Проходим сейчас трансформацию в AI-first agency. Что это для нас значит?
Это не перестройка в агентство из одного человека, который управляет AI-агентами (хотя такой тариф у нас тоже появился 😄).
Расскажу подробнее, как мы себе это видим:
1. Первый этап - данные
AI-native - означает, что все источники данных подключены к AI, и команда агентства может с ними общаться, получать информацию, анализировать, генерировать что-то на их основе.
Мы подключили к AI: • записи звонков в тимс и зум • лучшие практики агентства - это тоже записи звонков + другие материалы • чаты в телеграме и Slack • посты в LinkedIn • RSS наших блогов • расшифровки видео с YouTube • договора • выписки из банков • PNL
В планах подключить: • дашборд результатов проектов • аналитика LinkedIn • аналитика LinkedHelper • аналитика email-рассылок • аналитика сайтов • и всякое другое
Как решается вопрос безопасности: Чувствительные данные отдаются LLMкам, которые развернуты локально, а публично доступные данные - облачным LLMкам.
2. Среда для работы команды
Это то самое место, куда команда агентства может обращаться, чтобы взаимодействовать с данными и генерировать что-то на их основе.
Для этой задачи мы выбрали Cursor - он более-менее удобный, и у него есть интерфейс, в котором можно и общаться с AI, и открывать документы, которые тот сгенерировал.
Как решается вопрос безопасности: Чтобы управлять доступами, мы подключили NextCloud для хранения файлов - теперь у кого-то может быть доступ только к документам конкретного проекта, а у кого-то - целого отдела или даже всего агентства.
Какие задачи команда уже решает в Cursor: • фоллоуапы после звонков • анализ коммуникации с клиентами • подготовка маркетинговых материалов • написание статей на основе видео и записей звонков • проверка постов, месседжей и других материалов на соответствие лучшим практикам агентства • генерация постов и месседжей с нуля на основе лучших практик агентства - для AI-тарифа • генерация документов - договоров, инвойсов и другого
Какие задачи еще планируем решать: • всевозможные отчеты, и внешние, и внутренние • генерация гипотез и идей для улучшения • фильтрация целевой аудитории • ведение CRM • углубленные исследования целевой аудитории и обогащение баз • углубленные исследования бизнесов клиентов в начале сотрудничества • и многое другое
3. Специализированные агенты под задачи Зачем они вообще нужны, если люди сами ставят задачи AIю?
Два момента: автономность и проактивность.
В регулярных повторяющихся задачах хочется уйти от того, что нужно постоянно эти задачи ставить.
Прошел звонок - по нему сразу автоматически написался фоллоуап агентом. Опубликовали видео на YouTube - по нему сразу написалась статья и добавилась в черновики на сайте. Опубликовали посты в LinkedIn - на их основе сгенерировалась email-рассылка и подгрузилась в сервис рассылок.
И много других сценариев.
Конечно, человек остается в процессе и все проверяет и редактирует, но уже не нужно ставить задачи и перекладывать результаты из одного места в другое.
Как решается вопрос безопасности: Самый главный риск работы с автономными агентами - это промпт-инъекции, из-за которых агент может слить чувствительные данные, дать доступы, которые не должен давать или сделать что-то еще опасное. Как мы это решаем? Тоже разграничением доступов. Если нужно, чтобы агент ходил вовне, это делает агент, у которого нет никуда доступа, ни к каким важным данным, и никаких прав тоже. Дальше результат от этого агента проверяется автоматическим скриптом, не AIем. Преимущество скрипта - он реально всегда стабильно и одинаково делает то, что ему сказали, а не как AI. И дальше уже, если все нормально, результат передается LLMке, у которой есть более расширенные доступы.
Какой будет next level в этой трансформации - посмотрим. Например, начали экспериментировать с OpenClaw в безопасной среде, как-нибудь расскажу, что получается :)
