ИИ-агенту мало дать доступ к корпоративным сервисам
Подключить LLM к CRM, почте и базе документов сейчас можно за час. И часто на этом всё и заканчивается: доступы выдали, значит, агент готов. А потом он отправляет клиенту письмо с черновым счётом, который ещё не согласовали в финансах. Просто потому что ему никто не сказал, что так нельзя.
Агенту мало уметь отправлять письма. Ему нужно понимать, когда письмо вообще нужно, кому писать, что перепроверить перед отправкой и что делать, если что-то сломалось. Если этого нет, никакой автоматизации не получается, получается ещё одна кнопка, которую теперь жмёт ИИ, а не кожаный.
И самое сложное тут, как по мне, вовсе не выбрать модель. Сложнее всего описать, как у вас на самом деле устроена работа. Все эти неписаные правила, которые новый сотрудник узнаёт за первые месяцы (у кого что спросить, что можно отправлять без согласования, а что нет), агенту нужно проговорить явно. Иначе он будет всё делать быстро, уверенно и не так.
Поэтому вокруг моделей сейчас и растёт то, что называют харнесом: инструкции, сценарии, права доступа, инструменты, корпоративные данные. По сути компании пишут для ИИ не только что сделать, но и как именно.
На Yandex Scale показали один из вариантов такого подхода. В Алисе AI Про для бизнеса появились навыки, это переиспользуемые наборы инструкций, скриптов, шаблонов и материалов. Агент подключается к внешним и внутренним сервисам через плагины и MCP и может раскидывать сложные задачи между специализированными агентами.
В общем, сама модель становится всё менее важной частью истории. Гораздо важнее, насколько хорошо вокруг неё всё выстроено, чтобы агент внутри компании работал безопасно и предсказуемо.
Подключить LLM к CRM, почте и базе документов сейчас можно за час. И часто на этом всё и заканчивается: доступы выдали, значит, агент готов. А потом он отправляет клиенту письмо с черновым счётом, который ещё не согласовали в финансах. Просто потому что ему никто не сказал, что так нельзя.
Агенту мало уметь отправлять письма. Ему нужно понимать, когда письмо вообще нужно, кому писать, что перепроверить перед отправкой и что делать, если что-то сломалось. Если этого нет, никакой автоматизации не получается, получается ещё одна кнопка, которую теперь жмёт ИИ, а не кожаный.
И самое сложное тут, как по мне, вовсе не выбрать модель. Сложнее всего описать, как у вас на самом деле устроена работа. Все эти неписаные правила, которые новый сотрудник узнаёт за первые месяцы (у кого что спросить, что можно отправлять без согласования, а что нет), агенту нужно проговорить явно. Иначе он будет всё делать быстро, уверенно и не так.
Поэтому вокруг моделей сейчас и растёт то, что называют харнесом: инструкции, сценарии, права доступа, инструменты, корпоративные данные. По сути компании пишут для ИИ не только что сделать, но и как именно.
На Yandex Scale показали один из вариантов такого подхода. В Алисе AI Про для бизнеса появились навыки, это переиспользуемые наборы инструкций, скриптов, шаблонов и материалов. Агент подключается к внешним и внутренним сервисам через плагины и MCP и может раскидывать сложные задачи между специализированными агентами.
В общем, сама модель становится всё менее важной частью истории. Гораздо важнее, насколько хорошо вокруг неё всё выстроено, чтобы агент внутри компании работал безопасно и предсказуемо.