Как ИИ-агенты меняют наш подход к SaaS и бизнесу

Привет, меня зовут Сергей Мазур, и это ежедневный обзор использования нейросетей для улучшения бизнеса от сервиса Иноватсон — платформы поддержки отдела продаж на основе контроля качества звонков.

ИИ-агенты: новые горизонты для бизнеса

В последние годы ИИ-агенты стремительно становятся основой инноваций в сфере SaaS, позволяя компаниям и индивидуумам достигать большего с меньшими затратами усилий. Эти агенты создают более глубокую связь между людьми и технологиями, предвосхищая потребности пользователей, предоставляя контекстуальную помощь и безупречно интегрируясь в повседневные рабочие процессы. Благодаря агентному ИИ-опыту пользователи смогут бесшовно взаимодействовать с интеллектуальными агентами, которые понимают их рабочие процессы и могут сочетать персонализацию с увеличением производительности задач.

Смена парадигмы: от отчётов к взаимодействию

За последние двадцать лет SaaS-сервисы требовали человеческих усилий для создания оперативных отчётов для менеджеров. Однако в следующем десятилетии мы увидим сдвиг к приложениям, которые слушают и работают на конечного пользователя. Как и бум ботов в 2010-х гг., который был вызван улучшениями в моделях понимания естественного языка, ИИ-агенты, работающие на основе больших языковых моделей (LLMs), предоставляют уникальную возможность переосмыслить пользовательский опыт в программном обеспечении.

Как работают ИИ-агенты?

На высоком уровне ИИ-агенты функционируют как сотрудники с определенными навыками. Они особенно ценны тем, что можно создать несколько агентов, подобно команде, для решения сложных задач, разбивая их на более мелкие компоненты. Каждый агент обрабатывает компонент независимо, в нужной последовательности, и может использовать экспертные знания других агентов для полного выполнения задачи. Масштаб, сложность и, что самое важное, полезность ИИ-агентов пробуждают новый интерес к их применению.

Как отмечает Эндрю Нг: “Сегодня мы в основном используем LLM в режиме нулевого шота… Это похоже на просьбу кому-то написать эссе с начала и до конца… Однако с помощью рабочего процесса агента мы можем попросить LLM многократно итеративно проработать документ. Например, это может потребовать последовательности шагов: спланировать структуру, решить, нужны ли какие-либо веб-поиски для сбора дополнительной информации, написать первый черновик, прочитать его, чтобы выявить неаргументированные утверждения или лишнюю информацию, пересмотреть черновик с учетом выявленных слабостей и так далее… Этот итеративный процесс критически важен для большинства человеческих писателей, чтобы создать качественный текст.

Платформа AgentOS для создания ИИ-агентов

Основываясь на исследованиях Эндрю, я полагаю, что большая часть нашей интеллектуальной работы и командного взаимодействия будет дополнена ИИ-агентами. В DevRev мы реализуем эту гипотезу, создавая платформу AgentOS для настройки набора навыков, доступных ИИ-агенту. Эти навыки определяют конкретные возможности, которые ИИ-агент обучен выполнять, а также политики авторизации данных. Эти навыки позволяют агенту выполнять специфические задачи, такие как генерация данных, анализ данных, семантический поиск и многоэтапные рабочие процессы. Каждый навык решает конкретный аспект более крупной проблемы, позволяя ИИ-агенту выполнять задачи независимо или в координации с другими агентами для достижения общей цели.

Как ИИ-агенты могут улучшить работу?

ИИ-агенты способны кардинально изменить нашу способность выполнять сложные задачи. Какие строительные блоки позволяют ИИ-агентам достигать выдающихся результатов? С точки зрения создания агентов будет много инструментов для определения их возможностей. В случае глобальных задач, таких как веб-поиск, обобщение и написание структуры документа, они, вероятно, будут очень похожи. Однако наибольшие выгоды будут достигнуты благодаря их способности безупречно работать с приложениями, которые мы используем ежедневно, и безопасно настраиваться на частные данные.

• Секрет успешных ИИ-агентов — это их интеграция с платформами.
• Агенты будут работать быстрее, генерировать более контекстуальные ответы и с высокой точностью определять актуальность.
• Для этого требуется централизовать API, данные, рабочие процессы и действия, которые они выполняют.

