Внедрение ИИ: агенты в ваших процессах, а не во вкладке браузера.

Разбор заявок и почты

Заявки с сайта, письма, сообщения из мессенджеров: агент определяет тему и срочность, вытаскивает контакты и суть, создаёт сделку в CRM и отдаёт нужному сотруднику. Человек проверяет только спорные случаи — те, где уверенность модели ниже порога.

Ответы по базе знаний

Регламенты, прайсы, договоры, инструкции: агент ищет ответ в ваших документах и даёт ссылку на источник. Если ответа в документах нет, он так и говорит, а не придумывает. Для открытых данных подходит любая модель, для закрытых — модель на вашем сервере.

Отчёты без дашборда

«Сколько заказов вчера и на какую сумму», «топ-10 клиентов за квартал», «что не продавалось месяц» — нейросеть сама пишет SQL-запрос, выполняет его и объясняет результат. Работает под отдельным пользователем базы только на чтение; таблицы с паролями, персональными и платёжными данными для него не существуют.

Действия в ваших системах

«Создай клиента», «перенеси встречу», «выгрузи отчёт в таблицу» — агент сам вызывает нужные методы API. Ему доступны только выбранные методы, опасные требуют подтверждения человеком, каждый вызов пишется в лог.

ИИ для SEO и семантики

Агент сам собирает запросы через API Вордстата, отсеивает бытовые и чужие, группирует по намерению и раскладывает по страницам: что заслуживает отдельной посадочной, что — раздела, что — статьи. Так собрана карта страниц этого сайта: больше тысячи запросов к Вордстату за вечер вместо недели ручной работы.

Где агент не нужен

• ·решение записывается простым условием в коде — модель лишняя;
• ·ошибка стоит дорого, а проверить ответ некому;
• ·данных для работы агента нет или они в бумажном виде;
• ·задача встречается раз в месяц — автоматизация не окупится.

MCP-шлюз на вашем сервере

Ставлю Junctio — мой open source MCP-шлюз (лицензия MIT). Он превращает базу данных, REST API или готовый MCP-сервер в набор инструментов для агента, хранит ключи в зашифрованном виде и отдаёт клиентам один адрес с OAuth. Тот же адрес подключается в Claude Desktop, ChatGPT, Cursor и в вашего собственного агента. Поэтому разработка MCP-сервера с нуля обычно не нужна, а если нужна — пишу его под вашу систему.

Только нужные инструменты

Из API в 200 методов агенту обычно нужны десять. Лишние скрываю, опасные — удаление, оплаты, массовые рассылки — закрываю подтверждением. Плюс инструкция: что можно, что нельзя и в каком порядке вызывать.

Свой ИИ-шлюз

LLM-шлюз (его ещё называют LLM-роутером) — один адрес с OpenAI-совместимым API для всех сервисов и сотрудников компании, а за ним — нужные провайдеры: YandexGPT, GigaChat, зарубежные модели по вашим договорам или локальная модель на вашем сервере. Если провайдер не отвечает, запрос уходит на резервную модель. У каждого сотрудника и сервиса свой ключ и лимит, расходы видны по людям и задачам, а запросы не проходят через сторонних посредников.

Модель решений как предохранитель

Модели решений (например, Jev от TypeSafe AI) не пишут текст, а выбирают ответ из заданных вариантов за 70–500 мс и дают откалиброванную вероятность. Ставлю их на маршрутизацию и на проверку: выполнять ли действие агента, совпадает ли ответ LLM с источником. Что делать при какой уверенности, решает ваш код.

Контроль и отзыв доступа

Лог всех вызовов, лимит расходов на модели, отзыв доступа одному сотруднику без смены ключей у остальных. После сдачи вы не зависите от меня: сервер, код и доступы ваши.