Что такое ИИ-агенты и зачем они бизнесу
ИИ-агент — это автономная система с использованием возможностей искусственного интеллекта, способная выполнять задачи и принимать решения без постоянного участия человека. ИИ-агент планирует действия, обращается к нужным источникам данных и ставит себе промежуточные задачи. По сути, это — цифровой сотрудник нового поколения.
К тому же, искусственный интеллект работает круглосуточно и не теряет качество к концу смены. Так, в отчете McKinsey Global Institute «Agents, robots, and us: Skill partnerships in the age of AI» (ноябрь 2025 года) говорится о том, что агентные технологии теоретически могут автоматизировать до 44% текущих рабочих часов, если бизнес-процессы перестроены под людей и агентов.
Чем ИИ-агент отличается от чат-бота
Чат-бот отвечает на заданный вопрос и останавливается. ИИ-агент получает цель, сам раскладывает ее на шаги, обращается к рабочим системам и доводит задачу до результата. Разница видна по девяти признакам.
| Признак | Чат-бот | ИИ-агент |
|---|---|---|
| Что получает на входе | Вопрос или команду | Цель и границы, в которых можно действовать |
| Кто задает следующий шаг | Человек или заранее прописанный сценарий | Агент планирует последовательность сам |
| Понимание контекста | Помнит текущий диалог | Удерживает контекст задачи между сессиями и обращениями |
| Обучаемость | Меняется только через правку сценария | Дообучается на данных компании и на результатах прошлых запусков |
| Доступ к системам | Читает базу знаний | Читает и меняет данные: создает заявку, обновляет карточку клиента |
| Нестандартная ситуация | Отдает ответ по умолчанию или переводит на человека | Пробует обходной путь, при неудаче передает человеку |
| Запуск и настройка | Дни: сценарии и наборы готовых ответов | Недели: интеграции, права доступа, проверка на пилоте |
| Чем измеряется результат | Доля отвеченных вопросов | Доля задач, доведенных до конца без человека |
| Основной риск | Ответ не по теме | Ошибочное действие в рабочей системе |
Почему агента внедряют иначе? Ответ прост: ошибка чат-бота стоит одного неудачного диалога, ошибка агента меняет данные в системе. Отсюда обязательные для агента вещи, которых не требует бот: журнал всех действий, право отката и порог, выше которого решение уходит человеку.
Какие бывают ИИ-агенты
ИИ-агентов делят по двум признакам: как устроена система изнутри и как она принимает решение. Первое деление определяет сроки и стоимость внедрения, второе — требования к данным.
Как устроена система агента
- Одиночный агент. Одна модель с набором инструментов закрывает один процесс целиком. Дешевле в запуске и проще в контроле, ограничен рамками своего процесса.
- Агент-диспетчер. Быстрая модель определяет тип задачи и передает ее профильному исполнителю: обращение по оплате уходит одному агенту, по срокам доставки — другому. Схема выигрывает, когда процессов много, а логика внутри каждого простая.
- Многоагентная система. Несколько агентов работают в связке и проверяют работу друг друга: один планирует, второй выполняет, третий сверяет результат. Так устроен Manus AI из обзора платформ ниже. Схема справляется с длинными задачами и усложняет поиск причины сбоя.
Как ИИ-игент принимает решение
Базовое деление предложили Стюарт Рассел и Питер Норвиг в учебнике «Искусственный интеллект: современный подход».
- Реактивные. Отвечают на текущий сигнал по правилу «условие — действие». Подходят для простых регламентов: пришло письмо с признаком жалобы — создать обращение.
- С моделью среды. Хранят состояние процесса и учитывают то, чего не видно в текущем запросе. Агент помнит, что заявка уже уходила на согласование, и не отправляет ее повторно.
- Целевые. Получают конечную цель и строят к ней последовательность шагов. Формулировка «собрать данные по просроченным заявкам и подготовить сводку» превращается в план из нескольких действий.
- Оптимизирующие. Выбирают из нескольких допустимых путей по заданному критерию: быстрее, дешевле, с меньшим риском отказа.
- Обучающиеся. Меняют поведение по результатам прошлых запусков. Требуют размеченной обратной связи, иначе учиться не на чем.