Разработка AgentOS в DevRev направлена на соединение людей с агентами на одной системе. Агенты оснащены данными и инструментами, необходимыми для эффективного выполнения широкого спектра задач, а люди получают современный интерфейс приложения, чтобы легко определять навыки своих агентов и сотрудничать с ними в режиме реального времени. С более чем 30 интеграциями AgentOS индексирует разрозненные данные в граф знаний, связывая вашу работу с её отношением к вашему продукту и клиентам.

Кейс: интеграция с CRM и управление инцидентами

Важный момент: ваши агенты хороши ровно настолько, насколько качественен контекст, который вы им предоставляете. В то время как широкая индустрия предлагает “бесшовные интеграции” с CRM-платформами, мы выбрали другой подход — постоянно синхронизируем события из всех ваших систем и индексируем их на этапе первоначальной настройки. Мы также поддерживаем двустороннюю синхронизацию, чтобы гарантировать, что индексированные данные всегда актуальны между устаревшими системами и вашим новым современным приложением для взаимодействия человека и ИИ.

Рассмотрим пример. Сегодня множество внутреннего контента, разговоров, встреч и внешней документации содержит информацию о продуктах, которую необходимо распространить среди команд разработки, продуктов и продаж. Команды могут консолидировать эту информацию для упрощённого поиска, или же хорошо организованный федеративный поиск может предоставить возможность искать по каналам, но извлечение информации — это не сама задача. Например, представитель службы поддержки клиентов может потребовать консолидировать информацию из прошлого, понять её актуальность сегодня, просмотреть предыдущие планы аккаунта для того, чтобы представить новую информацию о продукте клиенту и убедиться, что предоставляется правильная информация в соответствии с внутренними политиками компании. С ИИ-агентами эти задачи могут быть объединены, чтобы понять права доступа определённой роли, собрать информацию и рассчитать актуальность на основе времени.

Другой пример — управление инцидентами и решение проблем, где ИИ-агент выполняет задачи по реактивному или проактивному выявлению и устранению проблем. Первая задача состоит в том, чтобы превратить сигналы в инциденты или ассоциировать сигналы с существующими инцидентами, чтобы избежать дублирования. Агент может отслеживать сигналы из логов Datadog, пользовательских сессий, уведомлений PagerDuty и т. д. В случае устранения инцидента агент создаст PR, упомянет соответствующих членов команды, вспомнит предыдущую историю, подведет итоги прогресса и проанализирует масштаб инцидента среди клиентов для выявления степени серьезности и уведомлений клиентов.

Будущее с ИИ-агентами

Эти задачи являются трудоемкими и повторяющимися, что делает их идеальными для обработки ИИ-агентами, экономя множество часов, одновременно приводя к настоящим бизнес-результатам, которые ведут к новым доходам или экономии затрат по всему предприятию. ИИ-агенты имеют потенциал изменить клиентский опыт в программных приложениях для поддержки клиентов и роста. Эти агенты могут бесшовно выполнять серию задач в определённом порядке, позволяя им решать сложные проблемы клиентов без необходимости ручного вмешательства на каждом шаге. Благодаря использованию ИИ-агентов компании могут предоставлять более быстрый, точный и персонализированный сервис, что приводит к увеличению удовлетворенности и удержанию клиентов.

Кроме того, эти агенты могут проактивно выявлять возможности роста и предоставлять индивидуальные рекомендации, способствуя успешному взаимодействию с клиентами и углубляя более значимые связи. Эта трансформационная способность не только повышает эффективность операций по поддержке клиентов, но и позволяет бизнесу строить более крепкие и устойчивые отношения с клиентами, устанавливая более персонализированные и затрагивающие связи.

Ваши агенты — это ваша сила!

Наше будущее рабочее окружение будет интегрировано с ИИ, где ИИ-агенты будут работать автономно от нашего имени и потребуют платформу, которая предоставляет контекст, соединения данных и бесшовные интеграции рабочих процессов. Навыки ИИ-агентов должны определяться их способностью работать автономно, проводить анализ и дополнять человеческие усилия. Успешные ИИ-агенты будут предложены через современный пользовательский опыт, сотрудничая с людьми как внутри вашего рабочего управления, так и непосредственно с вашими клиентами, обеспечивая единый опыт для членов внутренней команды и внешних клиентов.

Хотите увеличить прибыль с помощью ИИ? Переходите на наш сайт: https://inovatson.ru/