Latest posts
Внутри AI | Кейсы ИИ Агентов в бизнесе
22 Sept, 10:17
Моя работа плохо ложится в трекеры. Поэтому её забрал AI-ассистентУ нашего Head of QA, Романа Авдонина, много задач, которые не оставляют следов в привычных трекерах. За день он может обновить матрицу грейдов, согласовать новый процесс, что-то доработать во внутреннем инструменте, провести несколько встреч. А раз в полгода проходит перформанс-ревью — и приходится по чатам, календарю и заметкам восстанавливать контекст. Раньше на такой квест уходило до двух дней.Вести рабочий журнал руками Роме не хотелось, поэтому он собрал под свою задачу AI-ассистента из Claude Code, Obsidian и markdown-файлов.Роман общается с Claude обычным текстом и рассказывает ему, чем занимался, а ещё закидывает транскрипты созвонов. Вся память хранится в markdown-файлах, Obsidian служит интерфейсом к ним, а привязки к конкретной модели нет. Ассистент раскладывает информацию по нужным разделам и запускаетВнутри AI | Кейсы ИИ Агентов в бизнесе
15 Sept, 08:40
Больше возможностей для работы с изображениями в Agent Platform▪️ Добавили топовые графические модели от ведущих провайдеров:— Google, Nano Banana 2: отличается высоким уровнем детализации, может создавать изображения в разрешении до 4K и точнее понимает контекст сложных запросов— OpenAI, GPT Image 2: корректно добавляет текст на изображения, стабильнее работает в сериях и генерирует реалистичный UI и скриншоты— Black Forest Labs, Flux.2: умеет делать фотореалистичные кадры и учитывает данные из открытых источников в реальном времениПолный список моделей смотрите в комментариях.▪️ Расширили функциональность для работы с изображениями. Теперь кроме анализа с помощью модели и генерации, доступно редактирование уже созданных иллюстраций через текстовое описание.Тестируйте обновления в Agent Platform и делитесь впечатлениямиВнутри AI | Кейсы ИИ Агентов в бизнесе
10 Sept, 08:08
Эпоха жирного SaaS заканчиваетсяЕщё лет пять назад мы жили так: нужна функциональность — ищешь подходящий инструмент, смотришь его возможности и решаешь, что в своих процессах переделать, с чем смириться, а что донаращивать надстройками и плагинами. И только после этого начинается работа.Классический пример — JIRA. Инструмент с кучей ограничений, вокруг которого вырос целый рынок плагинов, пытавшихся донастроить отсутствующую функциональность. В итоге получалось дорогое решение, прикрученное скотчем и верёвочкой: вроде работает, но каждая смена процесса — риск, что что-то отвалится или придётся докупать очередную надстройку.С приходом AI-инструментов для разработки скорость поставки решений выросла, а трудозатраты сократились. Появился ряд продуктов — в их числе моя OKRsana, — которые можно гибко настраивать под себя и запрашивать у поставщика кастомизации, если это по карману (аВнутри AI | Кейсы ИИ Агентов в бизнесе
8 Sept, 08:08
Разработали AI-поиск по сотням документов Level Group и получили точность ответов выше 90%В базе знаний девелопера хранится множество регламентов и инструкции по разным направлениям. При этом данные для ответа на один вопрос могут быть разбросаны сразу по нескольким источникам, объём информации растёт, появляются дубли и устаревшие документы. Всё это замедляет работу с базой знаний и отнимает время сотрудников.Чтобы инженеры и менеджеры быстрее получали точные ответы, мы вместе с командой Level Group запустили ИИ-ассистента. Обычно для ускорения поиска используют классический RAG, где система ищет фрагменты по семантической близости. Но для процессов в девелопменте у такого подхода есть ограничения: модель не видит связей между разрозненными чанками и теряет общий контекст.Для ИИ-ассистента Level Group мы спроектировали архитектуру на базе KTS AI Platform и подключили к нейВнутри AI | Кейсы ИИ Агентов в бизнесе
3 Sept, 08:08edited
Агенты и агентские автоматизацииВ прошлом посте писал про Spec-Driven Development, который даёт новый уровень абстракции в nocode-разработке. Теперь сузим скоуп и посмотрим на агентские автоматизации.Классический сценарий AI-агента — это чат для взаимодействия с пользователем. Сначала такие чатики практически ничего не умели и выступали в роли поисковиков и собеседников. Потом появились инструменты (MCP), которые подключают агента к внешним системам и позволяют выполнять действия. Но принцип оставался тем же: пользователь что-то попросил — ИИ сделал.Агентская автоматизация работает иначе. Она даёт возможность автономного запуска агентов и делает их полноценными участниками бизнес-процессов. По сути, это набор детерминированных шагов, внутри которого агенты выполняют действия и при необходимости обращаются к человеку за согласованием плана или подтверждением. Так называемый humanВнутри AI | Кейсы ИИ Агентов в бизнесе
