Кейс 01 · AI-агент
Product Compliance Agent
Агент отвечает на вопросы о нормативных требованиях — и каждый ответ берёт из реальных документов. Сейчас в базе законы Испании, Италии и Германии и общеевропейские правила минимизации данных.
К каждому ответу агент прикладывает ссылку: какая версия документа, какой раздел. Если по нужной стране и ситуации в базе ничего нет, он так и пишет: «В базе документов этого нет». Правдоподобный ответ он не сочиняет — это прописано в его правилах, и обойти их он не может.
Зачем это бизнесу
Возьмём систему, в которой отели ведут данные гостей. Одна из её функций — соблюдать закон: собрать данные и передать их в полицию. Но «собрать и передать» в каждой стране означает своё. Где-то нужен один набор полей, где-то другой. Где-то обязательна электронная подпись, где-то нет.
Дороже всего обходится объяснить, почему всё устроено именно так. В отель приходит полиция и выписывает штраф: вы собираете лишнее, хватит номера паспорта, гражданство спрашивать не нужно. Отель идёт к поставщику ПО. Там кто-то садится и выискивает нужные пункты закона. Оказывается, в другом разделе того же документа написано: данные собирают только об иностранцах, а не о гражданах страны. А чтобы понять, иностранец ли гость, без вопроса о гражданстве не обойтись. Все выдыхают. На следующий день то же самое происходит с другим отелем в другой стране.
Каждый такой случай — это часы работы человека, который держит всю картину в голове. И такой человек на всю компанию один.
Есть и вторая сторона — продажи и поддержка. Продукт большой: функции, интеграции, спецификации, законы нескольких стран. Документация написана и лежит в доступе, но коллеги всё равно идут к тому же эксперту: он быстрее найдёт нужный пункт. А на встрече с клиентом компания расплачивается репутацией: клиент спрашивает про интеграцию с сервисом X, а менеджер по продажам переспрашивает, что это такое.
Тут пригодился бы такой же бот, только с другой базой: вместо законов — продуктовая документация, спецификации, описания интеграций, тарифы и история релизов. С источниками он работает так же: показывает, откуда взял ответ, а если ответа нет, так и говорит. Продажам это особенно важно: уверенный неверный ответ клиенту стоит дороже, чем «уточню и вернусь». Два главных сценария:
- У меня встреча с клиентом: собери всё, что ему может пригодиться, и объясни, как работают эти услуги.
- Пришёл запрос от клиента: проверь, закрывает ли его наш продукт.
Что можно улучшить
Вместо поиска в интернете — база, которую ведут специалисты. Даже дорогие модели с веб-поиском собирают ответ из случайных страниц выдачи. Для комплаенса этого мало. Нужна база с версиями документов и датами вступления в силу, а за её содержание должен отвечать юрист.
Логи запросов. Если сохранять вопросы, через месяц станет видно, что людям непонятно, где они застревают и каких разделов не хватает в документации. Так появляется ещё один продукт — аналитика для того, кто отвечает за обучение продаж и за саму документацию.
Похожий проект я делала ещё на заре GPT-ассистентов — чат-бота для продаж в интернет-магазинах. Бот работал, но токены стоили слишком дорого, и запускать его не стали. С тех пор экономика изменилась, а задача осталась. Мне интересно и дальше работать там, где сходятся бизнес, контент и AI.