🚀 Эволюция ИИ. От чатов до операционной агентной системы Нас ждёт новый тренд работы с нейросетями. За последние несколько лет методология работы с ИИ прошла целую эволюцию. В посте проиллюстрирую, как это происходило в моей практике. Я использую ИИ при решении задач с 2023 года. И сегодня мы с командой внедряем сложнейшие системы как в крупные корпорации, так и в малый и средний бизнес. И нас впереди ждёт бум бизнес-операционных систем. Но обо всём по порядку. 1. Чаты и промпты Сначала всё выглядело просто: пишем задачу, получаем ответ. Для хорошего результата приходилось задавать роли, давать примеры, описывать требования. Потом уточнять, переписывать и проверять. Всю работу от начала до конца мы вели сами. ИИ много галлюцинировал, часто опирался на устаревшие данные. Это было время, когда по интернету ходили или продавались подборки «секретных» суперпромптов. В это время многие разочаровались в ИИ. 2. Контекст-инжиниринг Следующий шаг связан с организацией информации для ИИ и вывел методологию работы с нейросетями на новый уровень. Наши тексты, данные и цифры о бизнесе, договорённости и правила сохраняем в папке проекта или базе знаний. Под конкретную задачу ИИ получает нужные материалы. Например, для создания контента ИИ опирается на уже готовые материалы, описанные истории. Такую работу с информацией называют контекст-инжинирингом. На практике это может выглядеть так: к чату подключены папки с материалами, и уже можно промптом буквально в пару предложений получить результат в разы лучше, чем при простой работе с чатом. 3. Агенты и скиллы Агент получает инструменты. И теперь результатом его деятельности становится не только текст, но и готовые файлы. ИИ может читать файлы, искать сведения, создавать документы и сохранять результат. Скилл (навык) даёт ему готовый порядок работы с примерами и проверками. Например, взять образец документа, подставить согласованные данные, проверить реквизиты и сохранить файл. Раньше проводили ИИ через каждый шаг промптами. Теперь этот порядок можно сохранить как навык и использовать повторно. В наших задачах качество результатов стало ещё выше. А агенты уже начали решать задачи вне чатов, отвечать на вопросы клиентов в мессенджерах, участвовать в продажах. 4. Команды агентов На этом этапе ИИ уже можно поручать объёмные задачи, которые состоят из десятков процессов. На этом принципе мы проектируем и создаём контент-заводы, системы работы с грантами, документооборотом, сметами в строительстве и многое другое. Например, в контент-заводе одни агенты собирают материалы и изучают стиль. Далее отдельный агент пишет техническое задание агенту-копирайтеру, который готовит текст. Проверяющий сверяет факты и возвращает текст на исправление, редактор дорабатывает подачу. Работу распределяет оркестратор, агент-координатор. Независимые задания запускает параллельно, связанные передаёт по очереди. Человек принимает готовый материал. И это уже меняет правила игры: целые бизнесы могут быть созданы вокруг таких мультиагентных систем. 5. Бизнес-операционная система Этот подход ещё формируется. В привычной схеме сотрудники выполняют бизнес-процессы, а ИИ помогает на конкретных этапах. Здесь ИИ становится ядром бизнес-процессов. Он берёт на себя значительную часть типовых операций, а человек управляет системой, проверяет результат и улучшает процесс. Разные агентные системы связываются в единую среду и могут интегрироваться с 1С или Битрикс. Всё это даёт новый уровень автоматизации и прозрачности. Пример в юридической сфере: Manifest OS (компания с оценкой 750 млн долларов в США) в сфере подготовки документов для миграции. ИИ полностью готовит все документы из материалов клиента. Юристы только редактируют черновики, перед подачей их проверяет другой адвокат. Все действия происходят в едином интерфейсе. В наших проектах по разработке бизнес-операционных систем закладываем тот же подход: у каждого шага есть результат, проверка и человек, который за него отвечает. Видно, что сделано и кто действует дальше. В продажах логистических услуг связываем данные клиента, ставку перевозчика и расчёт цены с подготовкой коммерческого предложения. В другой системе выстраиваем цепочку подготовки грантовых заявок: ИИ мониторит новые гранты, подбирает их под конкретный благотворительный проект, помогает доработать проект и создать грантовую заявку, ориентируясь на специфику и критерии конкретного конкурса. Всё это сводится к одному принципу: если есть готовая методология работы, которой владеет живой профи, часть его подхода можно оцифровать, разбить на этапы и передать ИИ в виде инструкций, навыков и проверок. Сначала сами ведём задачу, затем делим работу, потом связываем её в систему. Расскажите, чем занимаетесь. В комментариях можем разобрать конкретные задачи. В комментариях также бонусы - ссылки на скилы, которые помогают создавать мультиагентные системы для вашего бизнеса.