.

Частая ошибка: пропуск этого этапа. Проверка первых результатов агента похожа на проверку ранней работы нового сотрудника, а несколько минут в начале сэкономят часы на исправление ошибок.

Шаг 5: Запустите, отслеживайте и улучшайте с помощью оценочной таблицы агента

Запуск — это момент, когда начинается мониторинг. Оценочная таблица агента отслеживает, приносит ли он пользу, и вы можете разместить ее на специальной доске или панели мониторинга, чтобы руководство видело каждого активного агента в одном обзоре.

Даже пять часов в неделю в сумме составляют 260 часов в год. Microsoft’s 2026 Work Trend Index выяснили, что 66% пользователей ИИ говорят, что ИИ позволяет им тратить больше времени на более ценную работу.

Проверяйте оценочную таблицу еженедельно в течение первого месяца, а затем ежемесячно. Если точность падает, вернитесь к источникам знаний или инструкциям агента. Уровень эскалации выше 15% обычно означает, что роль слишком широка, поэтому сузьте ее сферу.

Куда в первую очередь внедрять ИИ-агентов для получения наибыстрейшей окупаемости инвестиций

Самую быструю окупаемость обеспечивают высокоинтенсивные рабочие процессы с большим количеством правил, в которых ваша команда тратит часы на структурированную работу, а данные уже находятся в вашем рабочем пространстве. Выберите одно направление и докажите эффективность агента, прежде чем расширяться.

Рабочие процессы продаж и CRM

Продажи и CRM — лучшая отправная точка для большинства команд, поскольку данные структурированы, а влияние на доходы проявляется быстро. Эти агенты справляются с распространенными проблемами операционной деятельности продаж:

Агент квалификации лидов: исследует каждого нового лида, оценивает его по 100-балльной шкале, присваивает метку высокого, среднего или низкого приоритета и перенаправляет перспективных потенциальных клиентов нужному менеджеру, избавляя сотрудников от сортировки таблиц.
Хранитель пайплайна: следит за этапом, стоимостью, датой закрытия и активностью каждой сделки, ранжирует рискованные сделки и составляет проект следующего шага для менеджера до того, как сделка затихнет.
Агент синхронизации аккаунтов: выполняет еженедельную синхронизацию с Salesforce, которая сопоставляет учетные записи и открытые сделки с элементами на доске и помечает неактуальные учетные записи как неактивные, вместо того чтобы удалять их.

Служба поддержки и ИТ-операции

Команды обслуживания и ИТ сталкиваются с постоянным потоком повторяющихся запросов, а скорость ответа определяет как удовлетворенность клиентов, так и соблюдение соглашений об уровне обслуживания (SLA). Эти агенты устраняют привычные узкие места:

Агент управления тикетами: сортирует входящие тикеты по типу и срочности и направляет каждый из них в нужную команду.
Монитор SLA: проверяет время ответа и решения на соответствие вашим пороговым значениям SLA и предупреждает нужного менеджера до наступления нарушения.
Агент внутренней службы поддержки: ищет ответы на вопросы сотрудников в вашей внутренней базе знаний и передает команде службы поддержки готовый к отправке ответ.

Маркетинг, операции, финансы и HR

Агенты также приносят большую пользу далеко за пределами продаж и обслуживания. Эти готовые агенты являются хорошей отправной точкой для других отделов:

Исследование конкурентной разведки (Маркетинг): ищет в интернете устаревшую активность конкурентов и составляет сводку с темами и рекомендациями.
Агент планирования мероприятий (Маркетинг): настраивает доску мероприятий, находит поставщиков, отслеживает ответы на приглашения (RSVP) и предупреждает команду, когда что-то подвергает мероприятие риску.
Процессный автоматизатор (Операции): изучает перемещение элементов на доске, выявляет повторяющуюся работу на основе правил и предлагает автоматизацию с оценкой объема ручного труда, который устраняет каждый из них.
Агент согласований (Операции): последовательно отправляет каждый запрос нужному рецензенту и напоминает опаздывающим согласующим лицам до тех пор, пока решение не будет принято.
Агент превышения бюджета (Финансы): назначает каждого аналитика на запрос о превышении бюджета и публикует еженедельную сводку итогов в Slack.
Агент подбора кандидатов (HR): ранжирует каждого нового кандидата по открытым вакансиям и проверяет лучшего кандидата на соответствие требуемым для этой роли квалификационным требованиям.
Агент адаптации сотрудников (HR): представляет каждого нового сотрудника его назначенному коллеге в Slack с подробной информацией о новичке и предлагает команде поприветствовать его.

Можно ли управлять агентами и проверять их так же, как любые другие развернутые решения?

