Разрабатываем ИИ-агентов, которые не только отвечают, но и выполняют задачи: агент разбирает обращение, обращается к системам компании и доводит действие до результата. Сценарии — клиентская поддержка, продажи, автоматизация внутренних процессов и аналитика.
ИИ-агент — это программа на основе большой языковой модели: она понимает задачу, заданную обычными словами, обращается к системам компании через методы интеграции и доводит её до результата. Обычный чат-бот на этой шкале — частный случай с одним навыком, разговором. Клиент спрашивает про заказ — чат-бот подскажет, куда обратиться, а агент найдёт заказ в учётной системе, изменит дату доставки и подтвердит клиенту.
Мы разрабатываем агента под конкретную компанию и её процессы, а не подключаем готовый шаблон. Агент работает по базе знаний и правилам, а спорные случаи передаёт сотруднику. Это широкая услуга, которая включает более узкие: разработка чат-ботов с ИИ и корпоративная база знаний — её частные случаи.
Агенты различаются по задаче, которую они закрывают. Чаще всего бизнесу нужен один из четырёх типов или их связка — их и разрабатываем под конкретную компанию:
Отвечает клиентам круглосуточно по базе знаний, проверяет статус заказа или обращения в системах компании и доводит типовой запрос до решения. Сложное передаёт сотруднику с историей переписки.
Консультирует по продукту, подбирает вариант под запрос, собирает контакт и потребность и оформляет заявку в CRM — так менеджер получает готовый лид, а не переписку с нуля.
Работает внутри компании: переносит данные между системами, готовит документы, обновляет статусы, помогает сотрудникам находить ответы в регламентах и инструкциях — снимает рутину с команды.
Отвечает на вопросы по данным компании обычными словами: собирает выборку, считает показатель, готовит сводку по продажам или обращениям — без ручной выгрузки и построения отчёта.
Тип агента и границы его самостоятельности определяем на анализе задачи. Одному бизнесу достаточно агента поддержки на сайте, другому нужна связка: агент продаж на входящих заявках и агент автоматизации во внутренних системах.
ИИ-агент окупается там, где есть поток задач и данные, по которым можно действовать. Мы разрабатываем агентов для разных отраслей:
Консультация по товарам, проверка и изменение статуса заказа, поддержка покупателей — с подключением к каталогу и учётной системе.
Запись и приём заявок, ответы на частые вопросы об услугах и условиях, оформление обращения в CRM без ручного ввода.
Приём заказов и бронирований, вопросы по меню и доставке, поддержка гостей в мессенджере и на сайте.
Ответы по прайсу и условиям, статус отгрузки и заявки, первичная квалификация обращений от юридических лиц.
Ответы на вопросы о программах и тарифах, сопровождение пользователей, помощь на этапе выбора и оплаты.
Агент для сотрудников по регламентам и базе знаний, перенос данных между системами и подготовка документов.
Отрасль на старте не ограничивает проект: логику работы, базу знаний и интеграции разрабатываем под процессы конкретной компании. Подходящий тип агента и объём определяем на этапе анализа задачи.
Агент не только отвечает, но и выполняет действие: оформляет заявку, обновляет статус, готовит выборку — по данным компании, а не общими словами.
Повторяющиеся задачи агент закрывает сам. Команда разгружается, а клиент и внутренний запрос получают ответ быстрее.
Агент на связи ночью, в выходные и в пиковые дни — когда обращений становится в разы больше, а сотрудников не хватает.
Что выходит за рамки правил и базы знаний, агент не решает сам: передаёт сотруднику с полной историей.
Логику работы и базу знаний готовим один раз, после чего разворачиваем агента в нужных каналах. Куда его можно поставить:
Место — раздел поддержки, форма заявки или карточка товара, там, где у клиента возникает вопрос или задача.
Telegram, VK и другие каналы под вашу аудиторию — общение идёт там, где клиенту привычнее писать.
Какие каналы включить, решаем на анализе задачи: кому-то хватает виджета на сайте, кому-то нужен агент в мессенджере и во внутренних системах сразу.
