ИИ • Архитектура бизнеса • Анна Тихомирова

Пять вопросов, которые стоит задать до внедрения ИИ

Сохраните и прогоните по ним свой список задач 'сюда бы ИИ'.

Как считать окупаемость ИИ подробнее - собрала в материале в Диагностика готовности к ИИ • Экономика

3 упоминания в Алисе за июль

Тема AEO - попадания в нейровыдачу сейчас на слуху. И я задалась вопросом: можно ли попадать в ответы Алисы не случайно? Провела эксперимент.

За июль в нейровыдачу Алисы попали три моих материала:
🖇Окупаемость ИИ: как оценить до внедрения
🖇Как подключить GigaChat Ultra 3.5 в VS Code: российская модель внутри ИИ-агента
🖇Методы анализа бизнес-процессов - статья в блоге StormBPMN

Что я для этого делала:
✅Писала под живой человеческий вопрос. Формулировка заголовка совпадает с тем, как спрашивают обычно вслух
✅Для статей в Тенчат проверяла спрос и плотность топа выдачи. Брала темы с рыхлой выдачей, а не самые частотные
✅Описывала проверяемые конкретные факты из своей практики. В статье про GigaChat упомянула корневой сертификат российского УЦ и локальный коннектор для Cline. Именно эти два места Алиса и процитировала
✅Публиковала там, где контент индексируется: Тенчат и отраслевой блог Stormbpmn с сильным доменом
✅Замеряла результат: позиции через Search API Яндекса плюс вручную прогоняла вопросы в Алисе

Неожиданное: самый цитируемый материал - про GigaChat - оказался самым слабым по SEO. В нейровыдачу он попал не из-за частотности запроса, а за счёт уникального факта.

Уже проверяли, что отвечает Алиса по вашей теме?

GigaChat Ultra 3.5 в VS Code

VS Code прекрасен возможностью хранить всю информацию по проекту локально в файловой системе, при этом использовать в проекте разные LLM. Нашла как подключить российкую GigaChat Ultra 3.5 внутри ИИ-агента. Обвязка остаётся на стороне агента (я использовала Cline) - работа с файлами,  командами, скилами, многошаговые задачи. Чтобы в Cline установить GigaChat нужен локальный коннектор, он переводит формат запросов.

Что понадобится:
🖇Ключ доступа к GigaChat API из личного кабинета Сбера
🖇Коннектор от команды Сбера: github.com/ai-forever/gpt2giga
🖇Корневой сертификат российского удостоверяющего центра
🖇Агент, у которого в настройках можно указать OpenAI-совместимый адрес

Чтобы повысить стабильность работы функций, поставила патч - с ним и визуал для постов в png создает.

Подробная статья в TenChat

Как ИИ-агент встраивается в процесс продаж: этап квалификация

По данным Harvard Business Review, попытка связаться в течение первого часа повышает шансы квалифицировать лид примерно в 7 раз по сравнению с попыткой часом позже, и в 60 раз - по сравнению с ожиданием в течение суток.

Свежий замер по временным меткам CRM в 939 компаниях: средний отклик в B2B составляет 47 часов, а дольше суток отвечают 42% компаний.

Временное окно для актуального ответа достаточно узкое. И рынок в это окно системно не попадает. Заявка остывает быстро.

Разбираю процесс первичной обработки входящих обращений в B2B, где сделку закрывает человек: от сообщения клиента до момента, когда с ним свяжется менеджер.

В статье:
🖇какие задачи передаются ИИ-агенту в процессе продаж на этапе квалификации
🖇технические особенности автоматизации на платформе для создания ИИ-агентов

Читать в TenChat

#иивбизнеспроцессах

Диагностика готовности бизнеса к ИИ · Экономика: понять, окупится ли ИИ на ваших задачах - до начала внедрения

Собрала методику оценки окупаемости ИИ в продукт.

Для кого:
🖇Если у вас список задач 'сюда бы ИИ', но неясно, что из этого окупится и с чего начать.
🖇Уже что-то внедрили - а счёт растёт быстрее, чем отдача.

Что внутри:
🖇большая статья (PDF + ePUB): метод, кейсы, сквозной пример
🖇рабочая тетрадь в Excel - с формулами для расчета
🖇метод оценки из 5 шагов

Результат:
Заполненная карта по экономике - что запускать первым, что сузить, что отложить. По каждой задаче - решение.

Первым 10 покупателям - 3900 ₽, дальше 4900 ₽

Формат: разовая покупка, материалы остаются у вас навсегда.

Забрать: Sponsr • Boosty • пишите в лс

Хотите взгляд со стороны - есть тариф с личным письменным разбором вашей диагностической карты

4 ситуации, когда задумываются об анализе бизнес-процессов:
🖇Растет себестоимость
🖇Срываются сроки
🖇Бизнес готовится к изменениям
🖇Процесс не выдерживает роста

Стартуют работы, выбирая привычные методы обследования. А ведь именно с анализа процессов надо начинать, если хотите внедрить ИИ, но процессы еще не описаны и не подготовлены к автоматизации.