1 Sept, 09:29
🔥 Вместе с Selectel собрали коллег на встречу «ИИ-шашлыки: Well done. Доводим AI до окупаемости»Своим опытом поделились Александр Опрышко, управляющий партнёр KTS, и Владислав Кирпинский, директор направлений облачной интеграции Selectel. Вместе обсудили:💬 сценарии автоматизации поверх базы знаний 💬 выбор инфраструктуры для AI-решения: облако, изоляция или on-prem 💬 переход от RAG к фабрике агентов и окупаемость ИИ на масштабеБыло много инсайтов, интересных знакомств и жарких дискуссий. А атмосферу встречи лучше покажут фотографии — листайте, чтобы узнать, как это было 👀
Внутри AI | Кейсы ИИ Агентов в бизнесе
20 Aug, 13:33
MCP для Яндекс Трекера пробил 100 звёзд на GitHub⭐️Когда-то давно мы сделали сервер для собственных процессов: с ним AI-ассистенты создают и обновляют задачи, дополняют описания, оставляют комментарии и фиксируют затраты времени прямо в Трекере.Потом открыли код на GitHub. И теперь видим больше 100 звёзд и радуемся, что инструмент пригодился и другим командам.К первой сотне выпустили обновление 0.8.0. Главное изменение: MCP научился работать с проектами, портфелями и целями. Добавили 39 инструментов для поиска, создания, обновления и удаления этих сущностей, а также работы с комментариями.Теперь агенту можно поручить создать проект, обновить статус цели или собрать информацию по портфелю. Меньше данных придётся переносить вручную между AI-ассистентом и Трекером.В релизе есть и другие изменения. Полный список собрали в changelog.Спасибо всем, кто пользуется сервером, ставит
Внутри AI | Кейсы ИИ Агентов в бизнесе
19 Aug, 08:08
Какие процессы можно автоматизировать поверх корпоративной базы знаний от KTS × SelectelИИ-поиск помогает сотрудникам быстрее находить и проверять информацию. Следующий уровень работы с корпоративными знаниями — автоматизированные цепочки под конкретные процессы компании.Решение KTS и Selectel можно использовать для различных сценариев:— подготовки черновиков документов; — проверки отчётной документации; — контроля контрактов с поставщиками; — мониторинга рисков; — поиска аналогов неисправностей; — поддержки сотрудников по вопросам техники безопасности и обслуживания оборудования.Такие цепочки сокращают ручную работу в регламентированных операциях и ускоряют подготовку и согласование документов.В совместном решении KTS отвечает за платформенный слой: мы разрабатываем ассистентов на базе собственного решения AI Platform. Настраиваем RAG (Retrieval-Augmented Generation),Внутри AI | Кейсы ИИ Агентов в бизнесе
14 Aug, 08:08edited
Запустили AI-ассистента для ФК «Динамо» МоскваФК «Динамо» Москва — один из самых известных футбольных клубов России с большой аудиторией болельщиков. У клуба много информационных поводов, а у пользователей регулярно возникают повторяющиеся вопросы: когда следующий матч, где купить билеты, что нового в команде, какие товары доступны в магазине.Чтобы быстрее обрабатывать такие запросы и снизить нагрузку на поддержку, мы запустили для ФК «Динамо» Москва AI-ассистента. Он уже работает в онлайн-чате на сайте и во внутреннем портале для болельщиков.Ассистент помогает подобрать товары в интернет-магазине, рассказывает новости, показывает расписание матчей, объясняет, как купить билеты, и предоставляет статистику по игрокам.Решение разработали за несколько дней на собственной платформе AI Assistant. Агент интегрирован с внутренними системами ФК «Динамо» Москва, поэтому получаетВнутри AI | Кейсы ИИ Агентов в бизнесе
13 Aug, 13:44
KTS × Selectel создали ИИ-поиск для компаний, где каждый ответ нужно подтвердить документомВ строительстве, производстве, добывающей отрасли и финансах сотрудники работают с большими массивами регламентов, ГОСТов и внутренних документов. При подготовке отчёта, прохождении проверки или аудита данные приходится искать в нескольких системах и сверять с первоисточниками. На это может уходить до нескольких часов в день.Совместное решение KTS и Selectel помогает значительно сократить время поиска информации. Сотрудник задаёт вопрос на естественном языке и получает структурированный ответ со ссылкой на документ и конкретную страницу.Также ассистент умеет:— подключаться к wiki, СЭД, файловым хранилищам и нормативным источникам; — суммаризировать длинные документы; — выделять тезисы, обязательства и риски; — экспортировать ответы в Word и PDF; — учитывать права пользователей черезВнутри AI | Кейсы ИИ Агентов в бизнесе
