Что такое AI-агенты, как они работают и какие этапы в работе могут выполнить за человека.
В этой статье
Кто такие AI-агенты
Агенты искусственного интеллекта, AI-агенты — это автономные интеллектуальные системы, которые могут выполнять ряд связанных задач в одном процессе без вмешательства человека или помогать сотрудникам решать их повседневные задачи.
Например, всем известные чат-боты ИИ выполняют какое-то действие, только когда пользователь введет данные/запрос. AI-агенты относятся к программному обеспечению, которое может принимать решения автономно по заданному алгоритму. Его часто используют для автоматизации сложных рабочих процессов, таких как обслуживание клиентов, анализ данных или помощь в кодировании. AI-агенты могут выполнять ряд задач от начала до конца процедуры.
Что умеют AI-агенты
Навыки AI-агентов зависят от настроенных функций в коде, но чаще всего от агентов требуют следующих умений:
- понимают текст;
- считывают изображения и PDF-файлы;
- извлекают информацию из клиентских баз данных;
- сравнивают информацию с имеющейся в базе данных;
- анализируют предыдущие рабочие ситуации и способы их обработки;
- находят нужную информацию по запросу;
- обрабатывают и изменяют данные по заданным правилам.
В зависимости от направленности бизнеса могут закрывать от 60% до 100% задач в операционной цепочке. Но следует понимать, что эти системы не полностью автономны и требуют человеческого контроля для проверки точности данных. Как и с любой другой системой ИИ, лучшие результаты достигаются при объединении возможностей ИИ с человеческим контролем.
Как работает AI-агент на примере одной процедуры
Рассмотрим цепочку операций при обращении клиента в страховую в случае ДТП. AI-агент может закрыть следующий перечень задач в цепочке:
- Приём заявки от клиента и определение типа обращения. Вместо того чтобы тратить до 30 минут на ручной ввод данных в таблицы (ФИО, причина обращения, дата, номер страховой, изменение статуса заявки), сотрудник может поручить эту задачу AI-агенту, который сделает это за считанные минуты и без ошибок.
- Изучение повреждений на фото, оценка урона. По заданным правилам агент определяет, к какому типу относится повреждение. Сотруднику не нужно навскидку оценивать повреждения, что может привести к некорректной оценке ущерба.
- Отправка запроса в полицию, изучение данные ДТП. Запрос отправляется автоматически после приёма заявки, не нужно делать это руками.
- Внесение полученных данных во внутреннюю базу данных, согласно настроенным конфигурациям. Аналогичная работа, как в пункте 1.
- Проверка на возможные факты страхового мошенничества по заданному алгоритму. По базе проверяется количество и частота предыдущих обращений, дата заключения и сумма страхового договора. Если сотрудник потратит на это до 15 минут, AI-агент сделает это за 3 минуты.
- Вынесение предварительного решения и уведомление клиента о решении.
- Оказание дальнейшей поддержки клиенту в случае обращений. Вместо того чтобы отвечать на одни и те же вопросы клиентов по телефону или электронной почте, компания может внедрить чат-бота на основе AI, который будет мгновенно консультировать клиентов 24/7.
- Формирует отчёт по страховому случаю. Сотруднику не нужно руками собирать и извлекать данные по страховому случаю, AI-агент сам извлечет указанные типы данных и предоставит их в настроенном шаблоне.
Типы AI-агентов
AI-агенты классифицируются по функциональности и сложности задач, которые они могут выполнять.
Простые рефлекторные агенты: реагируют на окружающую среду на основе заранее определенных правил.
Рефлексивные агенты с состоянием: учитывают текущее состояние в дополнение к окружающей среде при принятии решений.
Целевые агенты: предпринимают необходимые действия для достижения цели.
Обучающиеся агенты: обучаются на своем опыте и улучшают решение аналогичных задач в будущем.
Для решения бизнес-задач чаще используется не один конкретный тип, а микс характеристик для решения конкретной задачи.
Из чего состоит AI-агент
AI-агент — сложный механизм, в котором выделяют следующие ключевые компоненты:
- Центр принятия решений. В основе агента лежит языковая модель (LLM), которая работает как мозг системы. Она помогает понимать нюансы запросов, анализировать их и давать ответы на них на понятном языке. Агенты применяют разные технологии для рассуждений на основе заданных правил и алгоритмов машинного обучения.
- API и программное обеспечение. Агент подключается к внешним инструментам компании (например, в CRM-системе), чтобы взаимодействовать с базами данных, API и другими программными системами. Это внедряется с помощью интерпретированного кода, математических движков для обработки сложных вычислений, коннекторов баз данных. Также агент можно внедрить методом Zero Coding с помощью фреймфорка типа Gumloop, где уже собраны готовые интеграции в популярные рабочие инструменты (Slack, сервисы Google, Confluence и т.д.).