Написала большую статью - с матрицей выбора методов под каждую из ситуаций ⬇️

Каждое следующее сообщение дороже предыдущего?

Когда я только начинала собирать агентов на ноу-код, знакомилась с платформой, заметила у своего агента повышенный расход. Не критично, но глаз зацепился - рубли утекают.

Оказалось, весь диалог передавался в модель с каждым сообщением. Контекст рос от запроса к запросу, а каждая следующая реплика в чате стоила дороже предыдущей.

Ловушка растущего контекста: чем больше информации модель получает на входе, тем точнее ответ. И дороже.

С тех пор память в агенте настраиваю в первую очередь, чтобы при тестировании не раздувать бюджет.

Это один из принципов экономики ИИ. На счет влияет множество факторов, и он сильно зависит от того, как агент спроектирован.

Знаете, из чего складывается счёт за ваши ИИ-инструменты?

Агент есть. А работа для него?

По данным небольшого исследования о внедрении ИИ (86 глубинных интервью с собственниками и руководителями СМБ), самый частый барьер, у 43% - точка входа: непонятно, какой процесс автоматизировать первым.

За этими цифрами - узнаваемая история. Компания много лет на рынке, клиентская база накоплена большая, простой бот уже отвечает на вопросы в мессенджере. Запрос - агент посильнее, 'дожимать' тёплую базу до покупки. А сам этап дожима не описан. Все знание у сотрудников в головах: из какого шага в какой ведём клиента, что считается результатом, кто отвечает за этап.

Задача для агента в итоге звучит как 'сделай хорошо'…

ИИ-агент умножает то, что уже налажено. Отвечает по сценарию - если сценарий есть. Ведёт по воронке - если воронка выстроена. А пока процесс не описан, выбор небольшой: каждый диалог остается на усмотрение агента, либо процесс проектируется в ходе создания агента.

Если в бизнесе не описаны регламенты, критерии результата, ответственные, эти блоки придётся прорабатывать на этапе внедрения или отложить внедрение, до тех пор, пока процесс не созреет.

В вашем бизнесе есть задача, которую можно передать агенту - без долгих объяснений и проектирования?

ИИ-сотрудник работает, а ручной работы вокруг него не убавилось?

Дело скорее всего не в модели. До 70% результата ИИ-агента живёт вне неё - в окружении: единая база, память между сессиями, оркестрация, проверка качества. Эту систему называют harness, и от неё зависит, делаете в многое вручную или ИИ всё больше делает сам.

Собрала чек-лист: три уровня зрелости вашей ИИ-ситемы. Отметьте, где вы сейчас.

Почему обвязка сильнее влияет на эффективность, чем выбор модели - в статье

Как подключить Yonote MCP к Claude Code в VS Code

Yonote недавно выкатил MCP.  Разобралась, как его подключить в VS Code и собрала шпаргалку:

1. Проверь Node.js в терминале VS Code: node --version. Если нет — поставь LTS с nodejs.org

2. Установи Claude Code CLI: npm install -g @anthropic-ai/claude-code

3. Возьми API-токен в настройках Yonote

4. Подключи MCP двумя командами:

$env:YONOTE_TOKEN = "твой_токен"
claude mcp add --scope user --transport http yonote https://<ваш_домен>.yonote.ru/api/v2/mcp --header "Authorization: Bearer $env:YONOTE_TOKEN"

5. Проверь: claude mcp list

6. Перезапусти VS Code полностью

Подробнее тут или отправь пост ИИ, он подскажет.

Что Claude умеет в Yonote через MCP:
🖇 семантический поиск по базе знаний (по смыслу, не по точному совпадению)
🖇 чтение любого документа
🖇 создание новых документов и обновление существующих
🖇 работа с комментариями (читать, добавлять, закрывать)
🖇 чтение содержимого коллекций
🖇со строками базы данных пока не работает

🔥 - если пригодилось

Почему внедрение ИИ буксует: хаос vs контроль

Многие внедряют ИИ-продавцов с целью: разгрузить собственника или отдел продаж, и передать им рутину.

Выбирают ноу-код, создают ИИ-агента, подключают базу знаний.

И если вы столкнулись с ситуацией, в которой:
〰️ бот отвечает нестабильно и отпугивает клиентов
〰️ лиды теряются еще быстрее
〰️ сценарии ломаются на первом нестандартном вопросе
〰️ растёт стоимость обработки заявки
〰️ ИИ начинает усиливь хаос вместо того, чтобы снижать его

Проблема в том, что ИИ встраивают в процесс, который изначально не был спроектирован, как управляемая система.

