ИИ-агенты могут выполнять очень разные задачи, поэтому говорить об одном универсальном «агенте для бизнеса» не совсем правильно. Для начала полезнее понять, с какой работой мы хотим ему помочь: с коммуникациями, документами, данными, аналитикой или целым бизнес-процессом.

На практике я бы условно разделила ИИ-агентов на две большие группы: агенты, которые помогают работать с людьми, и агенты, которые работают преимущественно с данными и процессами. Это не строгая техническая классификация. Один агент вполне может совмещать несколько функций, но для руководителя такое разделение хорошо помогает увидеть реальные сценарии применения.

Первая группа связана прежде всего с входящими коммуникациями и подготовкой информации для человека.

Например, агент может разбирать входящие письма и сообщения, определять тему обращения, находить связанные документы и готовить сотруднику проект ответа. Если он подключён к CRM, то перед подготовкой ответа может учитывать историю работы с клиентом, предыдущие договорённости, статус сделки и другую разрешённую ему информацию.

Другой сценарий — подготовка персонализированных коммерческих предложений. Вместо того чтобы каждый раз вручную собирать информацию о клиенте, менеджер ставит задачу, а агент находит необходимые данные, использует утверждённый шаблон и готовит первоначальный вариант документа.

Подобные подсказки могут появляться непосредственно в рабочей среде сотрудника: в почте, CRM или другом приложении.

В HR агент может помогать с первичным разбором резюме и документов, группировать кандидатов по заданным критериям, собирать информацию для специалиста и показывать, какие материалы необходимо посмотреть в первую очередь.

Здесь особенно важно заранее определить границы полномочий. Одно дело, когда агент только предлагает человеку вариант действия. Совсем другое — когда ему разрешено самостоятельно отправлять письма, менять данные в CRM или запускать следующий этап процесса.

Вторая большая группа — агенты, которые работают с внутренними процессами компании.

Они могут искать и сопоставлять информацию в документах, анализировать таблицы, собирать статистику, формировать отчёты, сравнивать показатели и отслеживать изменения.

Например, руководитель может поставить задачу: каждый рабочий день в 18:00 собрать данные по продажам, сравнить их с планом, найти отклонения и подготовить короткий отчёт по установленной форме.

Для этого агенту могут понадобиться данные из CRM, таблица с плановыми показателями, правила расчётов и навык подготовки управленческого отчёта.

Другой вариант — работа с большим количеством документов. Агент может находить нужные файлы, извлекать из них определённые данные, сравнивать версии документов, собирать результаты в таблицу и показывать человеку те случаи, которые требуют проверки.

Такие сценарии особенно интересны там, где сотрудники регулярно повторяют одни и те же действия: ищут информацию в разных источниках, переносят её из одной системы в другую, собирают отчёты или проверяют документы по одинаковым правилам.

Я бы не начинала с вопроса: «Какого агента нам купить?»

Сначала необходимо определить задачу. Какой конкретный кусок работы мы хотим изменить и какой результат должны получать на выходе?

После этого становится понятно, какие данные понадобятся агенту. Это могут быть документы, таблицы, корпоративная почта, CRM, база знаний компании или другие системы.

Следующий уровень — навыки. Это инструкции, которые определяют, как именно агент должен выполнять типовую работу. Например, по какой форме составлять отчёт, как анализировать коммерческое предложение или как оформлять документы компании.

Затем определяются инструменты и подключения к рабочим системам. Именно поэтому агент — это не просто чат, который умеет отвечать на вопросы. Это рабочая среда, в которой соединяются задача, данные, инструкции, инструменты и разрешённые действия.

ИИ-агента можно организовать по-разному.

Один вариант — облачная платформа, где большая часть необходимой инфраструктуры уже готова. Для многих компаний это позволяет быстрее начать тестирование сценария без длительной разработки собственной системы.

Другой вариант — работа внутри инфраструктуры компании, когда данные и часть решений необходимо оставлять в её собственном контуре.

Возможен и гибридный сценарий: часть данных и процессов остаётся внутри организации, а отдельные ИИ-возможности используются через внешние сервисы.

Выбор зависит не от того, какой вариант сейчас популярнее. Нужно учитывать, где хранятся данные, насколько они чувствительны, какие корпоративные системы необходимо подключить, какие действия может совершать агент и какой контроль над ними требуется компании.

Самая полезная отправная точка — посмотреть не на технологии, а на повседневную работу сотрудников.

Где регулярно обрабатывается большой поток однотипных сообщений? Где человек каждый день ищет информацию в нескольких системах? Где постоянно собираются одинаковые отчёты? Где документы проверяются по повторяющимся правилам? Где сотрудники вручную переносят данные из одного сервиса в другой?

Именно в таких процессах чаще всего появляется первый нормальный сценарий для ИИ-агента.

При этом далеко не каждую задачу необходимо сразу полностью автоматизировать. Иногда правильнее, чтобы агент только собирал информацию, анализировал её и готовил человеку решение, а окончательное действие оставалось за сотрудником.

Если вы пока не понимаете, с какого процесса начать и нужен ли вашей компании ИИ-агент вообще, это можно разобрать на первой встрече: посмотреть реальные рабочие задачи, данные и возможные сценарии автоматизации.