Как выбрать платформу, которая подойдет именно вашему бизнесу? Как спланировать внедрение, чтобы не потратить деньги напрасно? Как перейти от набора отдельных инициатив к платформе, на которой процессы исполняются агентно, а эффект считается в тех же категориях, что и по другим вложениям?
Разобраться в бизнес-процессах, выбрать оптимальное решение, спланировать пилот и получить первые результаты, провести диагностику зрелости компании, декомпозицию бизнес-целей и оценить эффект внедрения можно на программах Школы управления СКОЛКОВО.
В этой системе человек нужен независимо от того, какой тип агента используется: ИИ берет на себя рутинные шаги, а сотрудник подключается там, где ошибка может дорого обойтись: при проведении платежа, отправке документа клиенту или изменении условий договора. Для финансовых и юридических процессов это, пожалуй, самый практичный способ начать автоматизацию.
От типа агента зависит набор необходимых данных. Для простого сценария достаточно регламента, а агенту, который сам выполняет сложные задачи, понадобится доступ к корпоративным системам. Если же его планируют дообучать на реальных кейсах, потребуется история решений и понимание того, насколько эти решения были качественными
Где используются ИИ-агенты и какие задачи решают
ИИ-агентов ставят на процессы, которые повторяются и опираются на данные, уже собранные в системах компании. Ниже — четыре направления, где их запускают чаще всего.
Клиентский сервис и коммуникации
ИИ-агент обрабатывает входящие обращения, «понимает» вопросы и проблемы клиента, подбирает необходимую информацию в базе знаний или внутренних системах, предоставляет ответ. Если вопрос сложный, агент может переадресовать его человеку. Это значительно сокращает время ответа и позволяет специалистам сосредоточиться на сложных кейсах.
Продажи, маркетинг и аналитика клиентов
Агенты собирают информацию о потенциальных клиентах, отправляют первые письма, договариваются о звонках, квалифицируют лидов, анализируют поведение клиентов, выявляют, кто готов к покупке, и рекомендуют продукты для кросс-продаж.
Операционная автоматизация и управление процессами
ИИ-агенту можно поручить:
- документооборот и обработку заявок;
- управление рабочими процессами и маршрутизацию задач;
- сбор и анализ данных из разных источников;
- автоматизацию процессов управления персоналом (подбор, адаптация сотрудников).
Аналитика, финансы и принятие решений
ИИ-агенты мониторят новости, отслеживают действия конкурентов, анализируют финансовые данные в реальном времени, а затем на основе этого создают отчеты, уведомляют команду о рисках и возможностях.
Компании, которые анализируют не только данные, но и контекст (намерения клиента, тональность обращения, повторные запросы), показывают на 20–25% выше показатели лояльности. Это достигается именно за счет глубокого анализа, который способны провести ИИ-агенты.
Топ-7 ИИ-агентов для бизнеса: сравнение платформ
Salesforce Agentforce
Для каких задач подойдет:
- Управление продажами и цикл продаж
- Автоматизация клиентского сервиса
- Обработка заявок и квалификация лидов
- Интеграция с системами планирования ресурсов предприятия и внутренними системами
Что он умеет?
Agentforce встроен прямо в экосистему Salesforce, поэтому агент имеет доступ к истории взаимодействий, профилям клиентов, прогнозам продаж.
Плюсы. Агент работает на данных, которые уже лежат в системе, отдельная интеграция не нужна; настройка ведется силами администратора.
Ограничения. Ценность появляется только у компаний, которые уже живут в Salesforce; за пределами этой экосистемы преимущество исчезает.
Claude + Model Context Protocol (Anthropic)
Для каких задач подойдет:
- Создание нестандартных агентов под специфику вашего бизнеса
- Интеграция с любыми системами (программный интерфейс, базы данных)
- Сложная обработка информации и многошаговые процессы
- Работа с чувствительными данными (здравоохранение, финансы)
Что он умеет?
Claude от Anthropic поддерживает Model Context Protocol (MCP) — открытый протокол, который позволяет агенту подключаться к практически любым внешним инструментам и данным. Это как конструктор: вы выбираете, какие части системы подключить к агенту.
Плюсы. Открытый протокол подключения к внутренним системам, поэтому агента собирают под собственный процесс; подходит для работы с чувствительными данными.
Ограничения. Требует команды разработки: готового интерфейса сборки без кода нет.
