Как автоматизировать рабочую рутину: обучили сотрудников ставить задачи, соблюдать дедлайны и не дергать руководство по мелочам
У одного из наших клиентов была проблема: сотрудники путаются в задачах, заполняют их не по шаблону или не заполняют вовсе. Мы разработали для них чат-бота для диспетчеризации и создания задач в Bitrix24 на основе AI. А потом поняли, что запрос на такое решение есть в разных нишах бизнеса — от заказа обедов в офис до больших энтерпрайз-клиентов.
Привет! Я Дмитрий Горбатюк, директор компании Вебформат. Продолжу знакомить вас с нашими проектами для автоматизации бизнеса. Ранее мы уже делились историей создания чат-бота для техподдержки клиентов и LLM-агента для общения с клиентами и первичной обработки лидов.По моему опыту, компаниям в корпоративных коммуникациях часто не хватает некоего связующего звена, которое могло бы передавать информацию нужным адресатам, делать это быстро, точно и автоматически — без участия большого количества людей. Это касается как общения внутри компании между сотрудниками, так и внешних коммуникаций — с клиентами, заказчиками и так далее. Мы в Вебформат решаем этот участок внедрением чат-бота, а точнее LLM-агента, который умеет собирать запросы на одной стороне диалога, обрабатывать и передавать другой стороне.
LLM-агент отличается от бота тем, что способен вести естественные диалоги, анализировать запросы и адаптироваться под ваш бизнес. Расскажу, как все выглядит, внедряется и сколько стоит.
Кейс, с которого все началось
Компания «Лескрафт» - крупный поставщик пиломатериалов, обратилась к нам с запросом навести порядок в задачах в Битрикс 24. Мы разработали так называемый бот-приемник: он собирает запросы, при необходимости уточняет информацию, а далее маршрутизирует заявку в соответствующий отдел, который будет заниматься ее решением.Приведу пример. Допустим, у сотрудника перестал работать Word. Он пишет об этом боту обычным бытовым языком:
Как можно видеть на скриншоте выше, бот начинает уточнять суть проблемы, так как запрос пока слишком расплывчатый. Диалог продолжается:
Человек отвечает боту, тот «понимает» суть проблемы и собирает необходимую информацию. Далее он напоминает сотруднику о том, что неплохо бы прикрепить любые файлы, которые сделают описание задачи более информативным:
После общения с сотрудником и сбора нужной информации бот сам формирует задачу. Он ставит дедлайны, назначает ответственных и наблюдателей, а потом отправляет все это нужным адресатам.
Далее проблема решается силами компетентных сотрудников.
Пример выше показывает, как работает наш бот, вернее LLM-агент. Но он устроен сложнее. Например, помогает избежать дублирования запросов при возникновении массовых проблем.
Допустим, у всех сотрудников офиса перестал работать Битрикс24. Теоретически это должно было привести к десяткам одинаковых запросов от сотрудников, которые столкнулись с проблемой и не знают, что делать. В результате теряется драгоценное время людей, которые вынуждены сотни раз отвечать на одни и те же вопросы.
С LLM-агентом все по-другому: он блокирует такое дублирование, а также игнорирует повторные запросы, если проблема является частью другой, более крупной.
И последнее из этого кейса. LLM-агент запрограммирован на решение определенного, строго ограниченного круга задач. Если пользователь обратится с нерелевантным запросом, ассистент его вежливо проигнорирует:
Разработка LLM-агента: как мы это делаем
Не стану докучать читателю описанием скучной технической части. Для вас как для заказчика все будет выглядеть так: вы заполняете гугл-таблицу по шаблону, отдаете ее нам, а уже на нашей стороне происходит магия, после которой вы получаете готовое решение.Магия на нашей стороне выглядит так:
- Сбор и аналитика данных. На этом этапе мы собираем реальные пользовательские запросы, настраиваем шаблоны и отметаем нецелевые запросы.
- Разбивка на этапы. Разбиваем разработку на функциональные блоки, чтобы структурировать процесс разработки, демонстрировать заказчику промежуточные этапы и при необходимости вносить изменения.
- Техническая реализация.
- Решение сложностей, например, всевозможных «глюков». Например, наша языковая модель на основе ChatGPT 4.0 все время хотела поменять условного человека по фамилии Тарелкин на тарелку, и получалась бессмыслица.