Основа агента — большая языковая модель (LLM, модель, обученная понимать и формулировать текст на естественном языке). Сама по себе модель отвечает из общих знаний и способна ошибаться в фактах. Чтобы этого не происходило и чтобы модель могла действовать, мы привязываем её к данным и системам вашей компании — из четырёх элементов и складывается работа агента.
| Элемент агента | Что делает |
|---|---|
| Языковая модель и план действий | Понимает задачу, заданную обычными словами, и разбивает её на шаги: что уточнить, где взять данные, какое действие выполнить. Это и отличает агента от сценария на кнопках — он выстраивает путь к результату сам, в заданных рамках. |
| База знаний компании | То, по чему агент отвечает: перечень услуг и цен, условия работы, внутренние регламенты, разобранные частые вопросы. Ответ модель строит строго по этой базе, а не из общей эрудиции — поэтому он опирается на ваши реальные условия. |
| Инструменты и действия | Связка с рабочими системами через готовые методы интеграции (API): CRM, учётной системой, справочниками. Через них агент не только читает живые данные — статус заявки, наличие, цену, — но и выполняет действие: создаёт заявку, меняет статус. Связку и запросы к модели настраивают наши разработчики вручную под конкретную задачу. |
| Правила и передача человеку | Граница самостоятельности агента: что он выполняет сам, а что — только по подтверждению. Действия с данными и деньгами идут по описанным правилам, а спорные случаи агент передаёт сотруднику с полной историей. Границу подстраиваем под ваши процессы. |
Такой продукт на основе языковых моделей у нас уже есть в собственной разработке — ИИ-ассистент и интеллектуальный поиск. Наработки из них мы переносим в клиентские проекты.
Разработку ведём по шагам, чтобы на каждом этапе был конкретный результат, который можно проверить.
Выясняем, какие задачи закрывает агент, где лежат нужные данные, с какими системами он связан и какие действия выполняет сам. Итог этапа — карта задач и согласованный объём работ.
Прописываем сценарии работы, структуру базы знаний, перечень инструментов и интеграций и границы самостоятельности агента. Утверждённое техническое задание ложится в основу разработки и сметы.
Программируем логику, наполняем базу знаний, настраиваем запросы к модели и связываем агента с CRM, учётной системой и другими сервисами. К концу этапа агент работает на реальных данных компании.
Прогоняем работу на живых задачах, дополняем базу знаний и калибруем границу передачи сотруднику. Отдельно проверяем, что агент держится в пределах проверенных данных и описанных действий.
Включаем агента в выбранных каналах, отслеживаем качество работы и добавляем навыки под задачи, которые он пока передаёт человеку.
С какого агента стартовать? Опишите задачу — вместе выберем объём первой версии и подходящую модель работы. Обсудить проект или оценить бюджет на калькуляторе.
Именно связка с системами превращает языковую модель в агента, который выполняет задачи, а не только отвечает. Поэтому большая часть работы приходится на интеграции через методы интеграции (API):
Создание и обновление заявки, история обращений, статус сделки — агент не только читает, но и заводит запись.
Наличие, цены, условия и остатки — агент работает актуальными данными, а не устаревшим прайсом.
Регламенты, инструкции и ответы на частые вопросы как источник для ответов агента.
Оформление и оплата прямо в диалоге с агентом, если это нужно по сценарию.
Передача задачи сотруднику, уведомления клиенту о статусе обращения и заказа.
Когда у внешних систем уже есть готовые методы интеграции, агент использует их при настройке. Когда таких методов нет — выносим этот случай в отдельную проработку на этапе анализа.
Уже понимаете, что должен делать агент? Зафиксируем задачи и интеграции в техническом задании — это основа для точной сметы. Или сразу опишите задачу, оценим бюджет и сроки.
Разработку ведём на собственном стеке: Flutter для встроенного агента в приложении, Python для серверной части, большие языковые модели для понимания задач и действий. Под требования к данным подбираем российскую или зарубежную модель, в том числе размещённую в закрытом контуре, когда данные нельзя передавать наружу. FITTIN — отечественный разработчик, платформа в реестре российского ПО (запись № 2487103) и аккредитованная IT-компания Минцифры.
Искусственный интеллект — наше отдельное направление. Помимо ИИ-агентов под заказ, мы развиваем собственные ИИ-продукты, опыт которых переносим в проекты клиентов:
Публичного кейса именно по ИИ-агенту у нас пока нет, но есть портфолио мобильных приложений и платформ для компаний из разных отраслей. На этих проектах видно, как мы связываем продукт с CRM, учётными системами и большими каталогами — то есть с тем, к чему подключается ИИ-агент, чтобы читать данные и выполнять действия. Цифры ниже — со страниц кейсов.