OpenAI ChatGPT Agents
Для каких задач подойдет:
- Быстрое прототипирование идей
- Автоматизация для стартапов, малого и среднего бизнеса
- Обработка запросов, поиск информации
- Интеграция с популярными инструментами: Gmail, Slack и другими
Что он умеет:
ChatGPT Agents (режим агента в ChatGPT) позволяет агенту «выходить» в интернет при работе, запускать код, использовать встроенные инструменты. Все делается через простой интерфейс — не нужно писать код.
Плюсы. Быстрый запуск без кода, широкий набор встроенных инструментов, низкий порог входа для пилота.
Ограничения. Ограниченный контроль над логикой агента и сложности с корпоративными требованиями к хранению данных.
Google Gemini Agents
Для каких задач подойдет:
- Анализ больших объемов данных
- Работа с Google Workspace (Sheets, Docs)
- Создание отчетов и дашбордов
- Интеграция с BigQuery и другими сервисами Google
Что он умеет:
Gemini интегрирован в экосистему Google, поэтому легко работает с Sheets, Docs, Gmail. Агент может извлекать данные, создавать визуализации, отправлять отчеты.
Плюсы. Работает с таблицами, документами и почтой Google без дополнительной настройки; силен на больших массивах данных.
Ограничения. За пределами сервисов Google интеграции приходится собирать отдельно.
Zapier AI Actions
Для каких задач подойдет:
- Объединение разных приложений в общий сценарий автоматизации
- Автоматизация повторяющихся процессов
- SMB и компании с ограниченным ИТ-бюджетом
- Быстрое соединение разных инструментов
Что он умеет:
По данным Zapier, платформа поддерживает более 6000 готовых интеграций. Агент может совершать действия в любом из этих приложений: отправить письмо, создать задачу в Trello, добавить контакт в систему управления взаимоотношениями с клиентами, все это без кода.
Плюсы. Тысячи готовых интеграций, сценарий собирается без разработчика, низкая стоимость входа.
Ограничения. Агент выполняет заданный сценарий и слабо справляется с задачами без регламента.
Manus AI
Для каких задач подойдет:
- Выполнение сложных многошаговых задач без жестких регламентов
- Веб-исследования, работа с документами и формами
- Автоматизация через браузер и интеграцию по программному интерфейсу
- Проектная работа аналитиков и операционных менеджеров
Что он умеет:
Manus использует многоагентную архитектуру (планировщик, исполнитель, контролер): агент сам разбивает задачу на шаги, выполняет действия в браузере, собирает данные из веб-источников и облачных сервисов, генерирует отчеты и код. Работает как автономный «цифровой исполнитель» в облачном окружении.
Плюсы. Многоагентная схема с планированием и проверкой, работа с браузером и документами, длинные задачи без пошаговых инструкций.
Ограничения. Облачное исполнение затрудняет работу в закрытом контуре; причину сбоя в цепочке агентов найти сложнее.
Alibaba Cloud Qwen Agents
Для каких задач подойдет:
- Автоматизация оптовых продаж между компаниями в онлайн-торговле
- Клиентский сервис и квалификация лидов на маркетплейсах
- Управление цепочками поставок
- Масштабные корпоративные решения для ритейла и логистики
Ключевые функции:
Alibaba Cloud интегрирует модели Qwen с агентной платформой: под капотом работают специализированные агенты (продуктовый, клиентский, маркетинговый), которые, по данным Alibaba Cloud, анализируют запросы более чем 100 000 продавцов, подбирают товары, проверяют соответствие нормам и автоматизируют коммуникации в экосистеме Taobao/Alibaba.
Плюсы. Рассчитан на большие объемы операций, есть готовые роли под торговлю и логистику.
Ограничения. Настроен на экосистему Alibaba; за ее пределами требует отдельной адаптации.
Российские ИИ-агенты для бизнеса
Российские платформы закрывают задачу, которую зарубежные решить не могут: обработку персональных данных и коммерческой тайны внутри страны. Закон «О персональных данных» требует, чтобы персональные данные россиян обрабатывались на серверах в России, поэтому для процессов с клиентской информацией выбор часто сводится к отечественным решениям.
Яндекс AI Studio
Для каких задач подойдет: сборка агентов на моделях YandexGPT и открытых моделях, обработка обращений, поиск по внутренним документам, интеграция с сервисами Яндекс Облака.
