ИИ-агенты в бизнесе
Давайте я расскажу про бизнес-агентов в 1С. Это не те, с помощью которых разработчики разрабатывают код 1С быстрее, а это те, с помощью которых пользователи будут пользоваться конфигурацией 1С быстрее. Или не будут 🤷♂️
Так как, упрощая, 1С - это СУБД, то бишь база данных, то прочитать данные из неё можно одним основным способом - запросом к этой базе базе данных. То есть, чтобы дать ИИ контекст для работы, нужно выполнить некий запрос к БД 1С и результат запроса передать в нейросеть.
Глобально, есть два пути это осуществить:
1. Кодогенерация. Это когда запрос к БД генерит сам ИИ-агент
2. Использование tools - заранее написанных и проверенных человеком функций на языке 1С, которые и вызывает ИИ-агент.
Первый путь, конечно, сладок и манит своей доступность. Но нужно четко понимать, что:
- такое возможно только на облачных моделях и сейчас желательно топовых американских, что автоматически нарушает все требования ИБ (результат выполнения запроса к данным базы будет уходить в LLM) - это раз
- т.к. это кодогенерация 1С-запроса на лету - то по-хорошему вам необходимо воспроизвести ВЕСЬ РАЗРАБОТЧЕСКИЙ ВАЙБКОДЕРСКИЙ СТЕНД здесь и сейчас - все MCP-сервера, RAG-базы и прочие Agents.md, которые скажут КАК ПРАВИЛЬНО сгенерировать запрос именно к ВАШЕЙ базе. И не просто сгенерировать, а генерировать его или похожий запрос по тысячу раз на дню полностью предсказуемо. Это два. И это основная проблема при таком подходе - нужно поднимать семантический слой.
(если говорить про OData - то это вариант запроса к БД по сути: что-то сложнее простой выборки - и модель уже не поймет без семантического слоя, а что, собственно, нужно запросить в 1С и что это значит для пользователя)
Поэтому на серьёзных щах сейчас такой вариант рассматривают только как MVP-петпроект для погружения в тему нейросетей без оглядки на ИБ и стабильность работы агента.
Второй путь, через tools, на сегодняшний момент является единственно продуктовым, именно так идут крупные вендоры (SAP, Microsoft, Anthropic).
Ну, к слову, кодогенерацию используют, но не для доступа к данным, а для вариативности вызова tools, опять же :)
И, конечно, писать инструменты tools на каждый чих пользователя не нужно. Их нужно проектировать максимально широко, с кучей фильтров и параметров. А возможно и сам tool должен быть сборным и параметризуемым. И вот это уже можно отдать ИИ-агенту.
1С на диване
Давайте я расскажу про бизнес-агентов в 1С. Это не те, с помощью которых разработчики разрабатывают код 1С быстрее, а это те, с помощью которых пользователи будут пользоваться конфигурацией 1С быстрее. Или не будут 🤷♂️
Так как, упрощая, 1С - это СУБД, то бишь база данных, то прочитать данные из неё можно одним основным способом - запросом к этой базе базе данных. То есть, чтобы дать ИИ контекст для работы, нужно выполнить некий запрос к БД 1С и результат запроса передать в нейросеть.
Глобально, есть два пути это осуществить:
1. Кодогенерация. Это когда запрос к БД генерит сам ИИ-агент
2. Использование tools - заранее написанных и проверенных человеком функций на языке 1С, которые и вызывает ИИ-агент.
Первый путь, конечно, сладок и манит своей доступность. Но нужно четко понимать, что:
- такое возможно только на облачных моделях и сейчас желательно топовых американских, что автоматически нарушает все требования ИБ (результат выполнения запроса к данным базы будет уходить в LLM) - это раз
- т.к. это кодогенерация 1С-запроса на лету - то по-хорошему вам необходимо воспроизвести ВЕСЬ РАЗРАБОТЧЕСКИЙ ВАЙБКОДЕРСКИЙ СТЕНД здесь и сейчас - все MCP-сервера, RAG-базы и прочие Agents.md, которые скажут КАК ПРАВИЛЬНО сгенерировать запрос именно к ВАШЕЙ базе. И не просто сгенерировать, а генерировать его или похожий запрос по тысячу раз на дню полностью предсказуемо. Это два. И это основная проблема при таком подходе - нужно поднимать семантический слой.
(если говорить про OData - то это вариант запроса к БД по сути: что-то сложнее простой выборки - и модель уже не поймет без семантического слоя, а что, собственно, нужно запросить в 1С и что это значит для пользователя)
Поэтому на серьёзных щах сейчас такой вариант рассматривают только как MVP-петпроект для погружения в тему нейросетей без оглядки на ИБ и стабильность работы агента.
Второй путь, через tools, на сегодняшний момент является единственно продуктовым, именно так идут крупные вендоры (SAP, Microsoft, Anthropic).
Ну, к слову, кодогенерацию используют, но не для доступа к данным, а для вариативности вызова tools, опять же :)
И, конечно, писать инструменты tools на каждый чих пользователя не нужно. Их нужно проектировать максимально широко, с кучей фильтров и параметров. А возможно и сам tool должен быть сборным и параметризуемым. И вот это уже можно отдать ИИ-агенту.
1С на диване