Другие проекты — в портфолио. Продукты на основе языковых моделей мы развиваем сами: ИИ-ассистент и интеллектуальный поиск.
Итоговый бюджет складывается из числа задач, которые выполняет агент, набора инструментов и того, насколько глубоко он связан с вашими системами. На выбор — две модели сотрудничества:
| Модель | Когда подходит | Как считается |
|---|---|---|
| Fixed Price | Готовое техническое задание, понятный объём задач и интеграций | Фиксированная сумма за фиксированный объём работ |
| Time & Materials | Итеративная разработка, развитие агента, доработки после запуска | Оплата по часам и ставкам ролей, смета и оценка перед стартом задачи |
Итоговую смету фиксируем после анализа задачи и подготовки технического задания. Когда агент встраивается модулем в приложение на модульной платформе FITTIN, к нему применяется платформенная модель из трёх частей — единоразовая интеграция под бренд, ежемесячная лицензия с техподдержкой команды и доработки нового функционала по Time & Materials; цифры и тарифы платформы приведены на странице тарифов.
Прикинуть порядок бюджета под ваш сценарий помогает калькулятор стоимости, а разобрать конкретный проект удобнее через форму обращения.
Чат-бот отвечает на вопрос: разбирает обращение и формулирует ответ по базе знаний. ИИ-агент идёт дальше — он не только отвечает, но и выполняет действие: разбивает задачу на шаги, обращается к системам компании через методы интеграции (API), оформляет заявку, обновляет статус, готовит выборку данных и доводит результат до конца. Чат-бот — это частный случай агента, у которого один навык: разговор. Разработку чат-ботов мы ведём как отдельную услугу, а ИИ-агенты — более широкое направление, куда чат-бот входит как один из сценариев.
Итоговый бюджет складывается из числа задач, которые выполняет агент, набора инструментов и глубины связки с CRM, учётной системой и внутренними системами. Есть две модели: Fixed Price — фиксированная сумма за фиксированный объём, когда техническое задание готово; Time & Materials — оплата по часам и ставкам ролей, когда агент развивается итеративно и дорабатывается. Смету называем после анализа задачи. Прикинуть порядок бюджета удобно на калькуляторе стоимости, а разобрать проект — через форму.
Чаще всего ИИ-агент закрывает четыре направления: клиентская поддержка (отвечает и доводит обращение до решения), продажи (консультирует, подбирает вариант и оформляет заявку), автоматизация внутренних процессов (переносит данные между системами, готовит документы, обновляет статусы) и аналитика (собирает выборки и отвечает на вопросы по данным компании обычными словами). Точный список задач определяем на анализе и закрепляем в техническом задании.
Да, это ядро проекта. Агент связывается с вашей CRM, учётной системой (1С), базой знаний и другими сервисами через готовые методы интеграции (API) и работает с актуальными данными: статусом заявки, условиями договора, наличием и ценой. Именно связка с системами превращает языковую модель в агента, который выполняет задачи, а не только отвечает. Если у внешних систем нужных методов нет, прорабатываем этот случай отдельно на анализе.
Языковая модель может придумать факт, когда отвечает из общей эрудиции. Чтобы этого избежать, агент опирается только на проверенную базу знаний компании и данные из подключённых систем. Действия, которые меняют данные или деньги, выполняются по заранее описанным правилам, а спорные и нестандартные случаи агент передаёт сотруднику с полной историей. Границу самостоятельности задаём под ваши процессы на этапе проектирования.
Основа агента — большая языковая модель (LLM). Под задачу и требования к обработке данных подбираем российскую или зарубежную модель, в том числе размещённую в закрытом контуре, когда данные нельзя передавать наружу. Отвечает и действует агент по вашим данным: базе знаний, регламентам и системам, подключённым через методы интеграции. Выбор модели фиксируем на этапе проектирования — он не влияет на то, как вы работаете с агентом.
Срок определяют число задач, набор инструментов и сложность интеграций. Агент с одним сценарием и базовыми связками запускается раньше, чем агент с глубокой интеграцией с CRM и учётной системой и самостоятельными действиями. Точный срок закрепляем в смете — после анализа задачи и технического задания. Проверить идею можно на компактной первой версии и затем расширять её новыми навыками.
