Как заменить поддержку и продажи в интернет-магазинах?
Посмотрел прошлые наборы в Y Combinator и нашел этих ребят. Nara продает AI-агента для интернет-магазинов.
Агент работает как сотрудник чата: отвечает клиентам, помогает выбрать товар, отслеживает заказы, делает возвраты и доводит человека до покупки. Все это он делает круглые сутки) При этом агент работает сразу во всех каналах: на сайте, в мессенджере, по email и т.п.
Почему это важно?
По их оценке, бизнес теряет 20%+ продаж просто из-за медленных ответов. Получается что клиент пишет, ждёт и уходит к конкуренту не дождавшись ответа.
ИИ решает эту проблему. Вместо человека, появляется агент, который работает постоянно.
Стартап утверждает что до 70% типовых запросов в поддержку закрывается AI. Кроме этого агент работает как:
— продавец и лид-квалификатор
— ассистент по сервису
Но форкус все равно на customer support.
AI-саппорт кажется что один из самых понятных и быстрых сценариев внедрения ИИ в бизнес.
Поставил виджет на сайт и сразу видно эффект.
---
Как это решение может выглядеть с наших реалиях?
AI-продавец живет в Telegram/Max, подключён к Bitrix24 и 1С.
Клиент пишет в чат магазина -- есть куртка размера L?
- AI смотрит остатки, отвечает, предлагает альтернативы, может даже подобрать похожий товар
Если клиент спрашивает про статус заказ:
- AI вытягивает данные из CRM, показывает статус доставки, номер отправления, прогноз срока доставки
Если клиент сомневается:
- AI может задать уточняющие вопросы и довести диалог до покупки
Если запрос сложный (например конфликт или возврат), AI не заменяет человека, а передаёт диалог оператору с уже собранным контекстом.
Посмотрел прошлые наборы в Y Combinator и нашел этих ребят. Nara продает AI-агента для интернет-магазинов.
Агент работает как сотрудник чата: отвечает клиентам, помогает выбрать товар, отслеживает заказы, делает возвраты и доводит человека до покупки. Все это он делает круглые сутки) При этом агент работает сразу во всех каналах: на сайте, в мессенджере, по email и т.п.
Почему это важно?
По их оценке, бизнес теряет 20%+ продаж просто из-за медленных ответов. Получается что клиент пишет, ждёт и уходит к конкуренту не дождавшись ответа.
ИИ решает эту проблему. Вместо человека, появляется агент, который работает постоянно.
Стартап утверждает что до 70% типовых запросов в поддержку закрывается AI. Кроме этого агент работает как:
— продавец и лид-квалификатор
— ассистент по сервису
Но форкус все равно на customer support.
AI-саппорт кажется что один из самых понятных и быстрых сценариев внедрения ИИ в бизнес.
Поставил виджет на сайт и сразу видно эффект.
---
Как это решение может выглядеть с наших реалиях?
AI-продавец живет в Telegram/Max, подключён к Bitrix24 и 1С.
Клиент пишет в чат магазина -- есть куртка размера L?
- AI смотрит остатки, отвечает, предлагает альтернативы, может даже подобрать похожий товар
Если клиент спрашивает про статус заказ:
- AI вытягивает данные из CRM, показывает статус доставки, номер отправления, прогноз срока доставки
Если клиент сомневается:
- AI может задать уточняющие вопросы и довести диалог до покупки
Если запрос сложный (например конфликт или возврат), AI не заменяет человека, а передаёт диалог оператору с уже собранным контекстом.
1👍3🔥2❤1
Код за токены (деньги) - 10 месяцев спустя 🎥
Мы тут были заняты другими делами и было не до подкаста. Но столько всего происходит вокруг что обязательно надо было это обсудить. Ну мы и обсудили.
ЮТУБ - РУТУБ - ВК-ВИДЕО
В этом выпуске - Вадим Митякин: методолог, консультант, автор книг и концепций.
Что мы обсудили:
1. Как искуственный интеллект меняет нашу жизнь и наш бизнес.
2. Что делать и что не делать агентствам прямо сейчас. Куда бежать, чем заниматься.
3. Станет ли код бесплатным.
4. Надо ли строить второй EPAM и если не это, то что надо делать.
5. Что же это за треугольник на обложке его книги))
Много по делу, немного не по делу - в общем, как всегда.
Книга «Метод параноика» – https://mityakin.com
Мы тут были заняты другими делами и было не до подкаста. Но столько всего происходит вокруг что обязательно надо было это обсудить. Ну мы и обсудили.
