ИИ-агенты взяли на себя до 60% рутины

Платформа AgentFlow позволяет пользователю создавать ИИ-агентов, созданных на базе различных нейросетей, выбирая модели, которые оптимально подходят для решения тех или иных задач — от протоколирования общения с клиентами до дизайна и разработки ПО. Агенты при этом способны обмениваться между собой данными и формировать общий контекст. «Вебпрактик» применяет платформу для разработки ПО для заказчиков, а также в диджитал-маркетинге.

— Платформа позволяет нам использовать ИИ на промышленном уровне, — объясняет Александр Букуров. — Это подразумевает работу на платформе с общими протоколами и мультиагентами, способными передавать информацию друг другу. Но есть и другой подход применения искусственного интеллекта, когда нейросети помогают специалистам повысить свою личную эффективность. Но при попытке сотрудников использовать ИИ в совместной работе у каждого возникает отдельный контекст, промпты, артефакты. Это приводит не к улучшению общего процесса, а к хаосу.

По словам эксперта, в IT-среде условно выделяют четыре уровня зрелости компаний с точки зрения использования нейросетей:

1. Использование ИИ в экспериментах и пилотных проектах автоматизации отдельных задач, например написания статей, писем, коммерческих предложений и т. п.

2. Автоматизация участков бизнес-процессов: чат-боты, поддержка клиентов и др.

3. Реализация крупных многоэтапных процессов. В частности, при создании сайтов нейроагенты выполняют задачи по аналитике, сбору требований, прототипированию, дизайну, верстке, подключению CMS, тестированию и релизу.

4. Применение мультиагентных систем, которые позволяют компании масштабировать свою деятельность без пропорционального увеличения численности персонала.

— Особенность мультиагентных платформ в том, что ты можешь сам выбирать, какую из LLM (англ. Large Language Model — большая языковая модель. — N) использовать в том или ином бизнес-процессе или его части, — говорит Александр Букуров. — Если в каком-то случае важен объем данных, но не столь важна точность, можно применять, например, опенсорсные внутренние системы внутри собственного контура компании. Соответственно, не приходится тратить токены. Тот же вариант подходит, если есть критические вопросы, связанные с безопасностью, и нельзя данные передавать в какое-то облако или в ChatGPT, Gemini и т. п. Какой-то конкретной привязки или универсальных решений нет. В индустриальном ИИ нужно понимать ландшафт моделей, какая из них с каким задачами лучше справляется. Именно это делает наша платформа.

Эксперт отмечает, что ключевую роль в бизнес-процессах продолжают играть люди: мультиагентная платформа «Вебпрактик» работает по принципу human-in-the-loop (англ. термин авиационной медицины human in the loop situation — «человек в контуре управления»). Он предусматривает, что после выполнения каждого этапа работы нейроагент не может продолжать, пока специалист не проверит результат. Поэтому сейчас ключевая задача разработчиков — уже не написание кода, а контроль работы агентов. После верификации результатов они передаются дальше по производственной цепочке: таким образом происходит формирование единого промышленного ИИ, что невозможно сделать на базе отдельно взятой LLM.

По словам Александра Букурова, в нескольких крупных пилотных проектах сокращение трудозатрат при выполнении отдельных задач достигло 60%, однако в некоторых случаях эффект оказался близок к нулю. Поэтому средний показатель на данный момент — 15-20%; цель, которую ставит перед собой команда «Вебпрактик», — 30-35%.

— ИИ хорошо справляется с обобщением требований, с пониманием контекста, — приводит примеры эксперт. — В крупных проектах идут десятки переговоров разных команд, высказываются противоречивые мнения и сильно снижается эффективность из-за того, что левая рука не знает, что творит правая. Нейросеть в отличие от человека хорошо контролирует контекст и говорит: «Ребята, у вас тут противоречие, обратите на это внимание, потому что это приведет к конфликту».

Также агенты хорошо справляются с формированием документации на основе исходных требований, декомпозированием задачи для разных ролей в команде и эффективно выполняют тестирование готовых продуктов.

