СберПро

ИИ-агенты в российском бизнесе: четыре сценария работы У 65% российских компаний были пилоты с генеративным ИИ, которые так и не дошли до промышленной эксплуатации. Чаще всего сложности возникали при организации работы: какие задачи поручить ИИ, как проверять его действия и кто отвечает за результат. На основе исследования СберПро и TAdviser собрали четыре сценария, которые показывают, как компании распределяют задачи между ИИ и сотрудниками. 💠 Консультирование клиентов ИИ-агент ищет информацию во внутренних базах и документах компании, а затем формирует ответ на запрос клиента. Для этого используют технологию RAG (Retrieval-Augmented Generation — «генерация с дополненной выборкой»): она позволяет языковой модели обращаться к корпоративным знаниям, а не полагаться только на информацию, полученную при обучении. Например, цифровой фармацевт за секунды находит сведения о дозировках, показаниях и противопоказаниях препаратов. Роль сотрудника: агент готовит ответ, а сотрудник проверяет его перед отправкой клиенту и несёт ответственность за результат. Когда применять: если у компании есть большая база знаний, а цена ошибки в ответе клиенту высока. 💠 Проверка контрагентов ИИ-агенты собирают сведения о поставщике из разных источников, проверяют их и готовят справку с выявленными рисками. К ней прилагаются оценка уверенности системы в результате и история действий агентов. Это помогает специалисту понять, на чём основаны заключения и что требует дополнительной проверки. Роль сотрудника: изучает справку и принимает решение о работе с поставщиком. Если сведения вызывают сомнения или противоречат друг другу, обращается к истории проверки и уточняет информацию. Когда применять: если компания регулярно проверяет много поставщиков и хочет сократить время на сбор и первичный анализ данных. 💠 Сопровождение клиентских встреч Здесь также работает не один агент, а команда с разделением ролей: агент-протоколист записывает встречу и фиксирует договоренности в CRM, агент-аналитик извлекает потребности и подбирает предложение, агент-наставник даёт обратную связь по переговорам. Технологическая база — распознавание речи, языковая модель и тот же поиск по корпоративным данным. Роль сотрудника: менеджер проверяет итог работы агентов — сводный протокол, анализ потребностей и рекомендации по коммуникации. Само взаимодействие с клиентом остаётся за человеком. Когда применять: если у менеджеров много встреч и после каждой нужно зафиксировать договорённости, внести данные и подготовить следующие шаги по работе с клиентом. 💠 Разработка ПО ИИ в разработке — лидирующий сценарий среди российского бизнеса, применяют 47% компаний. SWE-агенты (Software Engineering — «программная инженерия») составляют план решения, вносят изменения в код и запускают тесты. Отдельный агент распределяет задачи и собирает результаты. Роль сотрудника: разработчик проверяет изменения в коде и результаты тестов, при необходимости возвращает задачу на доработку и согласовывает изменения перед внедрением. ИИ ускоряет отдельные этапы, но ответственность за качество и выпуск программного обеспечения остаётся у команды. Когда применять: если команда регулярно пишет тесты, обновляет документацию и вносит типовые правки. Обзор рынка агентного ИИ в России и практик ведущих компаний — в полном исследовании. #инструменты #ИИ * Если посты грузятся плохо, подписывайтесь на наш канал в МАКС. Telegram | МАКС | Сайт