Представьте типичную пятницу в отделе закупок. Менеджер пишет в общий рабочий чат: «Нужно согласовать счёт от поставщика, срочно». Сообщение уходит вниз ленты. Финансовый директор видит его в понедельник, просит детали. Детали появляются во вторник — в другом треде. К среде счёт просрочен.
Это не проблема дисциплины. Это проблема архитектуры процесса: входящий запрос не структурирован, роль получателя не определена, статус нигде не фиксируется. Чат — удобный инструмент общения, но плохой инструмент управления задачами с ветвящейся ответственностью.
Похожая картина возникает в юридических согласованиях договоров, в HR при согласовании найма, в IT при заявках на доступ. Форма разная — механика потери одна: запрос попадает в неструктурированную среду и теряет маршрут.
Что нужно изменить и почему это не просто «добавить бот»
Первый импульс — поставить бота, который будет напоминать о сообщениях. Это не решает задачу: напоминание о неструктурированном запросе только добавляет шум.
Реальное изменение состоит из трёх шагов:
- Разбор запроса — извлечь из свободного текста тип согласования, сумму или объект, срок, инициатора и приоритет.
- Определение роли — сопоставить тип и параметры запроса с матрицей ответственности и найти конкретного исполнителя, а не группу.
- Контроль действия — зафиксировать задачу в системе, отправить уведомление с контекстом, отследить ответ и эскалировать при просрочке.
Ключевое ограничение: ИИ-агент не принимает решение о согласовании. Он только убирает ручной диспетчинг между шагами. Финальное «согласовано / отклонено» остаётся за человеком — и это принципиально важно для аудита и ответственности.
Демонстрационный сценарий: счёт на оплату
Ниже — демонстрационный пример. Входные данные условные, цифры не отражают реальный проект.
Входные данные
Менеджер отправляет сообщение в корпоративный мессенджер или через форму внутреннего портала:
Прошу согласовать счёт №А-2024-1147 от ООО «СтройМатериалы»
на сумму 320 000 руб. (с НДС).
Оплата нужна до 28 числа, иначе потеряем скидку.
Прикладываю скан счёта.Шаг 1 — разбор запроса ИИ-агентом
Агент извлекает структурированные поля из свободного текста и вложения:
| Поле | Извлечённое значение | Источник |
|---|---|---|
| Тип запроса | Согласование оплаты | текст |
| Контрагент | ООО «СтройМатериалы» | текст + документ |
| Номер счёта | А-2024-1147 | документ |
| Сумма | 320 000 руб. с НДС | документ |
| Срок оплаты | 28-е число текущего месяца | текст |
| Приоритет | Высокий (упоминание потери скидки) | текст |
| Инициатор | ID пользователя из сессии | система |
Если агент не уверён в каком-то поле — он запрашивает уточнение у инициатора до маршрутизации, а не отправляет задачу с пустым полем.
Шаг 2 — определение роли по матрице
Матрица ответственности задаётся при настройке агента и хранится как конфигурация, а не «зашивается» в модель. Пример упрощённой матрицы:
| Тип | Сумма | Согласует | Дублирует |
|---|---|---|---|
| Оплата | до 50 000 руб. | Руководитель отдела | — |
| Оплата | 50 001 – 500 000 руб. | Финансовый директор | Руководитель отдела |
| Оплата | свыше 500 000 руб. | Генеральный директор | Финансовый директор |
| Договор | любая | Юрист | Финансовый директор |
В нашем примере сумма 320 000 руб. попадает во вторую строку. Агент назначает финансового директора основным согласующим, руководителя отдела — информируемым.
Шаг 3 — фиксация задачи и уведомление
Агент создаёт задачу в системе управления (CRM, внутренний трекер или Bitrix24) с заполненными полями и отправляет финансовому директору уведомление с контекстом:
Задача #4821: Согласование оплаты
Контрагент: ООО «СтройМатериалы»
Сумма: 320 000 руб. (с НДС)
Срок: до 28.XX.XXXX
Приоритет: высокий
Инициатор: [имя менеджера]
Документ: [ссылка на скан]
Действия: [Согласовать] [Отклонить] [Запросить уточнение]Ответ фиксируется в задаче. Если ответа нет через установленное время — агент отправляет эскалацию. Все действия логируются с временными метками.
Что остаётся за человеком — и почему это важно
Агент не видит содержание договора с поставщиком. Он не знает, была ли эта компания в стоп-листе полгода назад. Он не оценивает, реальна ли скидка или это маркетинговый приём. Поэтому решение «согласовать или нет» — всегда за человеком.
Задача агента — убрать потери на этапе до решения: структурировать запрос, найти нужного человека, доставить контекст и зафиксировать ответ. Это и есть управляемая автоматизация с сохранением участия человека.
Дополнительно стоит предусмотреть:
- возможность согласующего вернуть задачу с комментарием («нужна копия договора»);
- журнал всех статусов для аудита;
- ручной override — руководитель может переназначить задачу вне матрицы.
Какие данные и интеграции потребуются для пилота
Прежде чем запускать разработку, нужно собрать минимальный набор исходных данных. Вот чеклист пилота:
Чеклист готовности к пилоту
- ☐ Описан хотя бы один тип запросов с чёткими полями (тип, сумма, срок, инициатор).
