Проводим сейчас трансформацию в AI-first agency.
Что это для нас значит?

Это не перестройка в агентство из одного человека, который управляет AI-агентами (хотя такой тариф у нас тоже появился 😄).

Расскажу подробнее, как мы себе это видим:

1. Первый этап - данные

AI-first - означает, что все источники данных подключены к AI, и команда агентства может с ними общаться, получать информацию, анализировать, генерировать что-то на их основе.

Мы подключили к AI:
• записи звонков в тимс и зум
• лучшие практики агентства - это тоже записи звонков + другие материалы
• чаты в телеграме и Slack
• посты в LinkedIn
• RSS наших блогов
• расшифровки видео с YouTube
• договора
• выписки из банков
• PNL

В планах подключить:
• дашборд результатов проектов
• аналитика LinkedIn
• аналитика LinkedHelper
• аналитика email-рассылок
• аналитика сайтов
• и всякое другое

Как решается вопрос безопасности:
Чувствительные данные отдаются LLMкам, которые развернуты локально, а публично доступные данные - облачным LLMкам.

2. Среда для работы команды

Это то самое место, куда команда агентства может обращаться, чтобы взаимодействовать с данными и генерировать что-то на их основе.

Для этой задачи мы выбрали Cursor - он более-менее удобный, и у него есть интерфейс, в котором можно и общаться с AI, и открывать документы, которые тот сгенерировал.

Как решается вопрос безопасности:
Чтобы управлять доступами, мы подключили NextCloud для хранения файлов - теперь у кого-то может быть доступ только к документам конкретного проекта, а у кого-то - целого отдела или даже всего агентства.

Какие задачи команда уже решает в Cursor:
• фоллоуапы после звонков
• анализ коммуникации с клиентами
• подготовка маркетинговых материалов
• написание статей на основе видео и записей звонков
• проверка постов, месседжей и других материалов на соответствие лучшим практикам агентства
• генерация постов и месседжей с нуля на основе лучших практик агентства - для AI-тарифа
• генерация документов - договоров, инвойсов и другого

Какие задачи еще планируем решать:
• всевозможные отчеты, и внешние, и внутренние
• генерация гипотез и идей для улучшения
• фильтрация целевой аудитории
• ведение CRM
• углубленные исследования целевой аудитории и обогащение баз
• углубленные исследования бизнесов клиентов в начале сотрудничества
• и многое другое

3. Специализированные агенты под задачи

Зачем они вообще нужны, если люди сами ставят задачи AIю?

Два момента: автономность и проактивность.

В регулярных повторяющихся задачах хочется уйти от того, что нужно постоянно эти задачи ставить.

Прошел звонок - по нему сразу автоматически написался фоллоуап агентом.
Опубликовали видео на YouTube - по нему сразу написалась статья и добавилась в черновики на сайте.
Опубликовали посты в LinkedIn - на их основе сгенерировалась email-рассылка и подгрузилась в сервис рассылок.

И много других сценариев.

Конечно, человек остается в процессе и все проверяет и редактирует, но уже не нужно ставить задачи и перекладывать результаты из одного места в другое.

Как решается вопрос безопасности:
Самый главный риск работы с автономными агентами - это промпт-инъекции, из-за которых агент может слить чувствительные данные, дать доступы, которые не должен давать или сделать что-то еще опасное.
Как мы это решаем? Тоже разграничением доступов. Если нужно, чтобы агент ходил вовне, это делает агент, у которого нет никуда доступа, ни к каким важным данным, и никаких прав тоже. Дальше результат от этого агента проверяется автоматическим скриптом, не AIем. Преимущество скрипта - он реально всегда стабильно и одинаково делает то, что ему сказали, а не как AI. И дальше уже, если все нормально, результат передается LLMке, у которой есть более расширенные доступы.

Какой будет next level в этой трансформации - посмотрим. Например, начали экспериментировать с OpenClaw в безопасной среде, как-нибудь расскажу, что получается :)