ЮТУБ - РУТУБ - ВК-ВИДЕО
В этом выпуске - Вадим Митякин: методолог, консультант, автор книг и концепций.
Что мы обсудили:
1. Как искуственный интеллект меняет нашу жизнь и наш бизнес.
2. Что делать и что не делать агентствам прямо сейчас. Куда бежать, чем заниматься.
3. Станет ли код бесплатным.
4. Надо ли строить второй EPAM и если не это, то что надо делать.
5. Что же это за треугольник на обложке его книги))
Много по делу, немного не по делу - в общем, как всегда.
Книга «Метод параноика» – https://mityakin.com
YouTube
Код за деньги #19 — Вадим Митякин | Что делать агентствам, когда ИИ будет писать код за ноль рублей
«Код за деньги» — подкаст о цифровом бизнесе в России.
Ведущие — Эд Хорьков и Андрей Лебедев, основатели студии КОД9.
Подписывайтесь на тг-канал Эда: https://t.me/ed_code9
и на тг-канал КОД9: https://t.me/code9studio
В гостях подкаста «Код за деньги»…
Ведущие — Эд Хорьков и Андрей Лебедев, основатели студии КОД9.
Подписывайтесь на тг-канал Эда: https://t.me/ed_code9
и на тг-канал КОД9: https://t.me/code9studio
В гостях подкаста «Код за деньги»…
1❤4👍3🔥3
2603.05344v1.pdf
23.2 MB
Архитектура AI-агентов: учимся у тех, кто уже поймал все проблемы
1. Если вы как и мы делаете AI-агентов - вы точно знаете что после 15-20 вызовов инструментов начинается тупняк и агент забывает свои собственные инструкции и/или съедает весь контекст и/или зацикливается на одном и том же действии.
2. Большинство эти проблемы уже решены в кодинг-агентах. Клодкод, Курсор, и т.п. — это самые плюс минус зрелые и рабочие агенты на рынке сейчас.
3. К счастью, по некоторым из них есть прям пишут научной статьи. OpenDev — это open-source кодинг-агент, документна 80 страниц):
Я конечно целиком не прочитал, но с помощью LLM прочитал.
Какие подходы описаны:
— Разные модели под разные задачи. Дешёвая для суммаризации, дорогая для логики, отдельная для рассуждений.
— Контекст — это бюджет. Вызов тулов съедают 70-80% окна. Поэтому 5-стадийное сжатие. Детали ищите в статье.
— Планировщик-агент не знает что write-инструменты существуют. Разделение ответственности.
— Точечные напоминания вместо повторения системного промта. После 15 вызовов тула модель забывает инструкции.
— Инструменты подгружаются лениво. Вместо загрузки всех MCP-схем в контекст, агент ищет нужные по ключевым словам.
— Doom-loop detection: 3 одинаковых вызова подряд - значит тормозим агента и задаем вопрос пользователю.
Всё это применимо к любым агентам, не только кодинговым. Управление контекстом, затухание инструкций, зацикливание - это универсальная боль.
Советую грузить PDF в своего любимого дружбана и там с ним изучать его.
Оригинал: https://arxiv.org/abs/2603.05344
1. Если вы как и мы делаете AI-агентов - вы точно знаете что после 15-20 вызовов инструментов начинается тупняк и агент забывает свои собственные инструкции и/или съедает весь контекст и/или зацикливается на одном и том же действии.
2. Большинство эти проблемы уже решены в кодинг-агентах. Клодкод, Курсор, и т.п. — это самые плюс минус зрелые и рабочие агенты на рынке сейчас.
3. К счастью, по некоторым из них есть прям пишут научной статьи. OpenDev — это open-source кодинг-агент, документна 80 страниц):
Я конечно целиком не прочитал, но с помощью LLM прочитал.
Какие подходы описаны:
— Разные модели под разные задачи. Дешёвая для суммаризации, дорогая для логики, отдельная для рассуждений.
— Контекст — это бюджет. Вызов тулов съедают 70-80% окна. Поэтому 5-стадийное сжатие. Детали ищите в статье.
— Планировщик-агент не знает что write-инструменты существуют. Разделение ответственности.
— Точечные напоминания вместо повторения системного промта. После 15 вызовов тула модель забывает инструкции.
— Инструменты подгружаются лениво. Вместо загрузки всех MCP-схем в контекст, агент ищет нужные по ключевым словам.
