Мы построили себе ИИ‑директора. Рассказываю, как собрать такого же без подрядчика

Нас десять человек. Отдельного ИТ‑отдела нет, бюджета на внедрение тоже не было. Поэтому всё, что описано ниже, может повторить небольшая или средняя компания своими силами. В статье: из чего состоит такой агент, как собрать базу знаний из того, что у вас уже есть, как написать системный промпт, на каких граблях мы потоптались и чек‑лист запуска за неделю.

С чего всё началось

Я одновременно веду переговоры с двумя‑тремя десятками клиентов. Перед каждым звонком повторялась одна и та же сцена. Что мы обсуждали три недели назад? Какой статус у проекта? Где договор? Ответы разбросаны по мессенджеру, почте, облачному диску и заметкам. Полчаса уходило на сборку картины. Умножьте на несколько звонков в день.

Готовые ИИ‑чаты не помогали. Они умные, но каждый разговор начинается с чистого листа. Ты заново объясняешь, кто ты, что за компания и в чём вопрос. Проблема не в интеллекте модели. Проблема в том, что у неё нет памяти о вашем бизнесе.

Тогда мы решили собрать агента, который живёт внутри компании и помнит всё. У нас на это ушло два года проб и ошибок. Повторить по готовой схеме можно за неделю.

Из чего состоит ИИ‑агент компании

У любого рабочего агента три части, и модель среди них не главная.

Первая часть: база знаний. Обычные текстовые файлы с информацией о клиентах, проектах, команде и правилах работы. Это фундамент. Без неё даже самая сильная модель остаётся умным чужаком.

Вторая часть: системный промпт. Инструкция, которую агент получает перед каждым разговором. В ней написано, кто он, что знает, что ему можно и что запрещено.

Третья часть: подключения. Доступ к почте, календарю, мессенджеру, таск‑трекеру. Через них агент видит реальную жизнь компании, а не её пересказ.

Сама модель арендуется. Подойдёт любая современная языковая модель с агентным режимом: таким, где она умеет читать файлы и вызывать инструменты. Эти режимы сегодня есть у всех крупных провайдеров, платите вы только за подписку или использование. Ценность не в модели. Ценность в базе знаний и правилах, которые вы накопите. Они останутся вашими, даже если завтра вы смените модель.

Как собрать базу знаний из того, что уже есть

Хорошая новость: база знаний у вас уже есть. Она просто размазана по переписке, папкам на диске и головам сотрудников. Задача не написать её с нуля, а собрать в одно место.

Мы используем обычные текстовые файлы в формате Markdown, сложенные в одну папку. Их читает и человек, и агент, они открываются в любом редакторе, а историю изменений ведёт бесплатная система контроля версий. Никакой платной платформы, никакой привязки к поставщику.

Структура простая:

• папка «клиенты»: по файлу на каждого клиента;
• папка «проекты»: по файлу на каждый проект;
• папка «команда»: кто чем занимается, зоны ответственности;
• папка «встречи»: протоколы, по файлу на встречу;
• папка «правила»: как компания пишет письма, считает цены, оформляет документы.

Главный элемент: карточка клиента. Вот скелет, который мы используем:

Не пытайтесь перенести всё сразу. Начните с десяти самых важных клиентов. Заполнение одной карточки занимает 10‑15 минут, если поднять переписку. День работы, и у агента появляется память, которой хватает на большинство ежедневных вопросов.

Как написать системный промпт

Системный промпт это должностная инструкция агента. Наш вырос до нескольких страниц, но начинался с десяти строк. Вот скелет, с которого можно стартовать:

Два совета из опыта. Первый: не пишите идеальный промпт заранее. Он растёт из инцидентов. Агент сделал что‑то не так, вы добавили правило. Через месяц у вас будет инструкция, которая отражает реальную жизнь компании, а не фантазии о ней.

Второй: правила должны быть конкретными. «Пиши хорошо» не работает. «Без канцелярита, предложения короче двадцати слов» работает.

Протоколы встреч без секретаря

Начните автоматизацию с протоколов встреч. Эффект виден в первый же день.

Раньше договорённости у нас жили в головах. Через неделю каждый помнил своё. Теперь процесс такой: включаем запись звонка, после встречи файл уходит в расшифровку, агент получает текст и собирает протокол по шаблону: кто участвовал, что решили, какие задачи, чьи и к какому сроку. Протокол ложится в карточку клиента, задачи уходят в трекер.

Для расшифровки подойдёт любой сервис распознавания речи или открытая модель, которую можно запустить на обычном компьютере. Второй вариант советуем для звонков с клиентами: запись не покидает ваш контур. Подробнее в разделе про безопасность.

И совет для старта: можно начать даже без записи. После встречи надиктуйте агенту три минуты голосом: с кем говорили, что решили, что дальше. Этого хватает, чтобы карточка клиента жила.

Урок первый: база протухает за месяц

Теперь про грабли. Первые мы собрали через месяц после запуска.