Возможности LLM-агента для бизнеса
Как я говорил выше, из кейса возникла идея создания полноценного LLM-агента под любые задачи бизнеса. Приведу несколько примеров, где это может быть полезно: над реализацией некоторых из них мы работаем прямо сейчас.Цех по пошиву одежды
Суть проблемы: собственница предприятия сама руководит мастерами по пошиву. Так называемой «серединки» в структуре руководства нет — никаких бригадиров, начальников участка, только мастера и собственница.Мастера самостоятельно ставят себе задачи на месяц, а затем отчитываются об их выполнении. Руководителю приходится тратить много времени на проверку отчетов, что отвлекает от других важных задач. Это не самый приятный процесс, особенно когда отчетов много.
Решение: автоматизировать процесс при помощи LLM-агента. Он общается с сотрудниками на живом человеческом языке, а в процессе собирает данные о выполненных задачах. Далее — сопоставляет их с запланированными на месяц и дает руководителю отчет в виде краткой выжимки:
Колл-центр университета
Суть проблемы: студенты (а это несколько тысяч человек) регулярно обращаются в колл-центр. У кого-то потерялась зачетка, кто-то сломал кран, кому-то надо заселиться, выселиться, получить документы и так далее. Сотрудники колл-центра постоянно заняты этой рутиной и часто не имеют времени для более сложных задач.Решение: автоматизировать рутинные задачи, разгрузить коллцентр. Реализовано через мессенджер Telegram: именно здесь студенты общаются с LLM-агентом и решают свои задачи. Руководитель колл-центра, милейшая женщина, была нам очень признательна!
Заказ обедов сотрудникам
Суть проблемы: компания обратилась с задачей автоматизации этого участка. Нужно показать сотрудникам меню, собрать заказы, учесть предпочтения по рациону каждого. Далее — отправить заявку в учреждение общественного питания и распределить заказы между сотрудниками, проверив правильность по QR-коду.Решение: как вы догадались, процесс заказа обедов также был реализован при помощи LLM-агента.
Рекламное агентство
Суть проблемы: менеджеры постоянно посещают всевозможные выставки, презентации, а также встречаются с заказчиками на их территории. На встречах им нужны рекламные материалы: флаеры, проспекты, буклеты, визитки и так далее. Нужно, чтобы кто-то контролировал наличие такой продукции и ее расход.Решение: LLM-агент ведет реестры материалов, списывает с остатков то, что менеджеры берут на встречи и своевременно делает заказы новых партий у поставщиков.
Сколько времени занимает разработка LLM-агента
В кейсе компании «Лескрафт», который я приводил в начале статьи, разработка LLM-агента заняла около двух недель. На своей стороне мы делаем это довольно быстро, многое зависит от самого заказчика. Чем быстрее он заполнит Google-таблицу с данными, тем быстрее получит результат.Практически любым бизнесам, причем у нас есть решение для каждой ниши. В том числе и по цене: подписная модель стоит около 3 500 рублей плюс оплата за использованные токены. Такое решение может использовать небольшая компания, например, для консультирования клиентов.
В целом LLM-агент может быть полезен любым бизнесам, где необходима автоматизация рутинных задач. При этом не имеет значение количество участников. В кейсе швейной фабрики это была компания со штатом до 50 человек, или отдел, обслуживающий тысячи пользователей.
Решение пользуется популярностью у HR, маркетологов, туристических агентств. Запрос от представителей туристической индустрии у нас тоже был. Зачем тратить время сотрудников на задачи, которые можно легко автоматизировать? Например, вопросы вроде «Как оформить визу» или «Нужна ли прививка для поездки во Вьетнам» бот может обрабатывать сам, освобождая людей для более важных дел.
А еще за решением часто обращаются директора по развитию и собственники бизнеса, которые без конца тестируют все новое и современное. Раньше процесс занимал много времени, а теперь все работает быстрее и эффективнее. И да, это еще и экономия ресурсов!
Сколько стоит разработка LLM-агента
Одно из преимуществ заказа бота в Вебформате — выгодная стоимость. Как я говорил, подписка на LLM-агента стоит 3 500 рублей (плюс оплата токенов). Если говорить о коробочных решениях, стоимость разработки и внедрения начинается с 200 тысяч.С одной стороны, нас трудно назвать первооткрывателями в этой нише. Чат-боты в целом и боты, работающие на основе AI, используются давно. Например, их широко применяют в электронной коммерции и приеме онлайн-заказов. К слову, разработкой таких ботов мы тоже занимаемся, ниже — пример:
Однако среди тех, кто стал масштабировать ботов и использовать их для внутренних коммуникаций в компании, мы — одни из первых. Если захотите внедрить такой продукт в работу вашей компании, обращайтесь поможем.