— Doom-loop detection: 3 одинаковых вызова подряд - значит тормозим агента и задаем вопрос пользователю.
Всё это применимо к любым агентам, не только кодинговым. Управление контекстом, затухание инструкций, зацикливание - это универсальная боль.
Советую грузить PDF в своего любимого дружбана и там с ним изучать его.
Оригинал: https://arxiv.org/abs/2603.05344
👍5
Бизнес-завтрак №3
20 марта, 10:10
Собираемся там же: Рихтер, Пятницкая 42.
Собираемся так же: небольшой круг, живое общение, разговоры по делу.
Формат тот же: без презентаций, разговор о том, что происходит в бизнесе. Что работает, что нет, где помогает ИИ, а где пока только мешает.
На прошлой встрече обсудили:
- как ИИ помогает с рутиной в коммуникациях
- архивы корп документов лежат мертвым грузом и что с этим делать
- риски чат-ботов без гардрейлов
- зачем бизнесу хранилище знаний по каждому проекту и где там ИИ
Если хотите присоединиться — пишите в личку @edcode9
(фотки с прошлого БЗ)
20 марта, 10:10
Собираемся там же: Рихтер, Пятницкая 42.
Собираемся так же: небольшой круг, живое общение, разговоры по делу.
Формат тот же: без презентаций, разговор о том, что происходит в бизнесе. Что работает, что нет, где помогает ИИ, а где пока только мешает.
На прошлой встрече обсудили:
- как ИИ помогает с рутиной в коммуникациях
- архивы корп документов лежат мертвым грузом и что с этим делать
- риски чат-ботов без гардрейлов
- зачем бизнесу хранилище знаний по каждому проекту и где там ИИ
Если хотите присоединиться — пишите в личку @edcode9
(фотки с прошлого БЗ)
Это я был на закрытой встреча в AIRI - институте искусственного интеллекта. Слушал как правильно делать агентов.
Сейчас я уже дома
Сейчас я уже дома
🔥3
Индивидуальный ИИ это не корпоративный ИИ
В эту пятницу на бизнес-завтраке обсудим, как нам построить новый завод
Когда я/вы начинаем пользоваться ЧатГПТ или Клодом - мы типа становимся продуктивнее.
Но компания от этого не становятся продуктивнее или лучше. Проблема в том, что индивидуальный ИИ (который у нас есть сейчас) и корпоративный ИИ (который мы еще придумываем) — это разные вещи.
Какие ключевые отличия?
— Координация
Компания из 100 человек с ChatGPT — это сто агентов, которые двигаются в разные стороны. Корпоративный ИИ нужен чтобы они двигались в одну.
— Сигнал или шум
С ИИ мы можем создавать кучу контента (шума). Корпоративный ИИ должен находить в этих горах то единственное, что важно.
— Объективность
ЧатГПТ/Клод скажет тебе что ты абсолютно прав даже когда ты не прав. Корпоративный ИИ должен уметь говорить нет.
— Специализация.
Корпоративный ИИ будет специализирован под конкретную задачу, а не делать все подряд как текущие модели.
— Выручка а не экономия времени
Большинство ИИ-продуктов продают экономию времени. Корпоративный ИИ должен генерировать доход.
— Автономность
Самый ценный ИИ — тот, который находит риск до того, о чем вообще никто не подумал.
Аналогия из статьи:
- в 1890-х заводы поставили электромоторы вместо паровых.
- 30 лет был почти нулевой прирост производительности.
- Только в 1920-х, когда полностью перестроили сам завод под электричество, пошёл результат.
Мы сейчас в 1900 году. Электричество есть а завод старый.
Когда я/вы начинаем пользоваться ЧатГПТ или Клодом - мы типа становимся продуктивнее.
Но компания от этого не становятся продуктивнее или лучше. Проблема в том, что индивидуальный ИИ (который у нас есть сейчас) и корпоративный ИИ (который мы еще придумываем) — это разные вещи.
Какие ключевые отличия?
— Координация
Компания из 100 человек с ChatGPT — это сто агентов, которые двигаются в разные стороны. Корпоративный ИИ нужен чтобы они двигались в одну.
— Сигнал или шум
С ИИ мы можем создавать кучу контента (шума). Корпоративный ИИ должен находить в этих горах то единственное, что важно.
— Объективность
ЧатГПТ/Клод скажет тебе что ты абсолютно прав даже когда ты не прав. Корпоративный ИИ должен уметь говорить нет.
