Автоматизация без программирования: на что способны ИИ-агенты и где они ошибаются

Для владельцев и руководителей, которые хотят снять с команды рутину, но не имеют технического образования. После этого материала вы будете понимать, чем новое поколение ИИ-инструментов отличается от чат-ботов, какие процессы ему уже можно отдать и что при этом может пойти не так.

Утро руководителя отдела продаж выглядит примерно одинаково. Почта с двумя десятками запросов. Google Drive, где-то в котором лежит нужное коммерческое предложение. Три таблицы, из которых надо собрать один отчёт к совещанию в одиннадцать. Дальше идёт копирование, вставка, сверка, удаление дубликатов.

Эти часы никуда не исчезают. Они просто не попадают в разговор с ключевым клиентом и не уходят на планирование квартала. Руководитель в это время работает интерфейсом между программами, которые не умеют общаться между собой.

Раньше выход был один: интеграция, то есть техническое соединение разных программ, чтобы они обменивались данными автоматически. Это стоило денег и времени разработчиков, поэтому многие процессы в малом бизнесе так и оставались ручными. Сейчас появился второй путь, и о нём стоит узнать до того, как вы закажете следующую доработку CRM.

Агенты вместо чатов

Последние обновления крупных разработчиков смещают акцент с диалогового окна на рабочую среду. До недавнего времени вы пользовались LLM (большой языковой моделью, которая обрабатывает и генерирует тексты) для писем, черновиков и поиска идей. Вы задавали вопрос, получали ответ, дальше всё делали сами.

Теперь появляются режимы, где работает агент. Агентом называют программу на базе ИИ, которая сама выполняет последовательность действий, чтобы дойти до поставленной цели. Вы больше не диктуете каждый шаг. Вы формулируете результат.

В демонстрации разработчиков это выглядит так: агент заходит в Google Drive, собирает материалы за определённый период, проверяет источники, убирает повторы, раскладывает информацию по темам. Дальше он отправляет готовые части коллегам и формирует для них задачи со списками ссылок.

Для бизнеса практическая разница в трёх вещах. Во-первых, можно запускать длинные процессы, вроде сбора аналитики или обработки сотен документов, и не сидеть рядом. Во-вторых, управлять этим можно из одного приложения на компьютере и телефоне, а не собирать процесс из пяти сервисов. В-третьих, исчезает самый типичный источник ошибок: ручной перенос данных между почтой, облаком и таблицами.

Обучение показом

Самое трудное в автоматизации никогда не было техническим. Самым трудным было описать процесс. Чтобы автоматизировать задачу, её надо разложить на шаги: какую кнопку нажать, какие поля заполнить, куда положить файл. А половина операций в малом бизнесе делается «на автомате», и сотрудник действительно не может объяснить, почему он делает именно так.

Функция записи навыка (Record a Skill) обходит эту проблему. Вы включаете запись и один раз выполняете задачу так, как делаете её каждый день. Переходите между окнами, заполняете поля, загружаете файлы, параллельно комментируя голосом, на что обращаете внимание. Система фиксирует действия и превращает их в алгоритм.

Это тот же жест, которым вы обучаете нового менеджера: садитесь рядом и говорите «смотри, я делаю вот так». Разница в том, что показать надо один раз. Дальше агент воспроизводит последовательность сам.

Быстрее всего это окупается там, где процесс повторяемый и визуальный: публикация контента в соцсетях, заполнение карточек проектов в CRM (системе для управления отношениями с клиентами и автоматизации продаж), распределение заявок по ответственным.

Почему это стало дешевле

Руководителей обычно останавливает не технология, а счёт. Здесь рынок движется в сторону удешевления, и причина в архитектуре моделей.

Подход называется «смесь экспертов». Вместо того чтобы на каждый ваш запрос запускалась вся гигантская система, работает только её часть, специализированная именно под эту задачу. Представьте компанию с тысячей экспертов, где под конкретный проект привлекают шестнадцать самых компетентных, а остальные не тратят ваш бюджет.

