Как использовать GenAI для личной продуктивности руководителя? Часть 2 (Часть 1 см. здесь).

✅ Как это работает? Никакой магии!

Два ключевых компонента:
— LLM (в нашем случае это GigaChat, работающий во внутренней сети).
— n8n (neightn) — workflow-движок из «до-LLM-ного» прошлого, который оркестрирует процессы и не требует глубоких математических знаний.

n8n берет описание команды со страницы в Confluence, анализирует его с помощью GigaChat и собирает векторное хранилище на Postgres с перечнем команд, зон ответственности, имен, контактов и т. п. По сути, это классическое RAG-решение, собранное "на коленках из кубиков".

Когда приходит письмо, он делает то же самое, только в обратном направлении: анализирует содержимое, с помощью GigaChat извлекает сформулированные в письме вопросы, для каждого подбирает подходящую команду-адресата и отправляет ответ.

Лицензия позволяет свободно использовать продукт для внутренних процессов, при этом базового функционала достаточно, чтобы собирать полноценные решения. Имеются готовые модули для интеграции почти со всеми распространёнными системами, а также модули от сообщества, которые постоянно расширяют функциональность.

Для рабочих задач решение можно развернуть локально. В моём случае, например, используются две площадки: мой рабочий ноутбук и офисная сеть банка, следовательно, данные не покидают периметр рабочей сети Сбера, а самые чувствительные данные — например, почта — обрабатываются исключительно на ноутбуке.

👉 Примеры эффективного использования решения
— Командировки. n8n знает мои предпочтения по транспорту и, как только появляется информация о поездке, сам пишет travel-агентству. Бронирование оформляется без моих припозднившихся сообщений — нужные рейсы не упускаем.

— Отчёты по спринту. В n8n на базе GigaChat запустили генератор статус-отчёта: каждый день в 10:00 он обновляет страницу в Confluence — какие задачи в работе, каков прогресс исполнения, а также текстовое резюме. Таким образом закрывается основная боль Jira: неповоротливость и разрозненные разделы.

— Напоминания в корпсреде. Агент «Дятел» следит за назначениями в Jira и пингует исполнителей; чем дольше задача без движения, тем «агрессивнее» формулировки. Результат — меньше зависаний и тишины по задачам.

✅ Коротко об архитектуре решения
Структурно решение представляет собой набор стандартных «кубиков»: интеграция с Confluence, конвертация HTML в Markdown, запись в PostgreSQL и т.п. Самое интересное здесь —«кубики», связанные с LLM.

Особенно полезны такие инструменты, как, например, Information Extractor, который на входе принимает "плоский" текст, а на выходе формирует JSON (отлично помогает при трактовке непонятных писем), и классификатор, который помогает определить категорию текста для его направления по одной из веток workflow, а также векторные индексы для построения RAG.

Очень ценный инструмент — нода типа AI-agent, фрагмент workflow, отвечающий за командировки и способный учитывать изменения в списке пожеланий в онлайн-режиме.

Надеюсь, не за горами день, когда система проснётся и скажет: «Спасибо, дальше я сама».