У одного из наших клиентов сотрудники путались в задачах, заполняли их не по шаблону или не заполняли вовсе. Мы разработали для них чат-бота на основе ИИ: он распределяет обращения и сам создаёт задачи в Битрикс24. А потом увидели, что такое решение нужно в разных нишах - от заказа обедов в офис до крупного бизнеса.
В корпоративных коммуникациях часто некому быстро и точно передавать информацию нужным адресатам без участия десятка людей. Так и внутри компании, и в переписке с клиентами. Этот участок закрывает LLM-агент: на одной стороне диалога он собирает запросы, обрабатывает их и передаёт другой. В отличие от обычного бота, он ведёт живые диалоги, разбирает запросы и подстраивается под бизнес.
Кейс, с которого всё началось
Компания "Лескрафт" - крупный поставщик пиломатериалов - попросила навести порядок в задачах в Битрикс24. Мы разработали бот-приёмник: он собирает запросы, уточняет недостающее и направляет заявку в отдел, который её решает.
Пример. У сотрудника перестал работать Word - он пишет об этом боту бытовым языком. Запрос расплывчатый, поэтому бот уточняет суть проблемы, собирает нужное и напоминает прикрепить файлы. После этого он сам формирует задачу: ставит дедлайны, назначает ответственных и наблюдателей, отправляет всё нужным адресатам. Дальше задачу решают сотрудники, которые в ней разбираются.
Устроен агент сложнее, чем кажется. Например, он помогает избежать дублирования при массовых проблемах: если у всех в офисе перестал работать Битрикс24, вместо десятков одинаковых запросов агент блокирует дубли и игнорирует повторные обращения, если проблема - часть более крупной. И он запрограммирован на строго ограниченный круг задач: нерелевантный запрос ассистент вежливо проигнорирует.
Как мы разрабатываем LLM-агента
Для заказчика всё выглядит просто: вы заполняете Google-таблицу по шаблону и отдаёте её нам, а на нашей стороне происходит остальное. Внутри это четыре этапа:
- →Сбор и аналитика данных - собираем реальные пользовательские запросы, настраиваем шаблоны, отсеиваем нецелевые.
- →Разбивка на этапы - делим разработку на функциональные блоки, чтобы структурировать процесс и показывать заказчику промежуточные результаты.
- →Техническая реализация.
- →Решение сложностей. Например, языковая модель упорно хотела заменить человека по фамилии Тарелкин на тарелку - такие глюки отлавливаем и правим.
Где это полезно: примеры
Цех по пошиву одежды
Собственница сама руководит мастерами, средней прослойки руководства нет. Мастера ставят себе задачи на месяц и отчитываются о выполнении - руководитель тратит много времени на проверку отчётов. LLM-агент общается с сотрудниками живым языком, собирает данные о выполненных задачах, сопоставляет с запланированными и отдаёт руководителю краткую выжимку.
Колл-центр университета
Несколько тысяч студентов регулярно обращаются в колл-центр: потерялась зачётка, сломался кран, нужно заселиться или получить документы. Сотрудники тонут в рутине. Мы вынесли всё в Telegram: студенты общаются с LLM-агентом и решают типовые задачи сами, разгружая колл-центр.
Заказ обедов сотрудникам
Нужно показать меню, собрать заказы, учесть предпочтения по рациону, отправить заявку в общепит и раздать заказы сотрудникам с проверкой по QR-коду. Весь процесс ведёт LLM-агент.
Рекламное агентство
Менеджеры ездят на выставки и встречи, где нужны рекламные материалы: флаеры, буклеты, визитки. Агент ведёт реестры материалов, списывает то, что менеджеры берут на встречи, и вовремя заказывает новые партии у поставщиков.
Сколько занимает разработка
В кейсе Лескрафт разработка заняла около двух недель. На нашей стороне всё идёт быстро - срок зависит от заказчика: чем быстрее он заполнит Google-таблицу с данными, тем быстрее получит результат.
Решение подходит любому бизнесу, где есть рутинные задачи, и не зависит от числа участников: и компании до 50 человек (как швейная фабрика), и отделу, который обслуживает тысячи пользователей. Им пользуются HR, маркетологи, туристические агентства: вопросы вроде как оформить визу или нужна ли прививка для поездки бот закрывает сам, а люди занимаются работой, где нужен человек.
Сколько стоит
Подписная модель - около 3 500 рублей в месяц плюс оплата за использованные токены; такой вариант подойдёт небольшой компании, например, для консультирования клиентов. Коробочное решение - разработка и внедрение от 200 тысяч рублей.
Чат-боты на основе ИИ работают давно - например, в электронной коммерции и приёме онлайн-заказов. Но переносить их на внутренние коммуникации компании начали единицы, и мы среди первых. Если хотите внедрить такой продукт - обращайтесь, подберём решение под вашу нишу.
