ИИ-ассистенты: кто это такие, в чём их сила и как их использовать в ежедневной бизнес-практике

AI-модели в бизнес-контексте уже демонстрируют высокий уровень возможностей. Они пишут тексты, ищут информацию, анализируют данные, помогают с кодом, собирают презентации, разрабатывают структуру документов. При этом многие пользователи, осваивающие работу с ИИ-инструментами, испытывают достаточно много сложностей. О том, кто такие ИИ-ассистенты, что они умеют и как настроить с ними эффективную работу, порталу Biz360.ru рассказал руководитель направления «Маркетплейс и интеграции»  сервиса «Битрикс24» Сергей Востриков.

ИИ-агенты – это программы, основой которых выступает AI-модель, они умеют не просто генерировать текст или картинки, а могут выполнять более сложные задачи: написать код, проанализировать и систематизировать данные, составить план или стратегию, предложить варианты решения сложной проблемы и многое другое. ИИ-агент может выполнять задачи в разных ролях: программиста, маркетолога, бизнес-ассистента, аналитика и т.д. 

«Программой» для ИИ-агента является инструкция на «человеческом» языке – промпт. Агент интерпретирует такую инструкцию, сам решает, какие инструменты ему потребуются, и далее выполняет задачу. В силу того, что агенту не требуется точный алгоритм решения задачи, он становится более гибким инструментом, чем обычная IT-программа – может подстраивать своё «поведение» под изменившиеся данные или условия, но при этом всё равно достигать поставленной цели. 

В бизнесе такие ИИ-агенты уже берут на себя роли, которые раньше требовали постоянного внимания сотрудников. Например, агент-менеджер проекта хранит историю всех задач, диалогов и звонков, а руководитель лишь отслеживает его рекомендации и фиксирует проблемы. Но чем сложнее и ответственнее задача, тем больше ИИ-агенту требуется знания контекста – и здесь уместна аналогия с живым бизнес-ассистентом. 

Ключевая ценность ассистента – знания, накопленные в процессе работы. Хороший ассистент знает, какие проекты сейчас приоритетны, помнит итоги последней планёрки, понимает, с кем нужно согласовывать решения заранее. Он видит, что один проект формально движется по плану, хотя фактически заблокирован уже несколько недель, а по другому лучше не инициировать лишних коммуникаций, потому что команда занята критической задачей. Эта погружённость переводит ассистента из категории «человек, которому нужно всё подробно объяснять» в категорию специалиста, который снимает часть задач с руководителя. 

От AI-ассистента ждут схожего: «подготовь меня к встрече», «собери статус проектов», «сформулируй позицию», «напомни, что мы решили». Чтобы выполнять такие запросы качественно, агент должен знать рабочую жизнь пользователя – проекты, участников, документы, задачи, договорённости, историю решений. Для этого была создана концепция Second Brain («второй мозг»). 

Термин Second Brain принято связывать с техно-предпринимателем и экспертом по продуктивности Тиаго Форте и его подходом к управлению личной базой знаний. По сути, это внешняя система памяти, в которую складывается важная информация с расчётом на дальнейшее использование: в работе, при принятии решений, в творческих задачах. Принципиальное отличие от архива «на всякий случай» в том, что это рабочая память, которую можно активно использовать в текущей деятельности. 

Тиаго Форте в своей книге «Building a Second Brain» (2022) описывает два базовых инструмента: 

• Метод CODE (Capture, Organize, Distill, Express) задаёт цикл работы с информацией: зафиксировать важное → структурировать так, чтобы можно было найти → выделить главное → использовать в реальном результате.
  
  

• Модель PARA (Projects, Areas, Resources, Archives) определяет логику хранения: информация организуется по принципу применения. 

Появление современных ИИ-агентов сделало концепцию Second Brain ещё более практичной. Раньше личная база знаний была полезна ровно настолько, насколько дисциплинированно пользователь её вел и насколько эффективно сам в ней искал. Теперь база может стать памятью для AI-агента. 

Стандартный чат с AI хорошо справляется с изолированными запросами: написать черновик письма, объяснить термин, переформулировать текст, быстро набросать идеи. Управленческая работа, однако, редко состоит из изолированных задач. За каждым запросом тянется хвост контекста: 

• что происходило раньше и какие решения уже приняты;

• кто вовлечён и каковы позиции участников;

• какие существуют ограничения и скрытые риски;

• что обсуждалось на прошлой встрече и что обещали сделать к следующей. 

Если ИИ-агент этого не знает, он даёт технически корректный, но поверхностный ответ. Когда база выстроена, вопрос «что у нас по проекту X?» перестаёт быть запросом, на который агент вынужден строить предположения. Он обращается к реальным данным, поднимает последние статусы, блокеры и принятые решения и формирует ответ на их основе, в идеале указывая источник каждого вывода. 

Second Brain – это в большей мере набор правил, чем конкретный продукт. Если под рукой есть ИИ-агент, который умеет работать с файлами и следовать инструкциям, первый шаг уже доступен. Правила могут выглядеть так: 

• исходные источники хранятся отдельно и не редактируются;

• по каждому значимому источнику составляется краткое summary;

• страницы людей, проектов, продуктов и ключевых понятий ведутся отдельно;

• между страницами проставляются внутренние ссылки;

• важные выводы фиксируются в базе. 

