Разница между чат-ботом и автономным агентом — в объеме работы. Чат-бот отвечает на вопросы, а агент выполняет задачу: сам планирует шаги, подключается к данным и корпоративным системам и возвращается с результатом.

Одной языковой модели для такого сценария недостаточно. Нужна платформа, которая обеспечивает агентам доступ к инструментам, данным и другим агентам, а также задает правила их работы. 

При этом автономность не означает, что человеку больше не нужно контролировать результат. В интервью приводится пример из финансов: агенты могут подготовить реестр платежей и помочь с согласованием, но окончательное решение о проведении платежа остается за казначеем. Отсюда практическое требование — заранее определить, какие действия можно делегировать агенту, а какие требуют участия человека. 

Чтобы внедрение не превратилось в эксперимент без понятной отдачи, потенциальный эффект оценивают до запуска. Для приоритизации ИИ-инициатив Марат Мухарьямов разбирает методику RICE, которая помогает оценивать четыре показателя: охват, влияние на результат, техническую реализуемость, а также затраты и трудоемкость внедрения. Логика простая: инициатив обычно больше, чем ресурсов, и выбирать нужно те, где эффект достигается быстрее и дешевле. Оценка по четырем параметрам дает основу для сравнения.

До запуска важно зафиксировать исходные показатели, а после пилота сравнить их с результатом. Первый измеримый результат по отдельному кейсу, по оценке Марата Мухарьямова, желательно получить за две-три недели. Если гипотеза не подтверждается, подход стоит пересмотреть или отказаться от проекта, не расходуя ресурсы на масштабирование. 

В выпуске эксперты разбирают кейс автоматизации технической поддержки в компании, для которой помощь крупным клиентам в сфере информационной безопасности является основным бизнес-процессом.

За три недели пилота среднее время ответа на обращение сократилось с 30 до 3 минут. При этом качество ответов, по оценке инженеров клиента, не снизилось.

Бюджет пилота составил около 300 тысяч рублей. Расчетная экономия за счет высвобождения времени специалистов первой и второй линий поддержки — около 1,5 млн рублей в год, ROI — около 400%. При расчете эффекта для всей команды Марат Мухарьямов приводит оценку возможного прироста производительности труда на 13–26%. 

Опыт Ladcraft показывает, что недостаточно просто добавить ИИ в привычный процесс. Поначалу применение агентов не давало значительного ускорения: человек оставался узким местом на этапе проверки кода. Тогда команда выделила трех специалистов, которые выстроили процесс вокруг ИИ-агентов. Затем новый подход перенесли на основную команду. По словам Марата Мухарьямова, это позволило перейти от ежемесячных релизов к ежедневным.

Другой пример — Klarna, которая попыталась полностью заменить сотрудников техподдержки ИИ-агентами. После масштабного запуска удовлетворенность пользователей снизилась, и сотрудников пришлось вернуть.

Оба кейса показывают, что результат зависит не только от возможностей ИИ, но и от организации работы. Необходимо пересматривать процессы и роли, проверять гипотезы на практике и измерять эффект, прежде чем масштабировать решение.

Для компаний, которые только планируют внедрение искусственного интеллекта, первый вывод — сузить участок. Не «внедрить ИИ в компании», а взять процесс с измеримой метрикой, зафиксировать ее до старта и посмотреть, что изменится через две-три недели.

Второй вывод — заранее описать границы автономности. Определить, какие действия агент выполняет сам, а какие выносит на согласование человеку. Пример с реестром платежей показывает, что даже при высокой автоматизации финальное решение остается за ответственным сотрудником. Это стоит закладывать в проект изначально, а не добавлять после запуска.

Третий вывод — организация работы. История Ladcraft с релизами и кейс Klarna показывают: без перестройки процесса ускорения не будет, а полная замена сотрудников может ухудшить качество сервиса. Технология дает результат только в связке с новыми ролями и регламентами.

Четвертый вывод — экономика. Исходные показатели, результат после пилота, расчет экономии и ROI. Без этой цепочки внедрение остается экспериментом, который сложно защитить перед руководством и тем более тиражировать на другие подразделения.

Выпуск будет полезен руководителям и командам, которые хотят перейти от экспериментов с нейросетями к автоматизации с измеримым результатом.

Смотрите интервью в VK видео и на Rutube.