Если AI-агент не знает, что делать с недостающими данными, он может превратить маленький пробел в большую ошибку.

Допустим, в заявке не указана сумма сделки. Агент может решить, что её можно определить из контекста, подставить наиболее вероятное значение и продолжить работу.

Ответ получится убедительным. Но если дальше система автоматически создаст документ или запустит финансовую операцию, ошибка уже попадёт в бизнес-процесс.

Поэтому хороший AI-агент должен уметь не только отвечать, но и вовремя останавливаться. При этом не каждый пропуск требует остановки.

Если не указан формат отчёта, а в компании есть заранее заданный стандарт, система может использовать его автоматически.

Если не хватает номера заказа, но агент имеет разрешённый доступ к CRM, он может найти его самостоятельно.

А если отсутствует критичный параметр, без которого нельзя безопасно продолжить работу, агент должен запросить именно его.

Получается три основных сценария: → продолжить автоматически; → продолжить с пометкой о предположении; → остановиться и запросить уточнение.

И это должно определяться правилами процесса, а не импровизацией модели.

Есть ещё одна проблема: данные могут не отсутствовать, а противоречить друг другу. Например, в CRM указана одна сумма, а в договоре — другая. В такой ситуации AI не должен просто выбрать то значение, которое кажется ему более вероятным. Система должна знать приоритет источников или передать ситуацию на дополнительную проверку.

Поэтому при проектировании AI-workflow важно заранее определить: какие данные обязательны, что можно получить самостоятельно, где допустимы значения по умолчанию и при каких условиях задача передаётся человеку.

Автономность AI — это не способность продолжать работу при любых обстоятельствах. Это способность понимать, когда можно двигаться дальше, а когда нельзя.

Надёжный агент не скрывает отсутствие данных предположением. Он понимает, насколько этот пробел влияет на следующий шаг, и выбирает правильный сценарий.