Дополненный сотрудник

Сначала проблема, потом технология

Внедрения ИИ обычно начинают с технологии: у нас есть ИИ — давайте внедрять. Пилот ради пилота, и эффекта не видно. Технология — ещё не товар. Товар — это то, за что платят, потому что решена проблема.

Поэтому я начну с проблемы и расскажу одну историю: про лучшего сотрудника, новичка и руководителя.

Проблема — в людях

Возьмём модель агентства. Пятеро брокеров дают половину дохода. Лучшая из них — назовём её Анна — приносит пятнадцать процентов. Уйдёт Анна — компания потеряет пятнадцать процентов дохода. Уйдут двое из пятёрки — двадцать два.

• 51%дохода дают пятеро
• −15%если уходит Анна
• −22%если уходят двое из пятёрки

Главный актив не на балансе: это отношения Анны с клиентами. Держит её не контроль, а то, насколько ей ценно у нас работать. У вас есть своя Анна: клиентский менеджер в банке, менеджер крупных клиентов в телекоме, опытный диспетчер в транспорте.

Модель агентства на обезличенной структуре портфеля; доли на графике условные.

Две задачи, которые не помещаются в голову

Почему Анна так ценна? Она решает две задачи, которые не помещаются в голову.

Первая — кому что предложить. У брокера 400 000 пар «покупатель — объект». На проверку всех ушло бы 139 рабочих дней.

Вторая — с чего начать день. Утром в CRM десятки строк одного веса, без порядка. Анна решает обе чутьём. Новичок — назовём его Максим — тонет в списке.

Netflix решает обе задачи одним главным экраном: что смотреть первым. Анне и Максиму нужен такой же. Иначе, когда Анна уйдёт, её чутьё уйдёт вместе с ней.

Где в работе Анны создаётся ценность

Мы разложили сделку на 23 задачи по отраслевой карте Alloy Advisors. Ценность — в пяти: переговоры, доверие, локальное знание. Их оставляем человеку. Остальные восемнадцать — рутина, которая съедает время Анны. Десять задач мы автоматизируем, восемь усиливаем. Работа ИИ — снять с Анны рутину и передать её метод Максиму.

Каждое решение привязано к эффекту

Каждое такое решение мы привязываем к эффекту, по методологии Deloitte. Поиск пар: система ранжирует, Анна решает. Рутина сделки: автоматизация, и её цена падает почти до нуля. Максим получает ответ за минуту. А если Анна уйдёт, память о её клиентах и её метод останутся в системе.

Звучит хорошо. Но работает ли это?

Работает. Цифровой сотрудник — это продукт: агент с ролью, знаниями и инструментами, который работает в Teams, WhatsApp и Telegram.

Вот руководитель. В нашем сценарии двое из пятёрки уже ушли, а цель — плюс 25% к прошлому году. Он спрашивает: как выйти на цель? За две минуты агент делает 19 запросов к CRM, только на чтение, находит разрыв и видит, что пятая часть резервов осталась без владельца. И отвечает не отчётом, а планом: шаги с приоритетом и владельцем.

Ход ответа здесь реальный, цифры сценарные. Факты подтверждает человек.

Дополненный сотрудник — это подход

Из таких карточек и вырастает наш подход. Цифровой сотрудник — это продукт. Дополненный сотрудник — это человек, которому система каждый день подсказывает следующий шаг. Это и есть главный экран для Анны и Максима.

Максиму он даёт метод лучших. Анне — время и статус: рутину забирает система, а её метод становится карточками для других, с её именем. Вот почему Анна остаётся.

• Высокий. Звонок: 14 дней без контакта. Вклад 0,82, риск потерять клиента.
• Высокий. Бриф к встрече готов. Вклад 0,71, подготовлено автоматически.
• Средний. Подборка предложений клиенту. Вклад 0,64, отправка после согласия.
• Средний. Статус сделки из почты. Вклад 0,40, ждёт подтверждения.

Честно скажу: это концепт в разработке, наш следующий шаг. Ранг здесь — вклад шага в результат, а не то, что приятнее выбрать. Человек подтверждает факты и ключевые действия.

Концепт интерфейса; числа на карточках иллюстративные.

Агенту нужны данные Анны

Но чтобы агент работал с клиентами Анны, ему нужен доступ к реальным данным. Здесь главный вопрос — безопасность. Скомпрометированный чат-бот даёт плохой ответ, а скомпрометированный агент совершает действие.

Агент ходит в CRM через MCP. Стандарт не описывает, как бот в Teams или мессенджере узнаёт в чате именно Анну. Поэтому Анна даёт согласие прямо в чате, и агент работает от её имени. Права проверяет сама система учёта: ошибся агент или атакован — лишнего он не получит. А если Анна уйдёт, учётку отключат: доступ агента исчезнет, а клиенты останутся в компании.

Как это устроено

Анна пишет агенту в Teams: «Покажи мои открытые лиды». Агент идёт к нашему MCP-серверу, но токена у него нет, и сервер отвечает: сначала войдите. Без токена в CRM не уходит ни один запрос. Агент присылает Анне одноразовую ссылку — только в личный чат. Анна даёт согласие и входит в саму CRM своим логином и кодом 2FA.

Пароль используется один раз, чтобы создать её личный ключ, и не хранится: ключ лежит зашифрованным. Агент получает токен только для неё и только для этого сервера, а затем сверяет: почта в CRM совпадает с пользователем Teams. Всё это — один раз, секунд тридцать. Дальше каждый вызов идёт тихо: MCP-сервер проверяет токен и берёт из хранилища личный ключ Анны. Отключиться можно в любой момент.

Агент заимствует личность сотрудника с его согласия: он никогда не получает мастер-ключ и никогда не видит пароль.

1. Анна пишет в Teams: «Покажи мои открытые лиды».
2. Агент вызывает MCP-сервер без токена.
3. Сервер отвечает: сначала войдите. Без токена в CRM не уходит ни один запрос.
4. В личный чат приходит одноразовая ссылка.
5. Анна входит в саму CRM своим логином и кодом 2FA.
6. Пароль нужен один раз, чтобы создать личный ключ. Ключ хранится зашифрованным, пароль не хранится.
7. Агент получает токен только для Анны и только для этого сервера.
8. Сверка: почта в CRM совпадает с пользователем Teams.
9. Дальше MCP-сервер проверяет токен и берёт из хранилища личный ключ Анны.

Где работает модель

Второй вопрос — где работает модель. Данные клиентов Анны не должны уходить к внешнему провайдеру. Поэтому открытую модель скачиваем — с Hugging Face, ModelScope или GitVerse — и запускаем у себя.

Выбор есть: Сбер в июле выложил GigaChat 3.5 Ultra, Яндекс в сентябре открыл Alice AI Foundation, есть GLM, DeepSeek и Qwen. Агенты обращаются к модели только через шлюз, с правами и журналом. И держите собственное зеркало весов: доступ к каталогам может измениться.

Какую модель взять

Один из крупнейших стартапов Великобритании прогнал 16 моделей через одни и те же 44 кейса. Фронтир из коробки лучше, но вам он часто недоступен. Открытые модели доходят до цели, но пропускают проверки: лучшая — 34 цели из 44, а без нарушений — 6.

Посмотрите на последнюю колонку. За чистый кейс открытая модель выходит дороже фронтира, хотя токен у неё дешевле. Харнесс эту цену снижает.

Сначала задача и эффект. Потом товар.

Рутину делает система, следующий шаг подсказывает она же, а решение, права и данные остаются у людей и внутри периметра.

Свяжитесь с нами