— Специализация.
Корпоративный ИИ будет специализирован под конкретную задачу, а не делать все подряд как текущие модели.
— Выручка а не экономия времени
Большинство ИИ-продуктов продают экономию времени. Корпоративный ИИ должен генерировать доход.
— Автономность
Самый ценный ИИ — тот, который находит риск до того, о чем вообще никто не подумал.
Аналогия из статьи:
- в 1890-х заводы поставили электромоторы вместо паровых.
- 30 лет был почти нулевой прирост производительности.
- Только в 1920-х, когда полностью перестроили сам завод под электричество, пошёл результат.
Мы сейчас в 1900 году. Электричество есть а завод старый.
www.a16z.news
Institutional AI vs Individual AI
Where did the productivity go?
1🔥4❤2💯2
Проблема последней мили
По моим постам дорогой читатель уже понял, что сфера моих интересов - это ИИзация бизнеса.
На эту тему вышла крутая статья от HBS, где описывается опыт внедрения AI в организации: pilot-rich but transformation-poor - много пилотов но мало трансформации.
И проблема не в агентах и не в моделях, а (к сожалению) в архитектуре/структуре организаций.
Какие основные проблемы:
- Нету понятного пути от пилота с масштабному внедрению. Один банк внедрил 250 приложений на базе ИИ, но никакого результата на уровне всего бизнеса это не привело.
- Хрупкие/устаревшие процессы. Накладываем AI на старые процесс и ничего не происходит. Нужно редизайнить весь процесс чтобы был результат.
- (Мое любимое) Экспертиза организации живет в головах у специалистов а не в документах. Более того - специалисты часто бояться делиться этой экспертизой, чтобы не лишиться работы.
- Human-in-the-loop становится проблемой, когда агентов сотки.
- Зоопарк из enterprise-система с которыми нужно работать агентом сильно затрудняет внедрение.
Итого - чтобы все получилось нужно менять структуру организации, оцифровывать экспертизу, воспринимать агентов как сотрудников (онбоардить их, ставить KPI и т.д.)
—-
Мы сейчас работаем над ИИ-трансформацией маркетингового агентства в том числе использую принципы, описанные в данной статье. Если у вас есть подобная задачи - пишите мне.
По моим постам дорогой читатель уже понял, что сфера моих интересов - это ИИзация бизнеса.
На эту тему вышла крутая статья от HBS, где описывается опыт внедрения AI в организации: pilot-rich but transformation-poor - много пилотов но мало трансформации.
И проблема не в агентах и не в моделях, а (к сожалению) в архитектуре/структуре организаций.
Какие основные проблемы:
- Нету понятного пути от пилота с масштабному внедрению. Один банк внедрил 250 приложений на базе ИИ, но никакого результата на уровне всего бизнеса это не привело.
- Хрупкие/устаревшие процессы. Накладываем AI на старые процесс и ничего не происходит. Нужно редизайнить весь процесс чтобы был результат.
- (Мое любимое) Экспертиза организации живет в головах у специалистов а не в документах. Более того - специалисты часто бояться делиться этой экспертизой, чтобы не лишиться работы.
- Human-in-the-loop становится проблемой, когда агентов сотки.
- Зоопарк из enterprise-система с которыми нужно работать агентом сильно затрудняет внедрение.
Итого - чтобы все получилось нужно менять структуру организации, оцифровывать экспертизу, воспринимать агентов как сотрудников (онбоардить их, ставить KPI и т.д.)
—-
Мы сейчас работаем над ИИ-трансформацией маркетингового агентства в том числе использую принципы, описанные в данной статье. Если у вас есть подобная задачи - пишите мне.
Harvard Business Review
The “Last Mile” Problem Slowing AI Transformation
Few companies have been able to fundamentally change their operating and business models around AI. The primary obstacle to progress is rarely model quality or data availability, but rather the “last mile” of transformation where technical capability must…
1❤3🔥3👍1
ИИ в медицине
На полях Телемедфорума в Сколково сегодня я буду стоять возле нашего розового🌸 ролл-апа и отвечать на вопросы про искусственный интеллект🦾.
Приходите пообщаться. Регистрация кстати бесплатная. Я буду ближе к 15 часам.
На полях Телемедфорума в Сколково сегодня я буду стоять возле нашего розового🌸 ролл-апа и отвечать на вопросы про искусственный интеллект🦾.
Приходите пообщаться. Регистрация кстати бесплатная. Я буду ближе к 15 часам.
