Как превратить сложный процесс в систему ИИ-агентов
Сложность ИИ-автоматизации редко заключается в самой модели. Важнее взять реальный бизнес-процесс с исключениями, неполными данными и несколькими участниками и превратить его в последовательность, которую можно проверить, улучшить и масштабировать.
Начинаем с процесса, а не с чат-бота
Сначала мы описываем реальный путь от первого события до результата. В каталожном бизнесе это загрузка работы автором, проверка файла, выбор категории, теги, подготовка превью, модерация, публикация товара и заказ покупателя. Для каждой передачи фиксируем вход, выход, ответственного, используемые системы и критерий успеха.
Делим сложную задачу на небольшие решения
Не стоит отправлять сложный запрос одной модели с длинным промптом и считать работу законченной. Мы выделяем шаги: определить задачу, собрать исходные данные, проверить файл и карточку, классифицировать продукт, сделать черновик, сверить результат с правилами и передать исключения человеку. Выход одного шага становится проверенным входом следующего.
Подключаем специализированные модели там, где они сильны
Языковая модель интерпретирует описание продавца и создаёт метаданные. Модель зрения проверяет превью по визуальным требованиям. Слой правил валидирует форматы, размеры и обязательные поля. Для сложных решений агент готовит доказательства и варианты, а человек подтверждает финальное действие. Примеры, инструкции по ролям и наборы оценки постепенно улучшают каждый модуль.
Строим модуль агентов, а не чёрный ящик
Так построен модуль агентов для наших каталожных процессов. Оркестратор получает новый товар, создаёт чек-лист, вызывает только нужные инструменты, сохраняет результат каждого шага и направляет товар дальше или модератору. Команда видит, что произошло, почему товар отмечен и что необходимо исправить.
Измеряем коммерческий результат
После пилота сравниваем время от загрузки до публикации, число неполных карточек, доработки модерации, находимость товара, конверсию и повторные покупки. Цель — повторяемая система работы, которая убирает ожидание, повышает качество каталога и оставляет команде больше времени на решения, где нужен опыт.
Где применяется процесс
Модуль агентов поддерживает экосистему каталога с отдельными направлениями для разных авторов и продуктов.