- Временное хранилище данных. Агент имеет систему (модуль) памяти, где хранятся знания.
Какие компании уже используют AI-агентов в своих процессах
За последний год резко вырос спрос на внедрение AI-агентов в бизнес, что отмечено на графике Google Trends.
Многие компании в разных сферах активно внедряют AI-агентов в свои процессы.
График роста запросов про AI-агентов в Google Trends
Работа с клиентскими базами. ServiceNow создают сами и используют AI-агентов для автоматизации обработки до 80% обращений клиентов. Они встраивают агентов прямо в процессы компании (в мессенджеры, в СRM), что позволяет сотрудникам безошибочно решать рабочие вопросы.
Подпись к иллюстрации: Чат-бот для работы с обращениями от ServiceNow
Результат внедрения: сокращение времени ответа, повышение удовлетворенности клиентов, снижение нагрузки на персонал.
Платформа Agentforce для юридической компании Mike Morse автоматизировала процессы подписания юридических документов. Компания получает около 1000 обращений в день, поэтому нужен был механизм AI, который проверяет все юридические документы и данные. В результате внедрения такого решения удалось ускорить работу с клиентами на 20% и увеличить продуктивность сотрудников на 35%.
IT-компании. Компания «Первая Форма» внедрила AI-агентов в BPM-систему для автономного выполнения задач менеджеров. В качестве помощника для сотрудников агент выполняет следующие функции:
- Документирует и расшифровывает видеовстречи, делает краткие выжимки.
- Помогает при онбординге с настройкой рабочего окружения.
- Считывает документы и извлекает из них данные (счет-фактуры, номера, ФИО). Всё это помогает избежать ручного ввода и возможных ошибок.
AI-агент исправляет ошибку в коде в VSCode
Результат внедрения: сотрудники освободились от части рутинных задач, повысилась эффективности документооборота, снизилось количество ошибок.
Многие IT-компании используют AI для помощи программистам, например, как Github Copilot. Встроенный искусственный интеллект за несколько секунд может найти ошибку в блоке кода и исправить её.
Медицина. Система ИИ, разработанная Google Health, с точностью до 61% может диагностировать заболевания груди по маммограммам.
AI-агенты можно использовать в любой сфере. Например, в банках для обнаружения мошенничества, анализа рисков и автоматической торговли. В розничной торговле и логистике AI-агенты помогут с персонализацией рекомендаций, с автоматизацией управления запасами и логистикой.
Как подготовить бизнес к внедрению к AI-агентов
Перед тем как внедрять конкретное решение, даже если вы чётко определили, какой инструмент вам нужен, рекомендуем провести подготовительные работы:
Оцифруйте процессы. Переведите все основные бизнес-процессы в наглядный формат: зафиксируйте исполнителей, задачи и этапы. Чем детальнее и точнее будет цифровая модель, тем легче будет анализировать данные и выявлять узкие места для улучшений. Что это даст: вы будете видеть все взаимосвязи сотрудников, увидите, где нагрузка больше/меньше, что поможет увидеть слабые места.
Подсчитайте стоимость и временные затраты на процессы. Соберите данные о том, сколько денег и часов уходит на каждую задачу в разных отделах. Это поможет понять, где кроются основные затраты и какие зоны нужно оптимизировать в первую очередь.
Набросайте идеи по оптимизации и автоматизации. Визуально зафиксируйте, какой фрагмент процесса нуждается автоматизации.
Просчитайте потенциальную выгоду от решения. Для каждой идеи пометьте, сколько она может вам сэкономить:
- трудочасов;
- денег;
- сотрудников;
- инструментов (платные сторонние решения).
Сравните эти показатели с затратами на внедрение, чтобы определить решения с наибольшим ROI.
MVP. Создайте пилотную версию решения с минимальным набором функций. Это позволит быстро проверить гипотезу и оценить эффективность без значительных инвестиций.
Анализ. Тщательно изучите результаты пилотного проекта: собирайте метрики, отзывы пользователей и сопоставляйте их с целевыми показателями. Это покажет, насколько решение оправдало ожидания и где есть пробелы.
Коррекция. На основе результатов анализа скорректируйте гипотезы, внесите доработки в продукт. Эта итерация поможет улучшить эффективность и повысить соответствие решения реальным потребностям бизнеса.
Внедрение в стандартную процедуру. Когда решение покажет результативность, включите его в повседневные процессы компании:
- обучите персонал;
- опишите новые регламенты;
- отслеживайте эффективность.
Пример схемы бизнес-процессов
Внедрение AI-агентов поможет раскрыть потенциал вашей компании и работать с огромными объёмами задач и данных быстрее.
Источник: © Бизнес‑секреты