Также как раньше компании перешли от ручного контроля процессов и инфраструктуры к SLA, дашбордам и проактивному выявлению проблем. Для ИИ-систем нужен контур контроля и мониторинга.

И здесь становится важным не только “внедрить ИИ”, а понять:
🖇 где ИИ действительно нужен
🖇 как выглядит подходящий сценарий
🖇 где должна быть передача человеку
🖇 какие этапы автоматизировать
🖇 как измерять качество коммуникации

ИИ требует высокой зрелости процессов, которая часто отсутствует на старте.

О том, как строится классический мониторинг процессов, KPI, и управление отклонениями написала большую статью для блога Stormbpmn.

Чек-листы, сохраните, чтобы не потерять:
🔖 На каком уровне зрелости управление ИИ-сотрудниками в вашем бизнесе
🔖 8 метрик управления ИИ-сотрудником

Создание ИИ-сотрудника для  коммуникации с клиентами

Сегодня вопрос «внедрять или нет» уже не стоит. Большинство компаний прошли этап тестирования гипотез. На первый план выходит другая проблема: как сделать так, чтобы ИИ-агент не просто закрывал 20% типовых вопросов, а стал полноценным звеном в цепочке продаж с измеримым результатом.

Внедрение ИИ - это всегда путь итераций и совершенствования. Но важно, чтобы эти циклы были направлены на рост точности ответов, а не на исправление ошибок проектирования.

Я открываю запись на консультацию по созданию ИИ-агентов. Это аудит процессов или работа над архитектурой решения до того, как вы начнете тратить бюджет на разработку или токены.

На чем сфокусируемся:
🖇Аудит воронки и пути клиента: Где ИИ действительно необходим, а где он будет барьером между вами и клиентом
🖇Проектирование целевого процесса: Выстраиваем логику взаимодействия ИИ с вашей текущей инфраструктурой
🖇Архитектура ИИ-сотрудника: Разработка ролевой модели, границ компетенций и сценариев обработки сложных/нетиповых запросов
🖇Промпт: Формируем сценарий управления «мозгом» агента, чтобы минимизировать галлюцинации и выдержать тон бренда

Обсудим вашу задачу?
Пишите в лс: @an_tikhomirova

8 метрик для ИИ-сотрудника, которые покажут, где вы теряете деньги

Внедрили ИИ-агента в процесс коммуникации с клиентами (продажи, квалификация, запись на услуги, поддержка). Как управлять качеством диалогов?

Чтобы управлять, надо измерять.

Собрала минимальный набор метрик, который можно проверять раз в неделю и управлять:
🖇Качеством коммуникации
🖇Эффективностью
🖇Надёжностью ИИ

Сохраняйте чек-лист — пригодится, когда будете внедрять своего ИИ-сотрудника.

🔖 На каком уровне зрелости управление ИИ-сотрудниками в вашем бизнесе

ИИ - новый сотрудник. А как следить за качеством?

После внедрения ИИ-сотрудника у бизнеса появляются вопросы:
🖇 где ИИ ошибается?
🖇 где теряются заявки?
🖇 какие сценарии работают хуже?
🖇 где AI стал узким горлышком?
🖇 как контролировать качество ИИ-коммуникаций?

Ответы на эти вопросы дает контроль и мониторинг ИИ-процессов.

Сейчас в СМБ многое делается вручную + с помощью нейросетей:
🖇 просмотр диалогов
🖇 поиск потерянных лидов
🖇 анализ некорректных ответов
🖇 отслеживание стоимости диалогов
🖇 аналитика по тегам и сценариям

И на основе этого внесение корректировок в промт.

Enterprise-рынок уже развивает:
AI observability и LLM monitoring, а крупные платформы говорят про AI governance и runtime control.

ИИ-сотрудники уже в операционном слое бизнеса, и требуют контроля, мониторинга, наблюдаемости и улучшений.

Запускала спутники в космос. Оказалось, бизнес динамичнее

Меня зовут Анна Тихомирова. 12+ лет в процессном консалтинге для крупных компаний (Ростелеком, X5 и др.), ITIL Expert. Сейчас помогаю собственникам и руководителям навести порядок в процессах, внедрить ИИ-агентов и убрать узкие места, которые тормозят прибыль.

Кейс в трекинге: убыточный салон красоты за месяц вывели в ноль. В несезон.

Канал для тех, кто хочет навести поряк в процессах и внедрить ИИ-сотрудника в бизнес:
🔹️ продажи и маркетинг
🔹️ поддержка клиентов
🔹️ контент и маркетплейсы
🔹️ запись на услуги

Верю, что бизнес должен расти без постоянного участия владельца. Пишу здесь о том, как к этому прийти.