- ☐ Есть матрица ответственности: кто согласует при каких условиях.
- ☐ Определена система, куда агент будет создавать задачи (CRM, трекер, почта).
- ☐ Есть API или webhook для создания задач и отправки уведомлений.
- ☐ Определён канал, откуда приходят запросы (мессенджер, форма, почта).
- ☐ Согласован формат логирования действий агента для аудита.
- ☐ Установлены SLA: через сколько часов считается просрочка и кому эскалировать.
- ☐ Подготовлено 20–30 обезличенных примеров реальных запросов для тестирования разбора.
Минимальный технический состав пилота
Для демонстрационного сценария с одним типом запросов достаточно:
- Модуль приёма сообщения (вебхук из мессенджера или формы).
- Модуль разбора — LLM с промптом и валидацией извлечённых полей.
- Модуль маршрутизации — сопоставление с матрицей ответственности (конфиг-файл или таблица).
- Модуль создания задачи — интеграция с целевой системой через API.
- Модуль уведомления и эскалации — отправка сообщений и отслеживание ответа.
- Журнал событий — запись всех шагов с временными метками.
Каждый модуль тестируется отдельно до сборки в цепочку. Это снижает риск «всё сломалось, непонятно где».
Критерии приёмки пилота
Пилот считается успешным, если выполняются следующие условия:
| Критерий | Как проверить |
|---|---|
| Агент корректно извлекает все обязательные поля | На 20 тестовых запросах — точность не ниже согласованного порога |
| Маршрутизация соответствует матрице | Ручная проверка 10 случаев с разными суммами и типами |
| Задача создаётся в целевой системе без ручного вмешательства | Сквозной тест от сообщения до задачи |
| Согласующий получает уведомление с полным контекстом | Проверка содержания уведомления по чеклисту полей |
| Эскалация срабатывает при просрочке | Тест с намеренной задержкой ответа |
| Все действия агента залогированы | Просмотр журнала после тестового прогона |
| Человек может переопределить маршрут вручную | Тест ручного override |
Экономика: как считать эффект без обещаний
Точные цифры зависят от вашего процесса, поэтому приведём формулу для собственного расчёта:
Условный расчёт (подставьте свои данные):
N = количество запросов на согласование в месяц
T_ручной = среднее время на диспетчинг одного запроса (мин)
T_агент = время на обработку агентом (мин, обычно < 1)
Staff_cost = стоимость рабочей минуты сотрудника (руб.)
Экономия времени в месяц = N × (T_ручной - T_агент) мин
Денежный эквивалент = Экономия времени × Staff_cost
Дополнительный эффект — снижение просрочек согласований,
которые сложнее выразить в рублях, но видны в операционных метриках.Если у вас 200 запросов в месяц и каждый диспетчинг занимает 10 минут — это 2000 минут ручной работы. Агент не устраняет их полностью (человек всё равно принимает решение), но убирает именно диспетчерскую часть.
Подходящий инструмент: разработка ИИ-агента
Описанный сценарий — это типичная задача для разработки AI-агента под конкретный бизнес-процесс. Агент проектируется под вашу матрицу ответственности, интегрируется с вашей системой задач и каналом приёма запросов. Готовых «коробочных» решений для этого класса задач нет — каждая матрица и каждая интеграция уникальны.
Если запросы приходят из разных каналов (почта, мессенджер, форма) и нужна единая точка приёма с классификацией, это дополнительно покрывается через AI-модерацию входящих обращений — отдельный модуль, который можно подключить к агенту маршрутизации.
Важно понимать границу: разработка агента — это отдельный проект, а не настройка готового продукта. Пилот начинается с одного типа запросов, одной интеграции и одной матрицы. Расширение на другие типы согласований происходит после проверки первого сценария.
Если вас интересует смежная задача — структурирование входящих данных из документов перед маршрутизацией, — посмотрите разбор в статье Обработка документов с ИИ: извлечение данных и проверка человеком. А если процесс согласований связан с CRM и данными о клиентах, полезен чеклист из статьи ИИ в CRM и B2B-продажах: подключение к данным и API.
Один следующий шаг
Если вы хотите проверить, насколько ваш процесс согласований подходит для автоматизации — опишите его в одном абзаце: откуда приходят запросы, кто их сейчас диспетчирует и где теряется время. Мы разберём процесс и скажем, что реально автоматизировать в первом пилоте, а что лучше оставить ручным.
Связанные материалы
Подходящие офферы
Если статья попала в вашу задачу, вот два оффера, с которых можно перейти к внедрению без лишнего discovery.
Внедрение SEO-модуля каталога для 1С-Битрикс
Внедряем portcore.seo для каталога на 1С-Битрикс: шаблоны страниц, наследование, canonical, редиректы, sitemap и уведомления об изменениях связываются с реальной структурой сайта.
Архитектурная схема API-интеграции
Готовим архитектурную схему API-связки: сущности, направления, идентификаторы и состояния. Документ помогает согласовать ответственность сторон и оценить реализацию.