Да, и эти принципы применимы к любой другой бизнес-системе: определить, кто и что может делать, и требовать утверждения для критически важных изменений. Ставки высоки, так как Gartner прогнозирует, что к концу 2027 года будет отменено более 40% проектов с использованием агентного ИИ по причине растущих затрат и неадекватных средств контроля рисков. Команды, которые закладывают принципы управления в развертывание с самого начала, дают своим агентам наилучшие шансы на масштабирование.

Права доступа, журналы аудита и контрольные точки с участием человека

Эффективное управление сводится к четырем правилам, каждое из которых охватывает определенный риск.

Детализированные права доступа: предоставьте каждому агенту минимально необходимый уровень доступа, используя доступ только для чтения там, где это возможно, и доступ для записи только для тех полей, которые он обновляет.
Квартальные проверки доступа: убедитесь, что права доступа каждого агента по-прежнему соответствуют его роли по мере изменения рабочих процессов.
Журналы аудита: проверяйте журнал каждого действия, в котором фиксируются прочитанные агентом данные и созданные им результаты. Журнал помогает в проверках на соответствие требованиям и ускоряет отладку, если результат выглядит некорректно.
Контрольные точки утверждения: для таких действий, как отправка электронной почты клиенту или утверждение заказа на покупку, настройте агента на приостановку работы до тех пор, пока человек не подтвердит действие.

Лестница ограниченной автономности

Ограниченная автономность означает расширение сферы деятельности агента по мере роста доверия. Каждая ступень ниже имеет четкий критерий для перехода на следующий уровень.

Попробуйте monday agents

Что делать, если агент совершает ошибку?

Этот вопрос задают себе все команды, внедряющие ИИ-агентов, и ответ на него — план восстановления, подкрепленный средствами контроля, которые ограничивают ущерб. Лестница, описанная выше, предотвращает большинство проблем, поэтому данный раздел посвящен тому, что делать, если ошибка все же проскользнула.

Как устранить последствия ошибки агента

Если агент выдает неверный результат или совершает непреднамеренное действие, выполните следующие шаги:

Приостановите работу агента. Его отключение останавливает все будущие действия на время проведения расследования.
Изучите журнал аудита. Проверьте данные, которые прочитал агент, и созданные им результаты, чтобы выяснить, была ли ошибка единичным крайним случаем или системной проблемой.
Исправьте затронутые записи. Отмените некорректные обновления полей вручную или с помощью массового обновления.
Устраните причину. Уточните описание роли или добавьте недостающий контекст в источники его знаний.
Повторно протестируйте систему перед повторной активацией. Снова запустите агента в режиме симуляции, чтобы подтвердить устранение проблемы.

Средства контроля для раннего обнаружения ошибок

Несколько проверок, настроенных перед запуском, предотвращают превращение мелких ошибок в крупные. Проверяйте журнал аудита еженедельно в течение первых 30 дней и ищите как потенциальные сбои, так и явные ошибки. Сохраняйте необходимость одобрения человеком для действий, направленных на клиентов и связанных с бюджетом, пока агент не продемонстрирует надежную историю работы, и сделайте паузу для расследования, если уровень эскалации превысит 15%.

Как масштабировать систему с одного агента на все команды

Рассматривайте первое внедрение как пилотный проект, поскольку запуск каждого последующего агента после первого надежного становится проще.

Расширение доступа агентов между отделами

Агенты становятся намного полезнее, когда они могут видеть работу за пределами одной команды. Маркетинговый агент, планирующий кампанию, может проверить данные воронки продаж, чтобы узнать, какие сегменты обеспечивают конверсию, а агент по продажам, готовящий информацию по сделке, может поднять историю обращений в службу поддержки, чтобы понять болевые точки клиента. Такой кросс-функциональный контекст зависит от того, работает ли каждый отдел в единой системе, чего не могут предложить однодоменные инструменты, созданные только для CRM или ИТ.

В monday AI Workspace создатели агентов могут поделиться агентом со всей организацией в один шаг. Каждый участник аккаунта может найти его и использовать без приглашения, что упрощает масштабирование пилотного проекта одной команды на всю компанию.

Отслеживание расходов на ИИ-агентов и управление ими

Агенты используют кредиты при каждом заезде, и расходы незаметно растут, если за ними никто не следит. Четыре правила помогают держать расходы под контролем:

Установите кредитные лимиты для каждой команды или отдела, чтобы ни одна команда не потребляла непропорционально большую долю.
Еженедельно отслеживайте использование в AI Cost Center, который отслеживает расходы по командам и поддерживает лимиты и оповещения.
Оптимизируйте частоту запуска: агент, который запускается каждый час, хотя было бы достаточно ежедневного запуска, тратит кредиты впустую.
Убирайте неэффективные элементы: если отчет показывает низкую точность или малый объем работы, отключите агента.