❤7🔥6👍4
Клод Дизайн
У нас в CRM9 есть UI Kit базовый.
Загрузил наш текущий код и этот UI KIt в Клод Дизайн, сделай мне мол дизайн систему.
Клод долго думал, окончательно исчерпал все лимиты. На дизайн систему оч слабо похоже.
Работаем дальше
У нас в CRM9 есть UI Kit базовый.
Загрузил наш текущий код и этот UI KIt в Клод Дизайн, сделай мне мол дизайн систему.
Клод долго думал, окончательно исчерпал все лимиты. На дизайн систему оч слабо похоже.
Работаем дальше
Сделал свой первый скилл
Спойлер: вайбкодинг-контент ниже
Если вы работаете много с PostgreSQL и/или Supabase, то можете часто ловить проблемы с RLS - Row Level Security. На Insert политика есть, а на Update - нету и т.п.
Сделай специальный скилл для ауйдита RLS-политик на проекте, проверяет ваш RLS, приоретизирует проблему и говорить как их исправить.
https://github.com/ekhorkov/rls-audit
ставится так
Если вы работаете много с PostgreSQL и/или Supabase, то можете часто ловить проблемы с RLS - Row Level Security. На Insert политика есть, а на Update - нету и т.п.
Сделай специальный скилл для ауйдита RLS-политик на проекте, проверяет ваш RLS, приоретизирует проблему и говорить как их исправить.
https://github.com/ekhorkov/rls-audit
ставится так
/plugin marketplace add ekhorkov/rls-audit
/plugin install rls-audit@ekhorkov-rls-audit
GitHub
GitHub - ekhorkov/rls-audit: Claude Code skill for auditing RLS policies in PostgreSQL/Supabase
Claude Code skill for auditing RLS policies in PostgreSQL/Supabase - ekhorkov/rls-audit
1❤2
Провел страт-сессию по ИИ-трансформации бизнеса
Последние месяцы я собирал свою структуру для таких сессий - из чего собирал:
1. страт-сессии, где я сам был участником и мог изнутри посмотреть как все происходит и как принимаются решения.
2. наш опыт в КОД9 внедрения ИИ в бизнес - в свои и в клиентский - где-то работало, где-то не работало и не обязательно проблема была в технологиях;
3. Исследования Harward Business Review и подобные - почему компании делают пилоты которые не доходят до операционного внедрения.
В итоге стало понятно., что проблема не в модельках, а в том что часто не понятно откуда нужно начинать ИИ-автоматизацию и как к ней правильно подходить, какие роли должны быть в процессе и кто за что должен отвечать. Модельки уже достаточно умные (и продолжают умнеть каждые 3-4 месяца), теперь нам нужно научиться их правильно готовить.
Сессия была в компании которая занимается serm-оптимизиций. Первым процессом выбрали срез инфополя — сбор поисковой выдачи, карт, разных источников и первичный анализ тональности и наметили следующие процессы которые можно перевести на иишку, какие роли нужно сформировать внутри и какие задачи нужно сделать в ближайший месяц. Получился такой контур стратегии по внедрению ИИ в бизнес.
Методологию собрал, дальше буду ее докручивать
Последние месяцы я собирал свою структуру для таких сессий - из чего собирал:
1. страт-сессии, где я сам был участником и мог изнутри посмотреть как все происходит и как принимаются решения.
2. наш опыт в КОД9 внедрения ИИ в бизнес - в свои и в клиентский - где-то работало, где-то не работало и не обязательно проблема была в технологиях;
3. Исследования Harward Business Review и подобные - почему компании делают пилоты которые не доходят до операционного внедрения.
В итоге стало понятно., что проблема не в модельках, а в том что часто не понятно откуда нужно начинать ИИ-автоматизацию и как к ней правильно подходить, какие роли должны быть в процессе и кто за что должен отвечать. Модельки уже достаточно умные (и продолжают умнеть каждые 3-4 месяца), теперь нам нужно научиться их правильно готовить.
Сессия была в компании которая занимается serm-оптимизиций. Первым процессом выбрали срез инфополя — сбор поисковой выдачи, карт, разных источников и первичный анализ тональности и наметили следующие процессы которые можно перевести на иишку, какие роли нужно сформировать внутри и какие задачи нужно сделать в ближайший месяц. Получился такой контур стратегии по внедрению ИИ в бизнес.
Методологию собрал, дальше буду ее докручивать
2❤4🔥4👍3