Как агентный ИИ спас умирающую компанию без IT‑бэкграунда

Компания, когда‑то контролировавшая 99 % рынка своего сегмента за счёт демпинга, шесть лет подряд теряла продажи и находилась на грани банкротства. Попытка внедрить ИИ растянулась на год, но проект буксовал: ключевой специалист ушёл, а бюджет иссяк. В результате меня пригласили на месяц — работать за % от реального результата.

За это время я построил небольшую «агентную экосистему», где каждый агент решает конкретную задачу:

1. Agent‑Verifier – проверяет сборку заказов по фотографиям, автоматически отклоняя несоответствия и отправляя фото‑отчёт в ERP.
2. Agent‑Manager – отвечает на 95 % клиентских чатов, используя готовые шаблоны и LLM‑модели (ChatGPT‑4), тем самым сокращая нагрузку на живых операторов.
3. Agent‑Deployer – получает запросы о мелких правках прямо из рабочего чата (Slack) и без участия разработчиков выкатывает их в продакшн через CI/CD.
4. Agent‑Logistics – переписывает старый Perl‑скрипт управления складом на Python, интегрируя его с современными API‑сервисами и ускоряя расчёт маршрутов на 30 %.
5. Chief‑Agent‑Pursuer – оркеструет работу всех агентов, контролируя их KPI и автоматически перенаправляя задачи в случае отклонений.

Результат: за первый месяц компании удалось сократить время обработки заказов с 48 ч до 6 ч, снизить нагрузку на поддержку на 70 % и вернуть 15 % утраченных продаж. Полный рассказ – в статье на Habr AI: https://habr.com/ru/articles/1084758/.

Ключевые цифры

• 95 % клиентских чатов автоматизировано;
• 30 % ускорение расчётов логистики;
• Сокращение времени обработки заказа в 8 раз;
• Возврат 15 % продаж за первый месяц.

Технологический стек: Python, FastAPI, OpenAI API (ChatGPT‑4), Slack Bot, Docker, GitHub Actions.