ИИ-агент в браузере: какие задачи ему поручать, а какие оставить себе

Коротко

Что умеет ИИ-агент в браузере?

Обычный чат отвечает текстом. ИИ-агент в браузере делает работу руками: открыл кабинет, нашёл раздел, выгрузил отчёт, переложил цифры. Разница примерно как между консультантом по телефону и стажёром, который сел за твой компьютер.

На корпоративном обучении в конце сентября я показывал группе пример, где агент сам открывает систему электронного документооборота и заполняет документ. Это был самый живой момент дня. Реплика из зала - «Он сам открывает» - лучше любого слайда объясняет, почему эта функция цепляет.

Технически есть два способа работы:

• Встроенный браузер приложения. Чистый браузер внутри ChatGPT или Codex. Удобен для открытых сайтов и проверок, но в нём ты не вошёл в свои сервисы.
• Расширение в твоём браузере. Агент работает в твоих вкладках и твоём профиле, видит сайты, где ты уже вошёл: почту, CRM, кабинеты. По документации OpenAI расширение работает в Chrome, Edge, Brave, Opera и Vivaldi. Safari в этом списке нет, и на обучении этот вопрос как раз задавали.

Второй способ мощнее и рискованнее одновременно: агент получает доступ ко всему, куда вошёл ты.

Подходящие задачи и те, что лучше оставить себе

Правило, которое я советую на старте: агент читает сам, а пишет только после твоего «да». Что делать, если у площадки нет выгрузки и браузерный обход - единственный путь, подробно разбирал в материале о том, как забрать данные с сайта без API.

Где агент спотыкается?

Расскажу на своём примере.

Я поручил агенту проверить товарный знак для нового бренда по официальной базе Роспатента. Поиск он выполнил: нашёл сотни записей по нужным словам. А вот фильтры по классу и дате подачи не поддались. Поля там нестандартные, и попытка подставить значение напрямую положила «42» в поле даты: фильтр получил 1 января 2042 года.

Руками это закрывается минут за десять. Это хорошо показывает границу: агент отлично ходит, ищет и читает, но формы, сделанные «не как у всех», для него лотерея.

Ещё несколько типичных мест, где агент застревает:

• Капча и антибот-защита. Агенты не должны её обходить, и у Claude в Chrome это прямо в списке запрещённых действий.
• Длинные задачи. Чем больше шагов, тем выше шанс, что агент свернёт не туда на середине. Режь задачу на куски по пять-десять шагов.
• Разные интерфейсы у разных людей. У одного расширение встало, у другого нет. На обучении это видно сразу: у части группы всё работает, у части - нет.
• Отчёт вместо результата. Агент пишет «готово», а таблица заполнена наполовину. Как ловить такое, разбирал в материале про «готово» без результата.

Почему страница может командовать агентом?

Для чата это почти не проблема: он только отвечает. Для агента в браузере это главный риск, потому что он умеет действовать: переходить, заполнять, отправлять.

OpenAI в документации к расширению прямо пишет: относись к содержимому страниц, выделенному тексту и расшифровкам видео как к недоверенному контексту и проверяй страницу, прежде чем разрешать агенту действовать. У Anthropic в Claude в Chrome работают классификаторы, которые отлавливают такие атаки, а часть действий заблокирована полностью: покупки, создание аккаунтов, обход проверок на ботов, сделки, безвозвратное удаление файлов.

Про то, как вообще решать, давать ли агенту доступ к рабочей почте и серверу, подробно разбирал в отдельной статье про доступ агента к почте и серверу компании.

Какие разрешения давать и в каком порядке?

У ChatGPT по умолчанию агент спрашивает разрешение перед работой с каждым новым сайтом. Варианты ответа: разрешить один раз, разрешить для этого сайта, разрешить для всех сайтов или отказать. Есть списки разрешённых и запрещённых доменов. Доступ к истории браузера агент запрашивает отдельно, и постоянного разрешения на неё нет.

У Claude в Chrome похожая логика: агент составляет план, где перечислены сайты и шаги, ты его утверждаешь, и без нового разрешения агент от плана не отходит. Есть режим «спрашивать перед действием» и режим «действовать без вопросов».

Порядок, который я считаю безопасным:

1. Первая неделя - подтверждение каждого нового сайта и каждого действия, которое что-то меняет.
2. Знакомые рабочие сервисы - в список разрешённых.
3. Банки, госуслуги, платёжные кабинеты - в список запрещённых сразу.
4. Режим без вопросов - только для повторяющейся задачи на одном-двух сайтах, которую ты уже видел десяток раз.

Логика та же, что и с агентом на компьютере: сначала запреты, потом свобода. Что агент видит на диске и какие запреты ставить заранее, разбирал в материале о том, что агент делает на твоём компьютере.

Первая задача для агента в браузере

1. Чтение: таблица из открытых страниц

   Например, условия доставки у десяти поставщиков или цены конкурентов. Проверь три строки руками: совпали ли цифры.

2. Заполнение с проверкой

   Пусть агент заполнит форму или черновик документа по данным из таблицы и остановится перед кнопкой «Отправить». Смотришь, исправляешь, отправляешь сам.

3. Регулярная задача

   То, что повторяется каждую неделю: выгрузка отчёта, сверка карточек. Её уже можно оформить как автозадачу, которая выполняется по расписанию.

Главное на этом этапе - не скорость, а понимание. После трёх задач ты будешь точно знать, где агент экономит час, а где проще сделать руками.

Частые вопросы

Главный вывод

Агент в браузере закрывает разрыв, о который спотыкаются почти все автоматизации: у нужной системы нет API, а руками перекладывать данные надоело. Но он работает в твоих сессиях, и поэтому правила доступа здесь важнее, чем в чате.

Практический шаг на эту неделю: заведи отдельный профиль браузера для агента и дай ему одну задачу на чтение - собрать в таблицу данные с пяти страниц, которые ты обычно открываешь руками.

Какую задачу в браузере ты бы отдал агенту первой?