Плюсы. Размещение данных в российском облаке, инструменты дообучения под отраслевую лексику, оплата в рублях по договору с российским юридическим лицом.
Ограничения. Набор готовых интеграций с корпоративными системами уступает зарубежным платформам, часть связок приходится писать самостоятельно.
GigaChat Business
Для каких задач подойдет: корпоративный доступ к моделям GigaChat, обработка обращений и документов, сценарии для банковских и сервисных процессов.
Плюсы. Развертывание в закрытом контуре компании, что снимает вопрос передачи данных наружу; поддержка на русском языке.
Ограничения. Развертывание в контуре требует ресурсов ИТ-команды и заметно удлиняет пилот.
Что дает выбор российской платформы. Договор и оплата в российском правовом поле, поддержка в одном часовом поясе, отсутствие риска отключения доступа.
Как эти решения встраиваются в управленческие задачи, разобрано в материале о том, как искусственный интеллект помогает решать управленческие задачи бизнеса.
Что проверить до выбора. Где физически хранятся данные, поддерживается ли развертывание в контуре компании, есть ли готовая интеграция с 1С и вашей системой управления взаимоотношениями с клиентами, какой уровень поддержки закреплен договором.
Когда компании пора внедрять ИИ-агента
Решение о запуске принимают по пяти признакам. Если совпадает хотя бы три, процесс созрел для агента.
Признаки готовности компании к внедрению ИИ-агентов:
- Повторяющиеся процессы. Если 30–50% времени команда тратит на одинаковые действия (обработка заявок, отправка писем, сбор данных), то такая трансформация будет наиболее эффективной.
- Перегруженность сотрудников. Если сотрудники заняты рутиной, а не делают стратегическую работу — это сигнал для перестраивания процессов.
- Ошибки из-за ручной работы. Еще один сигнал: если человеческий фактор приводит к потере денег или клиентов.
- Перспектива кратного роста прибыли. Понимание, что внедрение искусственного интеллекта в процессы принесет значительно большую доходность.
- Растущий объем операций. Если руководитель сталкивается с необходимостью расширения штата только для увеличения объемов обработки данных, то есть смысл вложиться в агента.
Рекомендация от экспертов Школы управления СКОЛКОВО: распространенная ошибка — безуспешная интеграция ИИ в существующие системы, такие как 1С или CRM. Перед внедрением проверьте совместимость и выделите ресурсы на интеграцию. Иногда лучше выбрать новую платформу, чем пытаться втиснуть агента в старую систему. Подробнее в материале
Пошаговый план внедрения ИИ-агента
Внедрение укладывается в шесть шагов: от выбора одного процесса до расширения на соседние. Первый цикл занимает 2–4 недели.
Аудит процессов. Стартуйте с одного процесса, а не пытайтесь автоматизировать все сразу. Оптимальный срок для завершения пилота: 2–4 недели.
Выбор платформы. Подбор инструментов зависит от конкретных задач. Вопросы, которые помогут сориентироваться:
- Какие системы нужно интегрировать?
- Какой бюджет?
- Есть ли ресурсы для настройки?
- Нужна ли поддержка регулируемых данных (финансы, здравоохранение)?
Подготовка данных и обучение агента. Качество ответов агента упирается в качество данных: справочники без дублей, актуальная база знаний, единый формат документов. На этом шаге обычно и вскрывается, что часть процессов нигде не описана.
Тестирование и доработка. Не стоит стремиться к идеальности: если агент справляется с 80–90% задач, остальное может обрабатывать человек.
Запуск и масштабирование. На этапе запуска очень важно отслеживать работу для того, чтобы процесс проходил без сбоев и при этом была достаточная информация для анализа работы системы: она пригодится на этапе оптимизации.
Оптимизация и расширение. После 2–4 недель работы важно проанализировать собранные данные, чтобы понять, что работает хорошо, а где возникают ошибки и своевременно доработать агента.
Продуктовый подход — единственный, который работает для ситуации отсутствия готовых решений. Это подтверждается и становится все более актуальным для ИИ-решений, — считает директор департамента цифровых и продуктовых программ Школы управления СКОЛКОВО Николай Верховский.
Авторы исследования Школы управления СКОЛКОВО рассмотрели более 1600 кейсов внедрения ИИ и пришли к выводу: компании, которые начинают с пилота и учат команду, добиваются ROI в 3–5 раз выше, чем те, кто пытается сразу автоматизировать все.
