быстрее подбор объектов
Бот понимает запрос «двушка в центре до 12 млн», ищет по актуальной базе и отвечает на сайте и в Telegram; менеджеры занимаются сложными клиентами.
Крупная девелоперская компанияФабрика AI-агентов · 2025Клиент под NDA
Цифровые сотрудники без программиста
No-code платформа для голосовых и текстовых агентов: от первого сценария до рабочей линии.
Первый агент собирается за 72 часа
Кого собирают на фабрике
Это не восемь разных продуктов, а восемь сценариев на одном движке. Новый агент появляется настройкой, а не разработкой.
Бот первой линии
Отвечает на типовые обращения голосом и в переписке, остальное переводит оператору вместе с контекстом.
Ассистент по документам
Ищет ответ в ваших регламентах, тарифах и инструкциях и показывает пункт, откуда он взят.
Агент для CRM
Разбирает разговор и раскладывает его по полям карточки: тема, договорённости, следующий шаг.
Голосовой обзвон
Звонит по списку: напоминает о встрече, подтверждает заказ, собирает обратную связь.
HR-ассистент
Отвечает на вопросы новичков, проводит онбординг, назначает встречи и собирает опросы.
Обучающий ассистент
Проводит инструктаж, задаёт вопросы по материалу и проверяет, что сотрудник усвоил.
Ассистент руководителя
Собирает сводку по обращениям, ставит задачи по итогам встречи, напоминает о сроках.
Агент под ваш процесс
Проверит данные в трёх системах, соберёт пакет документов, заведёт заявку и позовёт человека там, где нужно решение.
Как собирается агент
Восемь шагов от задачи до рабочей среды. Программирование нужно только там, где вы сами захотите написать свою функцию.
Разбираем задачу
Что агент должен делать, где начинается и где заканчивается его зона ответственности.
Выбираем модель
Наша речевая и языковая модель или открытая — та, что лучше ложится на задачу и на ваш контур.
Собираем сценарий
Реплики, условия, действия и передача человеку — мышью в одном конструкторе, без кода.
Подключаем данные
Документы, базы знаний, CRM и внутренние сервисы: агент отвечает по вашим данным и умеет в них что-то менять.
Ставим в контур
On-Premise на ваших серверах или в облаке — как требует служба безопасности.
Проверяем на тесте
Прогоняем реальные обращения и смотрим, где агент уверен, а где зовёт человека.
Выводим в работу
Открываем на части потока, следим за качеством ответов и расширяем постепенно.
Масштабируем
Больше каналов, больше сценариев, больше нагрузки — без переписывания того, что уже работает.
Что умеет платформа
Что платформа умеет из коробки, без доработок под каждый новый сценарий.
Конструктор без кода
Сценарии, реплики и условия настраиваются мышью. Для нестандартного есть вставки на JavaScript.
Голос и текст
Один сценарий работает на телефонной линии, в мессенджере и на сайте.
Мультиагентность
Несколько агентов в одном процессе: один читает, другой проверяет, третий оформляет.
Отчётность
Видно, о чём спрашивают, где агент не справился и какие сценарии пора переписать.
Как это выглядит
Сценарий собирается мышью, целиком он виден картой, а в аналитике сразу видно, о чём людей спрашивают и где агент не справился.
- Шаги, условия и передача человеку соединяются мышью — без программиста
- Карта сценария показывает весь путь разговора: где развилки и где тупики
- Аналитика считает темы, сессии и слоты — по ней сценарий и правят
Когда одного агента мало
Один агент разбирает входящее, второй сверяет с правилами, третий оформляет результат. Человек подключается там, где нужно решение.
- Проверить статус заявки в трёх системах и собрать один ответ клиенту
- Разобрать входящую почту отдела, завести задачи и назначить ответственных
- Подготовить пакет документов по сделке и отправить на согласование
Технологии внутри платформы
Для тех, кто будет это разворачивать и поддерживать: из чего платформа собрана и на чём работает.
Поиск по базе знаний
RAG на векторной базе Elasticsearch с переранжированием ответов: агент отвечает по вашим документам и показывает, откуда взял.
Речь в обе стороны
Своя потоковая модель распознавания и несколько вариантов синтеза: агент слышит и говорит, а не только переписывается.
Свой модуль NLU
Намерение клиента определяется до обращения к языковой модели. На типовом обращении это быстрее и дешевле.
Выбор языковой модели
Семейство SOTA LLM — от небольшой модели до крупной — или внешняя модель. Выбор меняется настройкой, а не переписыванием интеграций.
Экономный инференс
Модели запускаются с пакетной обработкой и кешированием. Для работы хватает обычных серверных видеокарт, топовые не нужны.
Гибрид сценария и модели
Там, где нужна точность, шаг задан жёстко; там, где нужна гибкость, работает модель. Одно не исключает другого.
REST API и потоки
Агент встраивается в ваше приложение запросом. Потоковый режим отдаёт ответ по мере готовности, с сохранением состояния сессии.
Поддержка MCP
Подключение внешних инструментов по общему протоколу вместо отдельной интеграции под каждый сервис.