Агент уверенно рассказал мне статус по проекту, который закрылся три недели назад. С деталями, со ссылками на договорённости. Всё правда, только правда месячной давности. База знаний без процесса обновления протухает быстрее, чем кажется. Нам хватило четырёх недель, чтобы агент начал вредить вместо помогать.

Вывод: база это не архив, а процесс. Вот что мы внедрили и что советуем повторить. Правило «не записано, значит не было»: любое решение попадает в базу в день принятия. Протоколы встреч ложатся в карточки автоматически, об этом выше. Раз в неделю 30 минут ревизии: агент сам находит карточки, которые не обновлялись больше месяца, и приносит список. И у базы есть владелец: конкретный человек, который отвечает за её свежесть. Без владельца не работает ничего из перечисленного.

Урок второй: текстовые правила агент нарушает, механические проверки нет

Вторые грабли оказались глубже. Правило в системном промпте это пожелание. Иногда сильное, но пожелание. Языковая модель работает с вероятностями, а не с запретами.

Три истории. Я запретил агенту типографские тире в текстах: они мгновенно выдают машинный текст. Правило в промпте стояло. Агент соглашался, извинялся и продолжал их ставить. Однажды я написал ему это правило капслоком с двадцатью шестью восклицательными знаками. Помогло на день. Окончательно помогла не формулировка, а проверка: скрипт ищет запрещённые символы в готовом тексте и возвращает документ на доработку, пока текст не станет чистым.

Вторая история: агент чуть не отправил клиенту письмо с неверными условиями. Поймали случайно, за минуту до. Лечение оказалось не текстовым, а архитектурным: мы забрали у агента саму функцию отправки. Он готовит черновики. Отправляет человек.

Третья: агент периодически отвечал «у меня нет доступа к этому сервису», хотя доступ был. Модели проще отказаться, чем проверить. Добавили механическое правило: прежде чем сказать «нет доступа», выполни проверку по файлу с доступами и покажи результат.

Общий принцип, который сэкономит вам недели: всё критичное закрывайте не инструкцией, а устройством системы. Инструкция снижает частоту ошибки. Устройство системы исключает её.

Безопасность: что не отдавать внешним сервисам

Мы разделили данные на три уровня. Публичное: сайт, презентации, описания услуг. Это можно обрабатывать любой облачной моделью. Внутреннее: переписки, карточки клиентов, протоколы. Только через провайдера с договором о неиспользовании данных для обучения либо в закрытом контуре. Критичное: зарплаты, персональные данные сотрудников, банковские доступы. Агенту не выдаётся вообще либо обрабатывается только моделями на вашем железе.

Практические правила, которые советуем повторить. Пароли и ключи храните в отдельном файле вне базы знаний, чтобы они случайно не попали в контекст модели. Записи звонков расшифровывайте локально: в них голоса ваших клиентов, а они не давали согласия на передачу третьим лицам. Для каждого подключения задайте вопрос: что случится, если этот канал утечёт целиком? Если ответ пугает, доступ не выдаём. И любой доступ должен отключаться одним действием.

Звучит строго, но на практике 80% пользы агент приносит на внутреннем уровне данных. А этот вопрос решается договором с провайдером или открытой моделью на своём сервере.

Чек‑лист: запуск за неделю

Схема, по которой можно пройти за неделю, не выпадая из операционки.

День первый. Выберите модель с агентным режимом и доступом к файлам. Создайте папку базы знаний со структурой из этой статьи.

День второй. Заполните карточки десяти главных клиентов. Поднимите переписку, зафиксируйте статусы и договорённости.

День третий. Напишите системный промпт по скелету выше. Подставьте своё: чем занимаетесь, что запрещено, какой тон.

День четвёртый. Дайте агенту первое подключение на чтение: почту или календарь. Только чтение, отправка через черновики.

День пятый. Прогоните первую встречу по циклу: запись, расшифровка, протокол, обновление карточки клиента.

Дни шестой и седьмой. Работайте с агентом на реальных задачах. Каждую ошибку превращайте в строчку промпта или в механическую проверку.

Через неделю у вас не будет идеальной системы. Будет работающий помощник, который уже экономит время и который вы понимаете до винтика, потому что собрали его сами.

Для кого это имеет смысл

Эта схема окупается, если у вас от пяти человек в команде и от десятка активных клиентов. Верхней границы мы не нашли: подход масштабируется хотя бы до пары сотен сотрудников, растут только объём базы и число подключений.

Что получили мы. Подготовка к звонку занимает минуту вместо получаса. Протоколы пишутся сами. Новые сотрудники входят в курс дела по базе, а не по пересказам коллег. И главное: знания компании перестали жить в головах и чатах. Они лежат в одном месте, и с ними работает и человек, и машина.

Начиналось всё как ассистент. Сейчас я всерьёз называю его ИИ‑директором: он знает портфель клиентов лучше любого сотрудника и первым замечает, что проект завис. Дальше мы хотим передать ему часть операционного контроля, под присмотром и с жёсткими ограничениями.

Но это наш путь, и он не обязателен. Обязателен только первый шаг: собрать знания компании в одно место и научить машину с ними работать. Всё, что нужно для этого шага, уже есть в статье.