AI-инструменты есть, общего процесса нет

У компании уже может быть чат-бот, ассистент для текстов, автоматизация CRM, агент для исследований и саммаризатор встреч. Но каждый живет отдельно. Люди переносят контекст вручную, проверяют ответы, собирают статусы в созвонах и решают, когда агент должен остановиться и позвать человека.

Поэтому многие AI-пилоты хорошо выглядят в демо, но слабо влияют на ежедневную работу. Не хватает не промпта, а среды, где задачи, данные, люди, агенты, проверки и логи связаны между собой.

В исследовании McKinsey 2025 года 23% организаций уже масштабируют хотя бы одну агентную AI-систему, еще 39% экспериментируют. Главная проблема теперь - не попробовать AI, а встроить его в управляемую работу.

Что мы настраиваем

GxG собирает рабочее пространство вокруг реального процесса: продажи, маркетинг, клиентские исследования, база знаний, поддержка, отчетность или операционные задачи. В этой среде живут задачи, агенты выполняют действия, люди проверяют результат, а компания сохраняет память о решениях.

Слой может работать поверх ваших текущих инструментов: CRM, таблиц, Slack или Telegram, Notion, Google Drive, таск-трекеров, аналитики и внутренних API. Мы не заменяем стек. Мы заставляем его работать как единая система.

Как меняется работа

• Общее состояние задач. Люди и агенты видят одни и те же приоритеты, файлы, владельцев и дедлайны.
• Маршрутизация контекста. Агент получает только нужные данные: карточки клиентов, документы, правила, прошлые решения и примеры.
• Видимое выполнение. У каждого действия есть статус, источник, результат и история эскалации.
• Контроль человека. Чувствительные шаги уходят на согласование перед отправкой, публикацией, обновлением CRM или внешним контактом.
• Память процесса. Завершенная работа становится примерами, правилами и чеклистами для следующих циклов.

С чего начинаем

Берем один процесс, где уже есть объем, повторяемые решения и измеримый результат: подготовка outreach, производство кампаний, мониторинг конкурентов, черновики КП, follow-up после звонков, триаж поддержки или внутренние запросы к знаниям.

Первая версия узкая: один процесс, 2-4 роли агентов, точки контроля человека, подключенный контекст и видимость качества. Когда процесс стабилен, добавляем больше агентов и интеграций.

Collaborative Gym показал, что совместный режим человек+агент выигрывал у полностью автономных агентов: 86% в планировании поездок, 74% в анализе таблиц и 66% в аналитических задачах с источниками.

Как это работает

1. Карта процесса. Фиксируем задачу, входные данные, решения человека, инструменты, критерии качества и риски.
2. Сборка пространства. Подключаем источники, роли агентов, согласования, каналы коммуникации и рабочие представления.
3. Запуск с наблюдаемостью. Команда видит, что делают агенты, где они застряли и какие результаты требуют проверки.
4. Улучшение на реальной работе. Настраиваем промпты, инструменты, память, правила эскалации и метрики по фактическому использованию.

Ожидаемые результаты

• 2-4 недели на запуск сфокусированного пространства для одного процесса.
• 20-40% меньше ручной координации, когда задачи, контекст и передачи ответственности не живут в разных местах.
• 2-5x больше повторяемого knowledge-work output в процессах с понятными входами и критериями проверки.
• Быстрее внедрение, потому что агенты работают в привычных инструментах, а не в отдельной витрине.

Результаты зависят от объема процесса, качества данных, доступа к инструментам, вовлеченности команды и ясности критериев проверки.

Reality Check

• Агентам нужны границы. Мы определяем, что можно делать автономно, что требует согласования и что сразу уходит человеку.
• Плохой процесс не спасает хороший AI. Если входы, владельцы или критерии качества размыты, сначала приводим в порядок сам процесс.
• Контекст - это зона риска. Мы не отдаем каждому агенту все данные компании, а маршрутизируем контекст по задаче и правам.
• Автономность растет постепенно. Первая цель - надежное совместное выполнение, а не черный ящик, который сам принимает бизнес-решения.

Технический контур

Состав зависит от вашего стека. Обычно это слой задач и контроля, оркестрация агентов, MCP или API-коннекторы, контекст из документов и CRM, векторный поиск там, где он нужен, шаги согласования и логи качества, стоимости и ошибок.