On-Premise или облако
Платформа и модели разворачиваются в вашем контуре или в облаке. Данные не уходят наружу, если вы этого не хотите.
Состав и версии моделей уточняются под нагрузку и требования безопасности на старте проекта.
Что меняется в деньгах и в нагрузке
Агент работает по тому же графику, что оператор, но у него нет отпусков, больничных и перерывов.
72 часаот задачи до первого рабочего агента
от 50 мсответ в потоковом режиме
0,076 $минута работы агента против 0,23 $ у оператора
сотнипараллельных диалогов одновременно
Данные не покидают компанию
Работа On-Premise
Платформа, модели и документы разворачиваются в вашем контуре. Наружу не уходит ни запрос, ни ответ.
Доступы по ролям
Агент отвечает только по тем данным, к которым у сотрудника есть доступ. Кадровые документы не всплывут у оператора.
История обращений
Видно, кто и о чём спрашивал. Это и аудит, и подсказка, какие регламенты пора переписать.
Кейс
ИИ-жюри оценило конкурс за час
697проектов оценено за 1 час
Жюри из людей на ту же работу потратило бы более 7 000 часов
Критерии конкурса
Организаторы описали, что считается сильной заявкой.
Агент читает заявки
Каждая заявка разбирается по всем критериям сразу.
Оценка с обоснованием
Не просто балл, а объяснение, почему именно такой.
Проверка жюри
Люди проверяют спорные случаи, а не все 697 работ подряд.
Кейс
Карточка клиента заполняется из разговора
Агент разбирает звонок или переписку и раскладывает их по полям CRM: тема, продукт, договорённости, следующий шаг. Оператор проверяет и подтверждает.
В логистической компании ошибок в данных стало на 40% меньше: агент не забывает поля и не путает цифры.
5–10 секундвместо 5–7 минут ручного ввода
Что меняется, когда агентов собирают внутри
Новый сценарий перестаёт быть проектом разработки и становится настройкой.
- Сценарий правит тот, кто отвечает за обслуживание, а не очередь к разработчику.
- Проверить идею можно за дни: собрали, прогнали на реальных обращениях, посмотрели.
- Один агент не закрывает задачу — рядом собирается второй, на тех же данных.
- Ответ приходит за секунды, а не после поиска по десяти документам.
- Рутина уходит агенту: карточки, напоминания, однотипные ответы.
- Если агент не уверен, он зовёт человека, а не выдумывает ответ.
- Одна платформа вместо зоопарка ботов от разных подрядчиков.
- Модель меняется без переписывания интеграций.
- Нагрузка растёт — ресурсы добавляются, переписывать работающее не нужно.
- Платформа и модели живут в вашем контуре, данные наружу не уходят.
- Доступ к данным — по ролям сотрудника, а не «всем всё».
- История обращений хранится: видно, кто и о чём спрашивал.
Как это внедряется
Начинаем не с платформы, а с одного процесса, где рутины больше всего.
Выбираем процесс
Тот, где много однотипных обращений и понятно, как выглядит правильный ответ.
Собираем данные
Регламенты, инструкции, доступ к системам. Файлы как есть — переписывать их не нужно.
Пилот на части потока
Агент берёт долю обращений, остальное идёт людям. Смотрим, где он уверен, а где ошибается.
Расширяем
Добавляем каналы и сценарии, собираем рядом следующего агента на тех же данных.
Кейсы по теме
Читать кейс: Девелопер: чат-бот подбирает квартиры по базе объектов
быстрее обработка обращений
Языковая модель и ИИ-ассистенты для операторов и контролёров: обращения обрабатываются в 7 раз быстрее, 46 % проектов используют ИИ.
«Ростелеком Контакт-центр»Фабрика AI-агентов · 2025
вместо 7 000 часов
Мультиагентная система прочитала каждый проект, оценила по критериям и передала спорные человеку.
Организатор конкурса проектовФабрика AI-агентов · 2025Клиент под NDA
Остались вопросы?
Нужен ли программист, чтобы собрать агента?
Нет. Сценарий, реплики, условия и передача человеку настраиваются в конструкторе мышью. Программист нужен там, где вы сами захотите добавить нестандартную функцию или подключить систему без готового API.
Какие языковые модели используются?
Наша или открытая — та, что лучше ложится на задачу и на требования безопасности. В закрытом контуре работают модели, развёрнутые на ваших серверах. Мы не привязываем вас к одному поставщику: модель меняется без переписывания интеграций.
Какие форматы документов поддерживаются?
Word, PDF, Excel, презентации, обычный текст и страницы внутренних порталов. Сканы распознаются, если текст на них читаем. Таблицы разбираются вместе со структурой, а не как сплошной текст.
Что будет, если агент не знает ответа?
Он так и говорит и передаёт обращение человеку вместе с историей разговора. Такие случаи собираются в отчёт: по нему видно, какие данные пора дополнить и какой сценарий переписать.
Сколько времени занимает запуск?
Пилот на одном процессе — несколько дней. Дольше всего занимает не сборка агента, а согласование того, что считать правильным ответом.
Соберём агента на вашем процессе
Покажите процесс, в котором больше всего рутины. Соберём агента на ваших данных и вместе посмотрим, что он отвечает.