12 Aug, 10:37
forwarded from @kod_v_kaske
Покупатели часто выбирают квартиры вечером, ночью или в выходные, когда отдел продаж не на связи. Если в этот момент клиент не получает быстрый ответ на вопрос, его интерес остывает.Мы запустили ИИ-ассистента для девелоперов, который помогает сохранить конверсию воронки продаж и разгрузить менеджеров.🟢 Ассистент круглосуточно консультирует пользователей, подбирает подходящие лоты по свободному запросу и переводит диалог в запись на просмотр, когда клиент готов. 🟢 Покупатели, которые еще не готовы к разговору с отделом продаж, могут задать вопросы о проекте, ценах и условиях, не опасаясь навязчивых звонков. 🟢 Первичные справочные диалоги ассистент берет на себя, поэтому менеджер подключается сразу к разговору с теплым клиентом.😎 Подключим ассистента
Внутри AI | Кейсы ИИ Агентов в бизнесе
4 Aug, 08:07
Как ИИ работает в девелопменте: 8 практических сценариевДевелоперы накапливают огромные объёмы информации: регламенты, проектную документацию, BIM-отчёты, записи звонков и переписки в CRM. Эти данные находятся в разрозненных источниках, поэтому ручной поиск отнимает время. Сотрудники тонут в операционке, а решения принимаются медленнее.Ускорить работу с данными и автоматизировать частотные операции, помогают AI-решения. Наш опыт показывает, что большинство прикладных сценариев внедрения строятся на двух механиках:▫️ анализ базы знаний и контекстный поиск по корпоративным источникам; ▫️ генерация текстовых и визуальных материалов на основе реальных данных компании.В статье показали 8 рабочих сценариев, для трёх основных этапов: продажи и маркетинг, строительство и эксплуатация.Например, AI-ассистент во время разговора подсказывает менеджеру ответы по ипотеке и юридическимВнутри AI | Кейсы ИИ Агентов в бизнесе
30 Jul, 08:07
Nocode умер, да здравствует nocodeВсю дорогу разработчики пытались упрощать создание программ. Начинали с Assembler, с каждым новым языком программирования повышали уровень абстракции, создавали библиотеки / фреймворки для упрощения и ускорения разработки.В итоге мы дошли от Assembler до Python, Go, TypeScript и других языков. Попытались пойти дальше и сделать инструменты nocode — ещё одну абстракцию, которая позволит создавать системы не программистам.В итоге получали очень нишевый инструмент автоматизации или очередной язык программирования мышкой с проблемами версионируемости и наблюдаемости. Характерный пример — n8n. Кто на нём пытался собрать что-то больше прототипа, неизбежно сталкивался с множеством проблем, которые решались большими костылями.С приходом кодинговых агентов целесообразность в ноукоде драматически упала: агенты кратно лучше работают с кодом, чем сВнутри AI | Кейсы ИИ Агентов в бизнесе
24 Jul, 10:43
forwarded from @kod_v_kaske
Про ИИ говорят много. Про то, где он реально помогает девелоперам — значительно меньше.На карточках собрали конкретные сценарии, которые уже используют наши клиенты: с форматом и ожидаемым эффектом. Большинство из них запускается на базе того, что у девелопера уже есть: внутренние документы, регламенты, данные из CRM.💬 Листайте и оставляйте заявку, чтобы связаться с нашим экспертом и обсудить внедрение ИИ в вашей компании
Внутри AI | Кейсы ИИ Агентов в бизнесе
16 Jul, 11:07
ИИ вне разработкиВ прошлых постах много писал про разработку. А что поменялось в процессах других команд?Сегодня поговорим про эволюцию отдела продаж. За последние несколько месяцев попробовали много инструментов.Начиналось всё, думаю, как и у всех, с того, что сейлзы начали использовать нейро-инструменты. Например, пробовали обсуждать с ChatGPT свои сделки. Сами лиды при этом лежат в CRM, сметы считаются в таблицах, КП готовится в Фигме, а процесс выработки решения довольно сложный и состоит из встреч с партнёрами, клиентом, технической командой и т. д.Когда сейлзы начали использовать ИИ-инструменты, это, как и в случае с разработкой, ускорило работу и сделало её местами более качественной за единицу времени. Но это всё ещё не кратное ускорение / улучшение.Мы смогли продвинуться чуть дальше. Но сначала нужно понять классические проблемы отдела продаж (не только наших).Внутри AI | Кейсы ИИ Агентов в бизнесе
14 Jul, 09:07