Применение ИИ-агентов в бизнесе: примеры и кейсы
Klarna: две трети обращений в поддержке
Задача. Платежный сервис Klarna работает на 23 рынках и держит круглосуточную поддержку на нескольких десятках языков. Штат операторов рос вместе с числом обращений, а время ожидания ответа оставалось высоким.
Как устроено решение. Ассистент на моделях OpenAI встал первой линией поддержки: отвечал на вопросы, оформлял возвраты и отмены платежей, работал в 35 языках и передавал сложные обращения человеку.
Результат. По данным пресс-релиза Klarna от 27 февраля 2024 года, за первый месяц ассистент провел 2,3 млн диалогов — две трети всех обращений в поддержку, что компания приравняла к объему работы 700 штатных операторов. Среднее время решения обращения сократилось с 11 минут до двух, доля повторных обращений упала на 25%, а вклад в прибыль за 2024 год компания оценила в 40 млн долларов. Оценка удовлетворенности клиентов осталась на уровне работы людей.
Что было дальше. В 2025 году Klarna вернула людей на часть линии поддержки. Генеральный директор компании Себастьян Семятковский публично признал, что ставка на экономию обернулась падением качества на сложных и эмоционально нагруженных обращениях. Компания перешла к смешанной схеме: агент держит массовый поток, человек ведет сложные случаи.
Что берем из кейса. Агент дает эффект на однотипном потоке, и его граница проходит там, где обращение выходит за типовой сценарий. Замена всей линии поддержки на агента — рискованная ставка, разделение потока между агентом и человеком — рабочая.
Сбер: шесть агентов вместо одного бота
Задача. Классический чат-бот с жестким сценарием не справлялся с многошаговыми запросами корпоративных клиентов: человеку приходилось переформулировать вопрос или уходить к оператору.
Как устроено решение. Вместо одного бота собрана система из шести агентов с разными ролями. Оркестратор определяет намерение клиента, планировщик выстраивает логику ответа, реализатор собирает данные из системы управления взаимоотношениями с клиентами и баз знаний, валидатор проверяет точность, генератор формирует ответ, рефлектор разбирает сбои.
Результат. По документации Сбера об ИИ-ассистенте для бизнеса, схема закрывает до 80% рутинных обращений и повышает продуктивность оператора примерно на 10%. Срок запуска пилота — от четырех недель.
Что берем из кейса. Разделение ролей между агентами дает то, чего не дает одиночный бот: проверку ответа до отправки клиенту и разбор собственных ошибок. Плата за это — больше интеграций и более сложная диагностика сбоев.
Задачи, которые можно делегировать агентам
Обработка входящих обращений
Служба поддержки тратит рабочее время на повторяющиеся вопросы: статус заказа, условия возврата, сроки доставки. Агент читает обращение, определяет тему, находит ответ в базе знаний, отвечает клиенту и закрывает обращение. Сложные случаи уходят оператору вместе с уже собранной историей переписки.
Квалификация заявок в продажах
Менеджеры тратят первые часы на заявки, которые не дойдут до сделки. Агент сверяет заявку с данными в системе продаж и открытыми источниками, сопоставляет с профилем целевого клиента, проставляет приоритет и готовит черновик первого письма.
Сверка первичных документов
Расхождения между счетами, актами и договорами всплывают в конце периода, когда исправлять их дорого. Агент сопоставляет документы между собой, находит расхождения по суммам, срокам и реквизитам и выносит их бухгалтеру на проверку с указанием, где именно разошлись данные.
Мониторинг рынка и закупок
Изменения цен, новые тендеры и решения регулятора замечают с опозданием в несколько дней. Агент отслеживает заданный перечень источников, отбирает события по правилам компании, собирает сводку и помечает то, что требует решения на этой неделе.
Какие риски могут возникнуть при использовании ИИ-агентов?
Риски у агента другие, чем у чат-бота: агент меняет данные в рабочих системах, поэтому цена ошибки выше. Четыре риска закладывают в проект заранее.
- Ошибки и «галлюцинации». ИИ может ошибаться, особенно на нестандартных ситуациях. Всегда нужна система контроля и возможность вмешательства человека.
- Данные. Если передать агенту неточные данные, он будет принимать неправильные решения. Перед внедрением тщательно проверьте качество данных.