Полезное в канале:
〰️ Коммуникауюции с клиентами в 2026: что делегировать ИИ-агенту?
〰️ ИИ-навигатор – мой цифровой ассистент Ника, который подберёт ИИ-решение под вашу задачу
〰️ Чек-лист готовности к внедрению ИИ-агента
〰️ Чек-лист активации пользователей ИИ-продукта

Готовые ИИ-ассистенты на маркете:
🔹Классный оффер – формулирование предложений под контекст клиента (бесплатно)
🔹Цепкий креатив – поиск рекламных идей, которые запускают диалог

С чем работаю:
✔️ Диагностика и трекинг бизнеса
✔️ Анализ и построение бизнес-процессов
✔️ Внедрение ИИ-сотрудников

Написать мне: @an_tikhomirova

Чек-лист готовности к внедрению ИИ-агента для коммуникации с клиентами

ИИ — это как джун с феноменальной памятью, но полным отсутствием интуиции. Если вы не дали ему четких инструкций, он начнет импровизировать (и вам это не понравится).

Прежде чем инвестировать время в создание ИИ-сотрудника, проверьте свои процессы. Пройдите этот короткий чек-лист.

А ещё изучите:
🔹️11 шагов для активации пользователей ИИ-продукта

🔥 - если было полезно

Почему я создаю ИИ-агентов на Савви

Давайте разделю две вещи: модель и платформа. Модель – это мозг агента, он генерирует ответы. Платформа – это где агент создается, какие инструменты может использовать, с какими сервисами интегрируется. Западные модели мощнее – их и использую, а платформу для автоматизации процессов – российскую.

Российские платформы для создания ИИ-агентов позволяют настроить интеграции с другими отечественными системами и сервисами (CRM, хелпдески, системы бронирования, соцсети и мессенджеры, маркетплейсы), которых у западных нет.

Например: Савви недавно выкатила интеграцию с Max. Несколько кликов – и агент уже в мессенджере.

🔹️ Персональные данные клиентов хранятся на территории РФ, а в модель отправляются в маскированном виде – это ФЗ-152.
🔹️ Платформу не отключат из-за санкций или политики – риск, который игнорировать больше нельзя.

Для диалогового агента достаточно недорогой модели ChatGPT4.1. Версии помощнее имеет смысл подключать, если работаете в премиум-сегменте на высокий чек, где цена потери клиента существенно превышает стоимость токенов.

Если выбираете платформу для своего бизнеса – смотрите на свою техническую инфраструктуру и планы по ее развитию, куда агент должен подключаться и где хранятся данные ваших клиентов.

Что думаете – пробовали российские платформы или предпочитаете зарубежные?

Что происходит с агентом после запуска в прод

После нескольких диалогов с моим цифровым помощником поняла, что ситуация изменилась и агент отвечает не так, как задумывалось.
Обработка коротких ответов – один из самых сложных сценариев. Пользователь пишет два слова, а за ними может стоять десяток разных намерений. Без дополнительных уточнений – агент додумает за клиента.

Пользователи всегда найдут путь, который не запроектирован. В этом преимущество генеративного ИИ, его можно дообучить.
Вижу диалоги в админке - анализирую, вношу корректировки в логику агента: промт, база знаний, действия, подключаю подчинённых агентов.

Первые недели после запуска – это настройка под реальных клиентов: мониторинг диалогов, исправление формулировок, уточнение маршрутов, доработка тона. Это часть внедрения, нормальный рабочий процесс.

А дальше агент переходит в режим сопровождения: мелкие корректировки по запросу, обновление базы знаний при изменении продукта или цен, или на основе диалогов с клиентами.

Если меняется сам бизнес – новая услуга, новая воронка, новый канал – это уже отдельная разработка.

Какую задачу в бизнесе вы бы первой отдали ИИ-агенту?

ИИ ускоряет, но процесс работы не меняется. Знакомо?

65% организаций уже внедряют ИИ в ключевые процессы. При этом сам процесс работы может остаться прежним – меняется только скорость отдельных шагов. Это становится понятно, как только устаёшь копипастить из чат-бота в документ и обратно. Ускоряет – да. Местами – затягивает.

Но это лишь промежуточный уровень. ИИ встроенный в работу – с доступом к контексту, базе знаний, интеграцией с сервисами – вот целевое состояние. Не надстройка, а основа, вокруг которой всё строится заново.

Разбираться, как процесс устроен, и пересобирать так, чтобы ИИ работал по-настоящему – в этом мой интерес. Сейчас фокус на продажах.
🖇 Демо-бот – за пару часов.
🖇 Лид-магнит с аналитикой и визуалом – за день.
🖇 Чек-лист, две статьи, серия сторис, карусель – за вечер.
То, на что раньше уходили недели. И честно – к старому формату работы возвращаться уже не хочется.

А у вас ИИ уже встроен в процессы – или пока работает как отдельное окно?