Как управлять LLM в закрытом контуре и не потерять контроль над безопасностью и бюджетомЗавершаем обзор AI Platform. Сегодня разберём фундамент всего стека — LLM-платформу.Обычно для решения разных задач одной модели недостаточно. Для части запросов нужен уровень качества мировых SOTA. В других задачах критически важно обрабатывать чувствительную информацию локально. В промышленной эксплуатации используются десятки LLM. У них могут быть разные размеры, расположение в контурах и типы обрабатываемых данных.LLM-платформа позволяет контролировать безопасность и бюджет на уровне инфраструктуры. Это единый OpenAI-совместимый шлюз, который входит в реестр российского ПО.Встроенный ПДн-роутер распределяет запросы на основании содержимого и политик безопасности заказчика:▪️ локальная инфраструктура — персональные и конфиденциальные данные, чувствительные задачи ▪️ в российские облака —Внутри AI | Кейсы ИИ Агентов в бизнесе
10 Jul, 08:58
Монорепы на пути к AI SDLCВ прошлом посте рассказывал про то, как мы перенесли документацию в гит и сделали удобный инструмент согласования бизнес-требований с заказчиками.Следующий шаг «сближения» данных и сбора общего контекста для разработчиков и агентов — создание монорепы / общего воркспейса с несколькими репозиториями у проекта.Классическая картинка выглядит так: есть репа с бекендом, есть с фронтендом, и еще несколько вспомогательных реп на какие-то смежные сервисы.Сама структура репозиториев не позволяет одним коммитом добавить функционал: нужно, например, сделать бек, потом фронт, а часто это еще и разные специалисты и разные задачи в трекере, за синхронизацией которых между собой следят менеджеры и тимлиды.Это очевидная точка оптимизации на пути к AI SDLC. Если я могу (утрированно) сгенерить код фронта за час, но мне нужно ждать целый день, чтобы его передатьВнутри AI | Кейсы ИИ Агентов в бизнесе
7 Jul, 09:22
Безопасно ли запускать AI-агента на корпоративных данных?Продолжаем разбирать AI Platform для закрытого контура. В прошлый раз рассказали, как агентская платформа ускоряет создание агентов в десятки раз. Сегодня поговорим о работе с базами знаний.Корпоративные данные — один из основных барьеров внедрения AI в enterprise. Компании хотят их контролировать, поэтому требуют создавать контуры индексации на базе собственной инфраструктуры. Для этого нужны готовые решения по работе с структурированными (базами, таблицами) и неструктурированными данными (PDF-документами).Платформа данных устраняет этот барьер. Мы встроили в неё 6 инструментов для разных типов запросов с проверкой на качество и безопасность данных:▪️ Парсинг PDF с таблицами, схемами и сложными структурами, поддержка работы с DOCX, PPTX, XLS. ▪️ Классический RAG — гибридный поиск: BM25 + векторный. Подходит для быстрогоВнутри AI | Кейсы ИИ Агентов в бизнесе
3 Jul, 12:33
👀 Новые модели в Agent PlatformХорошая новость для тех, кто тестирует разные LLM под агентские сценарии, внутренние ассистенты, работу с текстом и изображениями. Недавно добавили несколько новых моделей:Новые модели Anthropic: — anthropic/claude-fable-5 нашумевшая fable-5 — anthropic/claude-sonnet-5 для задач, где важны качество ответа, работа с контекстом и сложными инструкциями.Новые опенсорсные модели, которые показывают хорошие результаты в кодировании, с хостингом в РФ у нашего партнера Cloud.ru: — cloudru/MiniMaxAI/MiniMax-M3 — cloudru/zai-org/GLM-5.2Новая модель для работы с изображениями: — google/gemini-3.1-flash-lite-imageЗаходите в Agent Platform протестироватьВнутри AI | Кейсы ИИ Агентов в бизнесе
2 Jul, 08:06
Сегодня студенты живут свою лучшую жизнь…... потому что им помогают AI-агентыОбычно подготовка научной или дипломной работы начинается с попыток сформулировать тему и часов поиска подходящей литературы. Для ДВФУ и РАНХиГС мы разработали AI-агента, который выдаёт готовую основу для исследования за минуты.Вместе с командой ГигаЧат реализовали проект за 3 недели: спроектировали инфраструктуру, настроили RAG и векторизовали 200 000 книг из библиотечных фондов.По запросу пользователя агент подбирает источники из базы знаний и передаёт их в LLM. Модель ГигаЧата суммаризирует данные и генерирует ответ с формулировками темы, структурой научной работы и списком литературы.Так за один короткий запрос студент получает всё необходимое для начала исследования без привлечения научного руководителя.🤨 Этот проект показывает, как AI-решения на основе RAG
Related Channels
Other channels in the same section of the catalogue.