- Безопасность. Убедитесь, что агент не раскрывает конфиденциальные данные, особенно если работает с персональной информацией.
- Зависимость от поставщика. Узкоспециализированное решение может быть сложно заменить.
Статистика и тренды рынка ИИ-агентов
Рынок растет быстро, а доля компаний, получивших отдачу, остается низкой. Три цифры, которые задают контекст решения.
- Прогноз рынка. По прогнозу Precedence Research мировой рынок ИИ-агентов вырастет с 5,2 млрд долларов в 2024 году до примерно 227 млрд долларов к 2034 году. Среднегодовой рост за период с 2025 по 2034 год — около 45,8%.
- Темп внедрения. 78% мировых компаний уже внедряют генеративные модели в бизнес-процессы, а 9 из 10 топ-менеджеров планируют наращивать инвестиции в технологии.
- Отдача от вложений. 95% компаний не видят отдачи от своих вложений в искусственный интеллект — данные отчета «The GenAI Divide: State of AI in Business 2025», выпущенного проектом NANDA Массачусетского технологического института в июле 2025 года. До стадии промышленной эксплуатации доходит лишь 1 из 20 проектов.
ИИ-агенты для бизнеса: частые вопросы
Безопасно ли использовать ИИ-агентов с корпоративными данными?
Безопасность определяется схемой развертывания, а не самой моделью. Публичный сервис получает данные на свои серверы, поэтому персональная информация и коммерческая тайна туда не передаются. Развертывание в контуре компании или в российском облаке этот риск снимает.
Минимальный набор требований к агенту, который работает с корпоративными данными: доступ только к тем системам, которые нужны для его задачи; журнал всех действий с возможностью отката; маскирование персональных данных до передачи в модель; запрет на самостоятельные действия там, где ошибка стоит денег.
Обработка персональных данных дополнительно регулируется законом «О персональных данных»: такие данные хранятся и обрабатываются на серверах в России. Это условие проверяют до выбора платформы, а не после пилота.
Можно ли построить ИИ-агента на российских больших языковых моделях?
Да. Яндекс AI Studio и GigaChat Business дают доступ к российским моделям и к инструментам сборки агентов, включая развертывание в закрытом контуре компании. Для процессов с персональными данными это основной рабочий вариант.
Разница с зарубежными платформами лежит в готовых интеграциях: часть связок с корпоративными системами приходится писать самостоятельно. На типовых задачах — обработка обращений, поиск по внутренним документам, подготовка сводок — качества российских моделей на русском языке хватает для промышленной эксплуатации.
Сколько стоит внедрение ИИ-агента для бизнеса?
Стоимость складывается из четырех частей, и лицензия платформы обычно оказывается самой малой. Первая — сама лицензия или оплата по объему обработанных запросов. Вторая — интеграция с рабочими системами: чем больше систем, тем дороже. Третья — подготовка данных: чистка справочников, разметка документов, сборка базы знаний. Четвертая — сопровождение после запуска.
Пилот на одном процессе занимает 2–4 недели и стоит заметно меньше промышленного внедрения, поэтому бюджет обычно делят на два этапа: сначала проверка гипотезы на одном процессе, затем масштабирование по результатам замера.
Можно ли интегрировать ИИ-агента с 1С или существующей CRM без остановки процессов?
Да, при поэтапной схеме. Агент подключается к системе на чтение, работает параллельно с сотрудниками и предлагает решения, которые человек подтверждает. Права на изменение данных выдаются после того, как накопится статистика по качеству его решений.
Порядок работ выглядит так: тестовый контур с копией данных, затем ограниченный доступ на чтение в рабочей системе, затем право менять данные в одном процессе, затем расширение. Каждый этап закрывается замером доли ошибочных действий.
Типовая ошибка на этом пути — попытка встроить агента в систему, которая не отдает данные через программный интерфейс. Совместимость проверяют до выбора платформы; иногда смена системы обходится дешевле, чем разработка обходных путей.
Как выбрать платформу, которая подойдет именно вашему бизнесу? Как спланировать внедрение, чтобы не потратить деньги напрасно? Разобраться в бизнес-процессах, выбрать оптимальное решение, спланировать пилот и получить первые результаты можно на программе СКОЛКОВО
Руководитель проекта СКОЛКОВО Медиа
Редактор, Школа управления СКОЛКОВО