Выносите показатели из Шага 5 на ежемесячный обзор агентов, точно так же, как руководитель оценивает работу члена команды, чтобы результаты и стоимость каждого активного агента оставались прозрачными.

Как monday agents помогают командам развертывать ИИ-агентов без написания кода

Пять описанных выше шагов работают везде, но то, где живут ваши агенты, определяет скорость вашего движения и степень сохраняемого контроля. Агенты monday agents работают внутри monday AI Workspace, поэтому они взаимодействуют со структурированными данными из каждого отдела и наследуют уже действующие правила управления.

Конструктор агентов

Если вы можете описать задачу, вы можете создать агента. Конструктор следует той же последовательности, что и шаги выше, поэтому описание роли, составленное вами на Шаге 1, является вашей отправной точкой. Вы также можете попросить monday sidekick, ИИ-ассистента платформы, создать агента на основе текстового запроса. Agent Factory, лежащая в основе конструктора инструмент, позволяет развернуть агента за считанные минуты.

Готовые агенты для каждого отдела

Библиотека готовых агентов позволяет командам немедленно начать развертывание или настроить агента под свой рабочий процесс. Команды также могут создавать пользовательские агенты для любых нужд и делиться ими.

Надежность и управление корпоративного уровня

Средства контроля, описанные на Шагах 3 и 4, встроены по умолчанию и не требуют дополнительной настройки или сторонних инструментов. Помимо прав доступа, блоков утверждения, режима симуляции и журналов аудита, monday AI Workspace предлагает следующее:

Соответствие нормативным требованиям: сертификация HIPAA, SOC 2 Type II, ISO/IEC 27001 и ISO/IEC 27701.
Конфиденциальность данных: данные клиентов не используются для обучения моделей ИИ, а пользователи сохраняют права собственности на свой контент.

Более 225 000 организаций уже используют эту платформу для своей работы, поэтому агенты легко встраиваются в привычные для команд процессы без необходимости внедрения отдельной системы или привлечения консультантов.

Как понять, что ваша стратегия развертывания агентов работает

Успешное развертывание агентов превращает концепцию «агент существует» в «агент выполняет надежную работу в заданных рамках». Команды, которые добиваются этого, начинают с одного ограниченного рабочего процесса с высоким объемом данных, которые уже находятся в рабочем пространстве. Они относятся к правам доступа и тестированию как к части развертывания, а не как к дополнениям, и постепенно расширяют автономность по мере роста уверенности.

Если вы сравниваете платформы, задайте следующие вопросы:

Могут ли бизнес-команды запускать агентов без привлечения разработчиков?
Работает ли агент с данными и рабочими процессами, которые команда уже использует?
Можете ли вы контролировать доступ на чтение и запись и требовать одобрения человека?
Можете ли вы безопасно проводить тестирование и проверять действия агента?
Можете ли вы делиться агентами и масштабировать их между командами без использования отдельной системы?

Поскольку создание агентов становится проще, преимущество переходит к тому, что их окружает: общим данным и людям, которые остаются в курсе происходящего. Команды, которые внедряют это на раннем этапе, масштабируются с меньшим количеством сюрпризов, а monday agents предоставляет им надежную основу для этого.

Попробуйте monday agents

Часто задаваемые вопросы о развертывании агентов

Что такое развертывание агентов?

Развертывание агентов — это настройка ИИ-агента и его запуск в действующий бизнес-процесс, чтобы он мог самостоятельно справляться с определенными обязанностями, такими как квалификация лидов или маршрутизация тикетов. Благодаря конструктору без кода бизнес-команды могут создавать и запускать агентов с помощью обычного языка.

Нужен ли код для развертывания ИИ-агента?

Нет. Бизнес-команды могут описать роль на обычном языке и протестировать агента перед запуском, и все это в рамках существующего рабочего пространства.

В чем разница между развертыванием в управляемой среде выполнения, Kubernetes или monday AI Workspace?

Управляемые среды выполнения и Kubernetes требуют участия инженерных команд и облачной инфраструктуры. В monday AI Workspace агент работает внутри вашего существующего рабочего пространства без необходимости управления отдельной системой, а бизнес-команды могут запустить его за считанные минуты.

Могу ли я осуществлять управление и аудит ИИ-агентов так же, как и остальной работы?

Да. Платформы корпоративного уровня предоставляют детальные разрешения и блоки одобрения с участием человека, а также регистрируют каждое действие агента, чтобы вы могли проследить любое решение до его источника.

Что такое оценочная карта агента и почему она важна?

Оценочная карта агента — это простая система отслеживания точности ИИ-агента, сэкономленного времени, обработанного объема, частоты эскалации, стоимости и бизнес-результата. Она показывает, приносит ли агент пользу или требует доработки.