В целом, ИИ-агент способен помочь сформулировать эти инструкции самостоятельно, аналогично тому, как опытный ассистент-человек может объяснить логику собственной работы. 

Важно учитывать, что ИИ-агент не будет работать идеально сразу же после настройки. Его нужно планомерно насыщать контекстом: расшифровками встреч, документами, статусами проектов, историей решений. База будет постепенно уплотняться, появятся связи между сущностями, и на определённом этапе агент перестает просто отвечать на вопросы и начинает восстанавливать контекст. В этот момент концепция и начинает работать в полную силу. 

Из практики использования подобной системы наиболее ощутимый эффект даёт подготовка к встречам. Раньше перед каждой планёркой требовалось часами самостоятельно восстанавливать картину: просматривать задачи, чаты, заметки, отчёты, календарь. С выстроенной базой достаточно запросить у ИИ-агента статус проектов или тезисы для обсуждения: агент поднимает сохранённый контекст, собирает блокеры, последние решения и следующие шаги, структурируя материал в логику, нужную именно для переговоров. 

Аналогичный механизм работает и после встреч. Расшифровку переговоров можно передать агенту с запросом: 

• выделить принятые решения и зафиксировать план действий;

• обновить статус проекта и отметить блокеры;

• сохранить ключевые договорённости. 

Ответственность за итоги по-прежнему остаётся на человеке: он проверяет выводы, определяет приоритеты и формулирует позицию. Агент в этой системе лишь снимает значительный слой рутины по восстановлению и упаковке контекста. 

Накопленная база меняет и характер взаимодействия с ИИ-агентом. Пока агент не знает рабочего контекста, каждое поручение требует развёрнутого брифинга: объяснить, что проект в подвешенном состоянии, кто отвечает за техническую часть, где юридический риск, какие формулировки недопустимы. По мере накопления базы значительная часть этого контекста агенту уже известна. 

Он видит приоритеты конкретного проекта, помнит предыдущие решения, знает принятые в команде формулировки и способен сам обозначить: «здесь не хватает актуального статуса», «этот вывод опирается на устаревший источник», «по этому вопросу ранее была другая договорённость». Тогда AI и начинает выполнять функцию аналитического советника. 

Современные модели хорошо умеют анализировать информацию, находить связи, сравнивать варианты, и наличие рабочей памяти переводит эти возможности из абстрактного режима в контекст конкретной организации и задач. 

Практически вся офисная работа уже где-то зафиксирована: в задачах, чатах, документах, CRM, проектных карточках, почте, отчётах. По существу, это тоже Second Brain, но существенно фрагментированный. ИИ-агент должен уметь работать с этим массивом так же, как это делает сотрудник-человек: читать переписку в задаче, просматривать комментарии и поднимать историю обсуждений. 

Там, где коммуникации и управление проектами организованы, например, как в «Битрикс24», логичный шаг – подключить ИИ-агента к API системы. Современные агенты хорошо справляются с созданием функций для базовых операций: получить задачу, прочитать комментарии, найти проект, сохранить сводку в базу. При наличии технической компетенции в команде такие интеграции перестали быть чем-то труднодостижимым. 

Начинать стоит с чтения данных: ИИ-агент ищет, анализирует, готовит выводы, но не вносит изменений в корпоративные системы. Когда возникает запрос на более активное участие – создать задачу, обновить статус, подготовить черновик сообщения – необходимо заранее проработать контур прав и предохранителей: 

• минимально достаточные права и запрет на деструктивные операции;

• подтверждение пользователя перед выполнением изменений;

• журналирование и прозрачность действий агента;

• разделение режимов «прочитать», «подготовить черновик» и «выполнить». 

Живому ассистенту не передают право подписывать договоры без согласования, но вполне доверяют подготовить черновик, создать задачу, собрать материалы, обновить статус. С ИИ-агентом действует та же логика. 

Оптимальная последовательность практического использования ИИ-ассистента: 

• Выбрать ИИ-агента, умеющего работать с файлами и следовать инструкциям.

• Создать папку для базы знаний и описать агенту правила работы с ней.

• После значимых встреч, документов и решений передавать агенту обновления и запрашивать актуализацию базы. 

• Через некоторое время начать задавать содержательные вопросы: «что у нас по проекту?», «какие блокеры?», «к чему пришли на прошлой встрече?». 

На начальном этапе взаимодействие может казаться избыточно формальным. Затем база начнёт экономить время. А характерный маркер того, что система заработала, – ощущение, что прежний способ подготовки к встречам и работы с контекстом был неоправданно трудоёмким. 

Именно этот момент служит точкой отсчёта. И именно качество памяти, а не название модели или интерфейса, станет главным критерием оценки ИИ-ассистентов в ближайшие годы.

Чтобы не пропустить интересную для вас статью о малом бизнесе, подпишитесь на наш Telegram-канал и страницу в «ВКонтакте».
biz360