Меня зовут Антон Баранов, я основатель Solaris AI и сооснователь GiG AI, 16 лет в предпринимательстве. Хочу объяснить, откуда берутся наши AI-агенты. Не из презентаций, не из статей про будущее и не из вечернего вдохновения. Каждый агент, который у нас работает, вырос из чужой боли, за которую кто-то платит деньгами и нервами прямо сейчас.
Агент начинается со встречи, а не с идеи
Схема у нас всегда одна. Мы приходим в компанию, садимся с собственником и его людьми и разбираем, где именно рвётся. Не «как бы внедрить ИИ», а что конкретно горит: где теряются заявки, кто в пятницу вечером сводит цифры руками, почему клиент третий раз спрашивает про сроки. Из этого разговора рождается не концепция, а список операций, которые можно снять с людей.
Дальше мы делаем скучную вещь: живём в этих процессах. Слушаем реальные звонки, читаем реальные чаты, смотрим, как выглядит карточка сделки в конце дня. Агент проектируется под то, что происходит на самом деле, а не под то, что написано в регламенте.
География боли: где мы сейчас работаем
Сейчас у нас идут внедрения в финансах, логистике, производстве, бухгалтерии, поставках и автопроме. Большинство клиентов назвать не могу: у части это условие договора, у части просто нежелание светить, что часть работы делает машина. Но природа задач везде похожая, поэтому расскажу по сути.
Финансы: сведение данных из разных источников и подготовка отчёта, на который раньше уходил день специалиста. Логистика: заявки из четырёх каналов, статусы рейсов, вечное «где груз». Производство: чертежи в почте, замеры в блокноте прораба, заявки в мессенджере, и никто не видит общей картины. Бухгалтерия: документы, сверки, однотипные ответы на одни и те же вопросы сотрудников. Поставки: обработка запросов, подбор позиций, согласования, которые висят неделями. Автопром: входящий поток обращений, консультации по подбору, расчёты, где менеджер повторяет одно и то же по двадцать раз в день.
Ни одна из этих задач не придумана в офисе. Каждая пришла с чужой планёрки.
Почему это важнее любой технологии
Инструменты сегодня доступны всем одинаково. Разница не в модели, а в том, что вы про эту работу знаете. Чтобы агент разговаривал с клиентом автосалона, надо понимать, чем комплектация отличается от заказа под клиента и что человек имеет в виду, когда спрашивает про сроки. Чтобы агент вёл заявки на заводе металлоконструкций, надо знать, как выглядит согласование сметы.
Это знание нельзя нагенерировать. Его можно только принести с производства, со склада, из бухгалтерии, из отдела продаж. Мы его приносим, и оно становится частью агента: правилами, границами, сценариями эскалации, формулировками, проверками того, что могло быть услышано неверно.
Чем это отличается от студенческих поделок на ChatGPT
Рынок сейчас завален демками. Собрать за вечер бота, который красиво отвечает, может почти кто угодно. Проблема начинается на второй неделе, когда прилетает нестандартный запрос, когда нужна интеграция с CRM, когда клиент говорит одно, а имеет в виду другое, когда обещание надо превратить в задачу с ответственным и сроком.
Демка живёт до первого столкновения с реальностью. Система живёт годами, потому что в ней с самого начала заложено, чего агент не делает: не называет цены, если не должен, не выдумывает сроки, не изображает из себя человека, а передаёт разговор людям и ставит задачу. Мы это знаем не из теории, а потому что сами получали по голове там, где границы не были прописаны.
Как отдельные агенты становятся одной системой
Каждый агент решает свой участок. Но настоящая ценность появляется, когда над ними встаёт координация. У нас эту роль выполняет AI-операционный директор: он живёт в рабочих чатах, утром собирает сводку по CRM, показывает зависшие сделки и кому звонить, в клиентских чатах отвечает как менеджер проекта, помнит контекст и вводит новых участников в курс дела. Сложный вопрос он не решает сам, а передаёт человеку и заводит задачу.
Получается связка: отраслевые агенты закрывают операции, операционный директор держит картину целиком и не даёт работе провалиться между людьми. Тот же штат делает в разы больше, а руководитель перестаёт быть диспетчером. Мы сами живём на этой схеме в Solaris, поэтому рассказываю не как продавец, а как пользователь.
Что из этого следует для вас
Если вы выбираете подрядчика по AI, задайте один вопрос: из какой конкретной боли вырос ваш продукт и кто с ней жил. Ответ «мы используем передовые модели» ничего не значит. Ответ «мы полгода разбирали, как у клиента ломается процесс приёма заявок, и вот что мы с этим сделали» значит всё.
Посмотреть, как устроен координирующий слой, можно здесь: AI-операционный директор. Если хотите разобрать свой процесс, напишите мне напрямую: Антон Баранов.
Разборы AI-систем для бизнеса выходят раньше в моём Telegram-канале: Антон про бизнес. Подписывайтесь.