Допустим, AI-агент подготовил коммерческое предложение и отправил его клиенту. Дальше нужно дождаться ответа. Что должен делать агент всё это время? Постоянно проверять почту? Запускаться каждые пять минут? Хранить весь диалог в памяти?

Ни один из этих вариантов не решает проблему правильно. Потому что здесь заканчивается привычная модель: запрос → действия → ответ. А начинается полноценный бизнес-процесс.

Задача продолжает существовать, даже когда агент ничего не делает.

Например: → предложение отправлено — ждём клиента; → клиент прислал документы — продолжаем проверку; → документов не хватает — отправляем напоминание; → прошло 72 часа — передаём задачу менеджеру.

Для этого системе нужно понимать не только, что происходило раньше, но и в каком состоянии находится задача сейчас.

Например: Новая → В работе → Ожидает клиента → Ответ получен → На проверке → Завершена.

И каждый переход должен происходить из-за конкретного события: пришло письмо, поступила оплата, менеджер подтвердил решение, истёк срок ожидания.

При этом состояние задачи не должно храниться только внутри AI-агента. Модель может перезапуститься, измениться или вообще быть заменена другой. Задача при этом должна продолжить существовать.

Поэтому системе достаточно передать актуальное состояние: «Задача №123. Сейчас ожидаем подтверждение клиента. Клиент выбрал вариант B. Следующий шаг — проверить условия и запустить согласование». А не заставлять модель заново читать всю переписку за несколько дней.

Есть и другая проблема — повторные действия. Представим, агент отправил клиенту письмо, но система не успела зафиксировать это действие. После перезапуска агент решает, что письмо не отправлялось, и отправляет его ещё раз.

Для системы это может быть обычный повторный запуск. Для клиента — два одинаковых письма. Поэтому в длительных процессах нужно защищать действия от дублей и понимать, что уже было выполнено.

Ещё один важный момент — сроки. Если клиент не отвечает три дня, задача не должна просто зависнуть.

Можно задать правила: → через 24 часа — напоминание; → через 48 часов — повторная проверка; → через 72 часа — передача сотруднику.

И обязательно определить, когда задача считается завершённой. Иначе агент может бесконечно создавать новые действия, потому что технически способен это делать.

Поэтому архитектура длительного AI-процесса выглядит уже не как «запрос → ответ», а скорее так: создали задачу → изменилось состояние → выполнили этап → начали ждать → произошло событие → продолжили процесс.

В такой системе AI — только один из участников. Он может анализировать данные, принимать решения в рамках своей роли и выполнять действия. Но сама задача живёт дольше конкретного запуска модели.

И это принципиальная разница. Агент может закончить работу за две минуты. А бизнес-процесс — продолжаться ещё неделю.

Если система умеет переждать это время, восстановиться после сбоя и продолжить работу с правильного места, AI становится частью настоящего операционного процесса, а не просто инструментом, который умеет выполнять отдельные команды.