Разработка ИИ-агентов и ИИ-решений для бизнеса

Подробно

Разработка ИИ-агентов для бизнеса начинается с конкретного рабочего процесса, а не с выбора нейросети: кто сейчас делает эту работу, сколько времени она занимает, где ошибаются люди. Мы проектируем и внедряем агентов на больших языковых моделях, которые отвечают клиентам, разбирают входящие заявки, читают договоры и счета, заполняют карточки в CRM и 1С. Агент работает внутри ваших систем по понятным правилам, а все его действия записываются в журнал, чтобы их можно было проверить.

ИИ-агенты для бизнеса: где искусственный интеллект берет на себя рутину

ИИ-агент - программа на основе языковой модели, которая получает задачу, сама выбирает шаги и выполняет их с помощью инструментов: ищет в базе данных, вызывает внешний сервис через API, пишет сообщение клиенту, создает сделку. Этим агент отличается от обычного чат-бота, который отвечает по заранее прописанному сценарию. Подробнее о том, что такое ИИ-агент и как он устроен, мы рассказали в блоге.

Задачи, которые мы берем в работу:

• первая линия поддержки: агент отвечает на вопросы клиентов по базе знаний и передает сложные случаи оператору;
• обработка заявок: читает письма и формы, определяет тип обращения, заполняет CRM и назначает ответственного;
• работа с документами: извлекает реквизиты, суммы и сроки из договоров, счетов и актов;
• продажи: квалифицирует лидов, готовит персональные предложения, напоминает о повторных покупках;
• маркетплейсы: помогает отвечать на отзывы и вопросы покупателей, готовит описания карточек товаров;
• внутренние ассистенты: поиск по регламентам, подготовка отчетов, ответы сотрудникам по кадровым вопросам.

Хороший кандидат на автоматизацию - повторяющаяся работа с текстом, где правила можно объяснить новому сотруднику за день. Если решение требует опыта и ответственности, агент готовит черновик, а принимать решение остается человеку.

Отдельная тема - ИИ-агенты для программирования и агенты на ПК, которые управляют компьютером пользователя. Это класс готовых продуктов, их обычно покупают, а не разрабатывают. Мы делаем агентов, которые работают внутри ваших бизнес-процессов: в CRM, почте, мессенджерах. Если вы хотите выпустить ИИ-продукт в формате AI SaaS (сервис по подписке для внешних клиентов), берем на себя и агента, и веб-платформу вокруг него: личный кабинет, тарифы, оплату.

ИИ-ассистент для бизнеса: чат-бот на базе знаний компании

ИИ-ассистент - частный случай агента, который в основном отвечает на вопросы. Клиентам он подсказывает по товарам, ценам и условиям доставки, сотрудникам - по регламентам, инструкциям и истории проектов. Главное требование: ассистент должен отвечать по вашим документам, а не по общим знаниям модели.

Для этого используем RAG (поиск по базе знаний перед генерацией ответа). Документы компании делим на фрагменты, превращаем в числовые векторы и кладем в векторную базу данных. Когда приходит вопрос, система находит самые близкие фрагменты и передает их модели вместе с вопросом. Агент отвечает с опорой на найденный текст и может показать ссылку на источник, чтобы сотрудник проверил ответ.

Ассистента подключаем туда, где с ним удобно работать: в Telegram, MAX, виджет на сайте, корпоративный портал или CRM. Автоматическое обновление базы знаний настраиваем так, чтобы ответы менялись вместе с прайсом и документами. Для голосовых обращений добавляем распознавание речи: ассистент разбирает запись звонка и заполняет карточку клиента.

Создать ИИ-агента: low code платформа или код

Создать ИИ-агента можно двумя путями. Первый - low code платформа (сервис, где логику собирают из готовых блоков мышкой, почти без программирования). Такие платформы подходят для прототипа: быстро видно, справляется ли модель с задачей в принципе.

Второй путь - разработка на коде. Мы пишем код на Python, сами управляем логикой агента, хранением данных и доступами. Этот вариант нужен, когда:

• агент работает с персональными данными и коммерческой тайной;
• нужны интеграции с 1С, CRM, складом или собственными сервисами компании;
• важно контролировать расходы на запросы к модели;
• агент должен выдерживать большой поток обращений;
• нужен журнал действий и проверка каждого шага.

Часто работаем в два этапа: прототип на low code, чтобы проверить гипотезу на реальных примерах, затем перенос рабочей версии в код. Агент без такой проверки рискует оказаться дорогой игрушкой, которой сотрудники не пользуются. Инструкция для агента и набор тестовых примеров остаются у вас в обоих вариантах, их можно перенести с платформы в код.