Слабы нейросети в случаях, когда нужно принимать нестандартные решения, отмечает Александр Букуров. Это относится, например, к созданию архитектуры цифровых продуктов, что требует определенного кругозора и смелости: ИИ по своей природе стремится к усреднению и срезанию углов. Также нейроагенты пока сложно наводят порядок в старом программном коде.

— Любой проект обрастает сложными артефактами, — объясняет эксперт. — Если ИИ просто пустить туда и сказать что-то сделать, он наворотит такое, что потом будет очень сложно поддерживать. Результат будет быстрым, но возникнет множество вопросов, например с информационной безопасностью и невозможностью поддержки этого кода. Это большой промышленный вызов.

Несмотря на активное использование ИИ-агентов во взаимодействии с клиентами, пока нейросети не умеют выстраивать с ними долгосрочные отношения, добавляет Александр Букуров.

— ИИ может хорошо сделать пост-митинг, коммерческое предложение, что-то обобщить, но глубоко понимать людей с точки зрения их задач, стратегического видения — пока нет, — говорит он. — Соответственно, нейросеть может быть хорошим ассистентом, но итоговое решение должно оставаться за человеком. ИИ может очень много насоветовать, но ответственность в любом случае будешь нести ты.

Эксперт отмечает, что в отдельных случаях при внедрении мультиагентной платформы в бизнес-процессы агентству пришлось столкнуться с сопротивлением части сотрудников. Для решения этой проблемы компания начала разрабатывать индивидуальные программы адаптации, направленные на создание среды, в которой у специалистов появляется больше возможностей для самореализации. В результате некоторые из ярых скептиков стали наиболее лояльны к изменениям.

— Очень важно выстроить понимание того, что цель нейросетей — не заменить людей, а создать больше пользы для клиентов, — говорит Александр Букуров. — Прогресс не остановить, и то, что сейчас требует изменения привычек, через 3-5 лет станет обязательной частью профессии.

В настоящее время «Вебпрактик» предлагает клиентам внедрение решений на базе платформы AgentFlow. Один из таких проектов компания реализовала совместно с ростовской сетью ветеринарных клиник «ВотВЕТе». Целью было ускорение инструментальной диагностики: сейчас формирование протокола УЗИ занимает у ветврача 15-20 минут. Применение ИИ позволило сократить временные затраты на 20%, однако из-за специфики отрасли, в частности не всегда спокойного поведения животных, результат оказался ниже запланированного. Кроме того, возникли сложности с обменом данными между ИИ-агентами и системой учета, внедренной в клиниках. Это не позволило создать полноценный продукт. Тем не менее сейчас «Вебпрактик» ищет возможность применить полученный опыт.

Еще один продукт компании на базе ИИ — платформа TalantMind для HR-специалистов. Она составляет портрет софт-скиллов кандидата на основе его интервью, а также формирует единый контекст для всех, кто участвует в принятии решения о найме.

— По разным оценкам, до 30% найма страдает когнитивными ошибками, — отмечает Александр Букуров. — И мы помогаем компаниям это преодолеть благодаря технологии, которая позволяет эйчару видеть гораздо больше. Кроме того, мы пытаемся оцифровать культуру компании и смотреть на каждого кандидата через ее призму. Сейчас мы ведем переговоры с глобальной компанией из ОАЭ, которая столкнулась с проблемой встраивания сотрудников в арабский контекст. Люди, которые прибывают на Ближний Восток, не всегда хорошо интегрируются в его социокультурное пространство. И мы обучаем ИИ-ассистента прогнозировать, насколько человек способен вписаться в культуру арабских стран, чтобы снизить количество ошибок найма. Если пилот будет успешный, то планируем масштабировать это решение на всю компанию.

Дублировано из тематического раздела газеты «Город N» «Креативный ИИ на Дону».

Партнер проекта ПАО КБ «Центр-инвест». Реклама, erid: 2VSb5xkexie