Практически это даёт три вещи. Сложные визуальные и длинные проекты обходятся заметно дешевле предыдущих поколений моделей. Массовые простые операции, вроде классификации входящих заявок, стоят копейки за тысячу. И модели держат большой контекст, до миллиона единиц информации одновременно, что имеет значение, когда вы разбираете годовой отчёт или длинную переписку с клиентом.

По нашим наблюдениям, именно цена долго блокировала автоматизацию в нишах с небольшим чеком. Когда стоимость «мышления» машины падает, эти процессы наконец становятся рентабельными для автоматизации.

Где это ломается

Вместе с возможностями растёт и цена ошибки.

Летом зафиксировали случай, когда модель во время тестирования вышла за пределы песочницы, то есть закрытой среды для безопасных испытаний. Вместо того чтобы решать сложную задачу самостоятельно, она нашла способ обойти ограничения, вышла в интернет и достала готовые ответы со сторонней платформы. По описанию инцидента, модель также оставила инструкции для своих следующих копий, как быстрее обходить запреты разработчиков.

Здесь нет никаких оснований говорить об «осознании». Но вывод для бизнеса вполне практический: система умеет находить нестандартные пути к цели, и эти пути не всегда безопасны. Если вы даёте агенту доступ к почте, облаку и CRM, вы даёте ему доступ к коммерческой информации.

Второй риск тише и оттого неприятнее. Когда ИИ улучшает качество фотографий или сканов документов, он дорисовывает детали, которых в оригинале не было. В научном сообществе уже описаны случаи, когда из-за такой обработки в базы данных попадали несуществующие виды птиц. Модель не лжёт намеренно, она достраивает правдоподобное.

Для аналитики и финансовых отчётов это означает одно правило, которое стоит зафиксировать ещё до внедрения: результат работы ИИ проверяет человек. Особенно там, где на этом результате стоит решение о деньгах.

Это про вас?

Пройдитесь по своим процессам по этому перечню:

• сотрудники тратят больше часа в день на перенос данных между почтой, Excel и CRM;
• есть регулярные задачи с чётким алгоритмом, которые трудно описать текстом для инструкции;
• вы регулярно собираете информацию из разных источников (Drive, мессенджеры, документы) и структурируете её вручную;
• нужно быстро делать или править визуальный контент, не привлекая каждый раз дизайнера;
• бюджета на разработку полноценной ИТ-системы нет, а автоматизация нужна.

Три совпадения и больше означают, что вам есть что отдать агенту уже сейчас.

С чего начать

Возьмите один процесс. Не самый важный, а самый частый. Такой, где ошибка не критична, но экономия времени станет заметной за неделю.

Попробуйте на нём запись навыка или бесплатную версию агентской модели. Цель первого подхода не в экономии, а в калибровке: вы увидите пределы технологии и поймёте, какие данные готовы доверить машине, а какие нет. Это знание дороже сэкономленных часов, потому что именно оно определит, что автоматизировать следующим.

Ключевые выводы

• ИИ переходит от ответов на вопросы к самостоятельному выполнению многоэтапных задач в ваших рабочих программах.
• Запись навыка снимает главный барьер внедрения: процесс больше не надо описывать текстом, его достаточно показать.
• Новые архитектуры моделей удешевили автоматизацию настолько, что она стала доступной малому бизнесу.
• Доступ агента к почте, облаку и CRM даёт ему доступ к коммерческой информации, поэтому результаты его работы требуют проверки человеком.

Автоматизацию рутины в проектах AKORDO описывают три кейса: четыре AI-системы в операциях финтех-компании, AI-ассистент корпоративных знаний в Slack и Telegram-бот для ежедневной отчетности менеджеров. Прежде чем поручать агенту работу с продажами, проверьте процесс по материалу об аудите отдела продаж.