Мы привыкли к простой модели работы с нейросетью: задали вопрос, получили ответ, скопировали результат, перенесли его в таблицу, документ, презентацию или другую программу.

Сейчас эта модель меняется.

OpenAI развивает ChatGPT Work — режим, в котором ИИ получает возможность работать не только внутри диалога, но и с рабочей средой пользователя: файлами, браузером и инструментами на компьютере.

Для бизнеса это важнее, чем появление очередной новой функции ChatGPT. Меняется сама роль нейросети в рабочем процессе.

Обычный сценарий работы с ИИ выглядит примерно так:

выгрузить данные → загрузить их в нейросеть → сформулировать запрос → получить результат → проверить → перенести его в нужную систему.

Агентный подход позволяет сократить часть этой цепочки.

Например, сотруднику нужно собрать данные из нескольких файлов, привести их к единой структуре, выполнить расчёты и подготовить Excel-модель. ИИ может последовательно выполнить эти действия сам.

В демонстрациях ChatGPT Work уже показывают несколько таких сценариев.

Один из наиболее интересных для бизнеса примеров — когортный анализ.

Агент получил пять экспортов общим объёмом около 35 МБ и собрал из них единый Excel-файл. При этом расчёты были сделаны через формулы, а не просто записаны готовыми значениями.

Это принципиально важно для рабочих задач.

Если ИИ выдаёт только итоговую цифру, сотруднику сложно понять, как она появилась. Если сохраняются формулы и структура расчётов, результат можно проверить, изменить исходные данные и использовать модель дальше.

Такой подход применим к финансовым моделям, план-факт анализу, отчётности подразделений, продажам, сметам и другим задачам, где данные регулярно собираются из нескольких источников.

Другой показательный сценарий — создание интерактивного дашборда.

ИИ получил визуальный пример того, как должен выглядеть результат, подключился к данным и собрал работающий вариант.

Для компаний это открывает вполне практическую возможность.

Руководитель может показать пример нужного отчёта и дать исходные данные, а агент подготовит первую версию рабочего инструмента. Дальше её можно корректировать обычными запросами: добавить показатель, изменить группировку, показать динамику за другой период.

Ещё один простой сценарий — работа с чеками.

Фотография попадает в папку. ИИ распознаёт данные, заносит их в таблицу и сортирует документы.

Сам по себе пример небольшой. Но принцип гораздо шире.

По такой же логике можно обрабатывать счета, акты, заявки, коммерческие предложения, отчёты сотрудников и другие типовые документы.

Особенно интересны регулярные сценарии, когда действие выполняется автоматически по расписанию или после появления нового файла.

Отдельное направление — действия через браузер.

В одном из примеров агенту понадобилось скачать несколько десятков изображений с сайта. Он самостоятельно определил способ выполнения задачи и написал необходимый JavaScript.

Для бизнеса интереснее другое применение: работа с сервисами, где нет удобного API.

Если сотрудник регулярно входит в личный кабинет, скачивает счета, отчёты или другие документы и затем переносит данные в корпоративную систему, часть подобных операций потенциально может выполнять агент.

Особенно хорошо агентный подход проявляется там, где необходимо выполнить десятки или сотни однотипных действий.

В демонстрации агент изменил CTA в описаниях 130 YouTube-видео. При этом он учитывал содержание каждого видео и создавал отдельные трекинговые ссылки.

Для компании аналогичным сценарием может быть обновление большого количества документов, карточек, файлов, описаний, отчётов или других объектов.

Человек задаёт правило и контролирует результат. ИИ выполняет основную массу операций.

Большинство сотрудников до сих пор работают не только в корпоративных информационных системах.

Огромное количество информации находится в Excel, Word, PDF, папках на компьютере, выгрузках из CRM и документах, которые присылают коллеги.

Поэтому способность ИИ работать с локальной рабочей средой может оказаться гораздо важнее очередного улучшения качества ответов нейросети.

Вместо постоянной ручной загрузки документов появляется возможность дать агенту задачу, которую раньше выполнял сотрудник:

«Возьми новые отчёты из этой папки, объедини показатели, проверь пропуски, обнови таблицу и подготовь сводку для руководителя».

На мой взгляд, главный тренд здесь — переход от использования ИИ как интеллектуального помощника к использованию ИИ как исполнителя отдельных рабочих процессов.

И это уже другой уровень внедрения.

Компаниям становится важно понимать не только что сотрудники могут спросить у нейросети, но и какие последовательности действий можно передать ИИ целиком.

Для этого полезно посмотреть на обычный рабочий день сотрудников и найти задачи, где человек регулярно:

открывает одни и те же файлы;

переносит данные между системами;

сводит несколько таблиц;

проверяет документы по одинаковым критериям;

формирует регулярные отчёты;

скачивает информацию из личных кабинетов;

сортирует документы;

выполняет большое количество однотипных операций.

Именно здесь агентные технологии могут дать наиболее заметный эффект.