Искусственный интеллект
Как сделать ИИ-агента для бизнеса без навыков в программировании
Согласно исследованиям, 88% компаний используют ИИ хотя бы в одной бизнес-функции, а 62% уже экспериментируют с ИИ-агентами. Внедрение приносит результаты: лидеры рынка фиксируют прирост EBIT (от англ. earnings before Interest and taxes — «прибыль до уплаты процентов и налогов») более чем на 5%. Рассказываем, как выбрать платформу для создания ИИ-агента без навыков программирования и делимся пошаговой инструкцией по его разработке.
Содержание:
Какие существуют платформы для создания ИИ-агентов
Инструменты для создания ИИ-агентов делятся на два основных типа:
Выбор зависит от задачи бизнеса. Если нужно быстро собрать прототип или автоматизировать типовой процесс, подходят low-code и no-code-платформы. Если требуется масштабируемое решение с гибкой архитектурой, используют фреймворки и SDK.
Платформы low-code и no-code
No-code и low-code (с англ. «без кода» и «мало кода») — это платформы, которые позволяют создать приложения и автоматизировать процессы без навыков программирования. Пользователь собирает логику работы ИИ-агента из визуальных блоков или заполняет готовые формы. Так можно настроить память агента, подключить инструменты и задать правила его работы.
Пример интуитивно понятной платформы — GigaCowork (ГигаКоворк). Интеграции (привычные системы для работы) можно подключить в несколько кликов. Источник: cowork.ru
Low-code и no-code-платформы подходят для создания MVP (от англ. minimum viable product — «минимально жизнеспособный продукт») и быстрого запуска пилотных проектов. Среди российских решений:
С помощью GigaCowork (ГигаКоворк) пользователи могут создавать агентов, которые целиком берут на себя задачи сотрудника: готовят аналитические отчёты на базе информации из корпоративных систем, рассчитывают проекты и оценивают риски, исходя из меняющихся вводных, создают проекты документов и выполняют другие офисные задачи.
GigaCowork (ГигаКоворк) позволяет делегировать ИИ-агентам рутинные задачи и процессы любой бизнес-функции, описывая инструкции естественным языком, без разработчиков и перестройки ИТ-систем.
SDK (от англ. software development kit — «комплект для разработки программного обеспечения») и фреймворки (от англ. framework — «каркас») для разработки
SDK и фреймворки требуют навыков программирования. Они дают полный контроль над архитектурой системы, поэтому их используют для сложных продуктов с высокой нагрузкой и повышенными требованиями к безопасности.
Такой подход подходит для систем, которые планируют масштабировать и хранить в системе контроля версий Git. Разработчики управляют подключением к базам данных, интеграциями и настройками безопасности. Кроме того, решение не зависит от конкретного вендора.
Недостаток этого подхода — длительная и дорогая разработка. Историю диалогов, обработку ошибок при сбоях API (от англ. application programming interface — «программный интерфейс приложения») и часть служебной логики обычно приходится реализовывать самостоятельно.
Читайте, как онлайн-университет «Зерокодер» внедрил экосистему узкоспециализированных ИИ-агентов и сэкономил 60% времени каждого отдела за счёт автоматизации рутины и быстрой проверки гипотез.
Какую пользу приносит ИИ-агент бизнесу
ИИ-агенты автоматизируют ежедневные задачи и снижают нагрузку на сотрудников. Они встраиваются в существующую ИТ-инфраструктуру компании, работают с внутренними данными, интегрируются в мессенджеры и помогают ускорить выполнение бизнес-процессов.
По данным кейсов клиентов GigaCowork (ГигаКоворк), ИИ-агенты:
Компании используют ИИ-агентов в разных подразделениях. Их задачи зависят от специфики бизнеса и внутренних процессов.
Сценарии использования ИИ-агентов по отделам компании
Как создать ИИ-агента: пошаговая инструкция
Платформы для создания и управления ИИ-агентами помогают автоматизировать рутинные задачи. Они готовят аналитические отчёты на основе корпоративных данных, рассчитывают проекты, оценивают риски при изменении исходных условий и создают черновики документов. Ниже — пример создания корпоративного ИИ-агента в GigaCowork (ГигаКоворк).
Шаг № 1: определить задачу и выбрать платформу
Перед внедрением ИИ-агента для бизнеса компания определяет цель автоматизации и ожидаемый результат. От этого зависит выбор платформы.
Для рутинных бизнес-процессов подходят визуальные конструкторы с готовыми блоками. Если решение должно соответствовать требованиям 152-ФЗ «О персональных данных», используют отечественные платформы. Например, GigaCowork (ГигаКоворк) позволяет создавать ИИ-агентов для любой функциональной роли, поддерживает русский язык, интегрируется с SSO (от англ. Single Sign-On — «технология единого входа») и работает в приватном облаке или на серверах компании.
Шаг № 2: создать рабочее пространство
Для каждой бизнес-функции или процесса создаётся отдельное рабочее пространство с понятным названием. Например, «Отдел закупок» или «Анализ договоров». Так участникам команды проще находить нужные проекты. Рабочее пространство объединяет документы, навыки, настроенных агентов, команды, интеграции и участников проекта. Оно служит общей средой для совместной работы.
Пространство создано для совместной работы группы коллег. Источник: cowork.ru
Шаг № 3: добавить навык
Навык — это инструкция, по которой агент выполняет задачу. Например, оформляет документы в корпоративном стиле или анализирует предложения поставщиков по заданным критериям.
Пользователь описывает правила работы и сохраняет их как навык. Достаточно сформулировать инструкцию на естественном языке, уметь программировать не нужно.