Создание ИИ-агентов: языковая модель, инструменты и база данных

Агент собирается из нескольких частей.

• Языковая модель. Выбираем под задачу: модель, например YandexGPT или GigaChat, подходит, если данные должны оставаться в России, а модели через OpenAI API берем там, где это допустимо по требованиям к данным.
• Системный промпт. Инструкция для модели: роль агента, тон, правила, запреты, момент, когда нужно звать человека.
• Инструменты. Функции, которые агент вызывает через API: поиск по базе, создание сделки в CRM, расчет стоимости, отправка письма.
• Память и база данных. История диалогов, профиль клиента, векторная база знаний.
• Контроль. Логи каждого шага, ограничения на действия, проверка ответов перед отправкой.

Логика агента описывается шагами: получить задачу, собрать данные, решить, какой инструмент вызвать, проверить результат, ответить. Каждый шаг тестируем на наборе реальных примеров из вашей практики, до запуска и после каждого изменения промпта. Так видно, стало ли лучше на самом деле, а не по двум удачным диалогам.

После запуска собираем обратную связь: сотрудники отмечают неверные ответы, мы разбираем их и дорабатываем инструкции, базу знаний и инструменты. Настройка ИИ-агента не заканчивается на релизе, агент работает лучше, когда его регулярно поддерживают.

ИИ-агент Яндекс

Про агентов на базе Яндекса обычно спрашивают компании, которым важно, чтобы данные не уходили за рубеж. В Yandex Cloud есть доступ к моделям YandexGPT по API и инструменты для сборки ассистентов с поиском по документам. На этой основе можно собрать агента, который хранит и обрабатывает данные в российской инфраструктуре.

Мы работаем с моделями Яндекса, GigaChat и зарубежными моделями и выбираем по трем критериям: качество ответов на ваших примерах, требования к хранению персональных данных, стоимость запросов. Иногда в одном агенте работают две модели: простые вопросы обрабатывает недорогая, сложные передаются более сильной. Код агента пишем так, чтобы модель можно было заменить без переписывания всей системы. Если агент работает на внешней модели, заранее проверяем условия ее использования и то, где обрабатываются запросы.

Как мы внедряем агента в рабочий процесс

1. Разбор процесса. Смотрим, как задачу решают сейчас, собираем примеры обращений и документов, договариваемся, как будем измерять результат.
2. Прототип. Собираем агента на ваших данных и проверяем на реальных примерах.
3. Разработка. Пишем рабочую версию, подключаем интеграции, настраиваем права доступа и журнал действий.
4. Пилот. Агент работает на части потока, сотрудники проверяют его ответы и отмечают ошибки.
5. Запуск и поддержка. Расширяем агента на весь поток, следим за качеством и обновляем базу знаний.

На пилоте агент обычно работает в режиме подсказок: готовит ответ или заполненную карточку, а сотрудник подтверждает отправку. Когда качество устраивает, часть действий переводим в автоматический режим.

Данные и безопасность

Прежде чем дать агенту доступ к системе, определяем, какие данные ему действительно нужны. Права задаем по минимуму: агент поддержки видит статус заказа, но не может менять цены. Персональные данные при необходимости маскируем перед отправкой во внешнюю модель или используем модели в российском облаке, чтобы соблюдать требования закона о персональных данных.

Ключи доступа к API храним на сервере, а не в коде интерфейса. Все запросы и ответы модели записываем в журнал: в спорной ситуации можно восстановить, почему агент поступил именно так. Для действий с деньгами и договорами оставляем обязательное подтверждение человеком.

ИИ-агент: цена

Готовой вилки для ИИ-агентов нет, цену называем после брифа. Задачи отличаются слишком сильно: ассистент с ответами по короткому регламенту и агент, который ведет сделку от заявки до счета в 1С, требуют разного объема работ.

На стоимость влияют:

• объем и состояние базы знаний: сколько документов и насколько они актуальны;
• число инструментов и интеграций: CRM, 1С, почта, мессенджеры;
• требования к данным и выбор модели;
• каналы, где работает агент;
• нужны ли интерфейс для сотрудников и аналитика.

Отдельно считаются расходы на запросы к модели и сервер: они зависят от числа обращений, и мы показываем расчет до запуска. Демо-проекты Капиталика, Трассер и Терапис в блоке кейсов показывают, как ИИ-функции выглядели бы в интерфейсе приложения. Реальный пример под вашу задачу разбираем на брифе: берем несколько настоящих обращений или документов и показываем, как с ними справится агент.