После настройки агент автоматически применяет навык, когда тот нужен. В каталоге GigaCowork (ГигаКоворк) доступны готовые навыки: работа с Excel, PowerPoint, PDF-файлами, Word, полнотекстовый поиск и семантический поиск по базе знаний.
Шаг № 4: подключить интеграции
Агент взаимодействует с корпоративными сервисами через открытый стандарт MCP (от англ. model context protocol — «протокол контекста модели»). Пользователям GigaCowork (ГигаКоворк) доступны 35 готовых коннекторов к 1С, Microsoft Outlook, Kaiten, Битрикс24, МойСклад и другим инструментам.
Администратор настраивает коннекторы и предоставляет доступ к сервисам. После этого пользователь выбирает нужный инструмент, а агент получает необходимые данные.
Шаг № 5: запустить задачу
Основа работы в GigaCowork (ГигаКоворк) — постановка задачи естественным языком в чате. Каждая задача имеет собственный контекст, поэтому документы и результаты работы не используются в других сессиях и недоступны другим пользователям.
Все запросы внутри одной задачи опираются на общий контекст. Чтобы агент давал точные ответы, разные задания лучше запускать в отдельных задачах.
Пользователь формулирует запрос текстом или голосом. Голосовое сообщение платформа автоматически преобразует в текст.
После запуска создаётся отдельная сессия. Панель прогресса показывает этап выполнения задачи. К сессии можно подключить навыки и коннекторы, прикрепить файлы и папки с документами.
Загруженные материалы становятся источником знаний для агента. Система использует архитектуру RAG (от англ. retrieval-augmented generation — «генерация с расширением за счёт поиска»). При обработке запроса агент ищет релевантную информацию в подключённых документах, а затем передаёт найденный контекст в большую языковую модель. Благодаря этому модель использует актуальные данные компании и формирует ответы с учётом содержимого файлов и папок.
История задач отображается в левой панели. Любую сессию можно открыть повторно. По итогам работы агент может сформировать файлы (отчёт, таблицу или документ), которые можно скачать.
Шаг № 6: настроить быстрые команды
Повторяющиеся сценарии можно сохранить в виде команд. Например, ежедневное формирование отчётов или анализ договоров. Чтобы запустить команду, достаточно ввести символ «/» и выбрать нужный сценарий из списка.
Шаг № 7: пригласить коллег
Коллег можно пригласить в рабочее пространство по ссылке. Все участники получают доступ к общим документам, навыкам и интеграциям. Изменения становятся доступны всей команде. Сессии отображаются как в пространстве проекта, так и в личных чатах участников.
Шаг № 8: протестировать инструмент
Большие языковые модели могут по-разному отвечать на одинаковые запросы. Поэтому стандартные тесты с заданным ожидаемым результатом для них не подходят. Вместо этого используют:
Шаг № 9: приступить к масштабированию
Агента не запускают сразу для всех пользователей. Сначала его проверяют в ограниченном режиме. Например, в теневом режиме агент работает параллельно с оператором: готовит ответ, а сотрудник проверяет его и при необходимости вносит изменения. Если оператор отправляет ответы без правок, агент готов к работе в продуктивной среде.
После успешного тестирования агенту расширяют полномочия. Сначала он получает доступ только к чтению данных: поиску информации, проверке статусов и подготовке ответов. Когда система подтверждает стабильную работу, агенту разрешают выполнять операции с изменением данных, например оформлять возвраты или блокировать аккаунты.
Частые вопросы
ИИ-агент — это программный помощник на базе языковой модели. Агент анализирует цель, разбивает её на шаги и обращается к внешним сервисам. Система обрабатывает полученные данные и выполняет действия. Преимущество агента — его автономность. Он взаимодействует с сервисами и выполняет бизнес-задачи без участия человека.
ИИ-агент и чат-бот отличаются уровнем самостоятельности: чат-бот отвечает на вопросы по заданному сценарию, тогда как ИИ-агент анализирует цель, планирует действия и обращается к внешним инструментам. Например, чат-бот может сообщить статус заказа, а ИИ-агент самостоятельно найдёт информацию в системе, проверит данные, подготовит ответ и передаст сообщение сотруднику.
При обработке запроса ИИ-агент ищет релевантную информацию в подключённых документах и передаёт найденный контекст в большую языковую модель. Агент работает через задачи в формате чата, применяя заданные навыки и интеграции с корпоративными сервисами.
Среди российских no-code и low-code-платформ компании используют, например, GigaCowork (ГигаКоворк). Решение позволяет собирать логику работы из визуальных блоков или через готовые формы без навыков программирования.
Основные риски связаны с тем, что большие языковые модели могут генерировать недостоверную информацию. Для снижения рисков на этапе внедрения применяют ручное и автоматическое тестирование, теневой режим работы параллельно с оператором и постепенное расширение полномочий — от чтения данных к выполнению операций.
Платформы вроде GigaCowork (ГигаКоворк) работают в приватном облаке или на серверах компании, соответствуя требованиям 152-ФЗ о персональных данных. Каждая задача имеет собственный контекст, поэтому документы и результаты работы не используются в других сессиях и недоступны другим пользователям.
При разработке ИИ-агентов для бизнеса компании допускают ошибки. Из-за отсутствия базы знаний нейросеть выдумывает факты, поэтому систему подключают к внутренним регламентам и настраивают ответ «не знаю» при нехватке данных. Попытка автоматизировать весь отдел сразу приводит к сбоям, поэтому начинать внедрение лучше с одного сценария. Избыточные права доступа тоже несут риски, поэтому агенту ограничивают полномочия и передают важные задачи человеку.