История ИИ из СИБУРа: восемь агентов читают китайский, но не всегда понимают клиента

О проекте рассказал Артур Асланян, который занимается цифровым развитием в СИБУР ПолиЛаб. Раньше каждое обращение вручную разбирали люди: кто пишет, что хочет произвести, какая помощь нужна. За это время число запросов выросло примерно с 20 до более чем 400 в год, и компания решила передать черновую работу ИИ-агентам (программам на основе нейросети, которые сами выполняют цепочку действий, а не просто отвечают на вопрос).

Что умеют восемь агентов из одного почтового ящика?

ПолиЛаб помогает клиентам превратить идею изделия в требования к материалу и производству. Асланян приводит пример: директор по продажам одного клиента привёз из Италии бутылку с необычной для российского рынка крышкой и захотел выпускать такую же. Специалисты подобрали материал из ассортимента СИБУРа и рекомендовали тип оборудования.

Чаще всё начинается не с образца, а с письма: клиент своими словами описывает задачу, прикладывает фотографии и PDF, иногда даже не представляется. Сотруднику приходится открывать вложения, читать историю переписки, искать название компании и выяснять, новый это клиент или действующий.

Письма приходят в единый ящик, их разбирают восемь подагентов с отдельными навыками. Работа делится на пять этапов:

• разобрать письмо, вложения и историю переписки;
• зарегистрировать запрос и создать карточку обращения;
• найти похожие исследования для других клиентов;
• подготовить предварительный план исследований;
• собрать черновик отчёта по итогам работ.

Все модели развёрнуты локально: работают на оборудовании компании, как программа на своём компьютере, а не как онлайн-сервис. Какие именно модели использованы, автор не уточняет. Агенты передают сведения в те же рабочие системы, которыми уже пользуются сотрудники.

Какие доводы за такой подход?

Первый довод касается данных. Переписка и корпоративные сведения не покидают контур компании, а для работы с клиентами в российском правовом поле это часто решающий аргумент.

Второй связан с масштабом. Рост с 20 до более чем 400 запросов в год плюс консультации, обращения по качеству и просьбы настроить оборудование: людям такой поток разбирать всё труднее, особенно на нескольких языках.

Третий довод про время. Систему готовят до того, как вырастет поток с новых рынков, а не в аврале. Заметьте и другое: агенты встроены в привычные сотрудникам системы, никого не заставляют осваивать новый интерфейс.

Что говорит против?

Автор сам называет ограничения. Прочитать письмо и понять его оказалось разными задачами.

Модель может прекрасно читать китайский, но при этом банально не понять, как зовут клиента. : Артур Асланян, цифровое развитие в СИБУР ПолиЛаб

Второе ограничение вскрылось при разборе процесса. На бумаге он состоит из нескольких шагов, но внутри прячутся десятки действий. Для одного типа обращения нужна транспортная накладная, которой нет ни в письме, ни в системе регистрации, и сотрудник идёт в другую систему, ищет сделки клиента и по датам вычисляет нужную поставку.

Наконец, людей из маршрута не убрали. Специалисты проверяют карточки, планы и черновики, а система пока запрашивает уточнения и требует исправлений. Чтобы это изменилось, ей нужно больше знаний о методах исследований и свойствах полимеров: найти продукт в каталоге проще, чем понять, почему он подходит конкретному изделию.

Что делать с этим прямо сейчас, по ролям

Автору Дзена: кейс подходит для честного материала про ИИ без восторгов. Покажите читателю разницу между «нейросеть прочитала» и «нейросеть поняла», это объясняет большинство разочарований в ИИ.

Маркетологу: если к вам приходят заявки в свободной форме, начните с описания всех скрытых шагов обработки, как это сделали в ПолиЛабе. Без такой карты агент автоматизирует видимую часть работы и упустит главное.

Предпринимателю в РФ и СНГ: при работе с чувствительной перепиской смотрите в сторону локального развёртывания. Из доступных в России инструментов можно присмотреться к YandexGPT и GigaChat, а для полного контроля над данными есть открытые модели (их можно установить на своё оборудование).

Ждать стоит не «полностью автономного» ИИ, а медленной работы над пробелами: агенты будут реже переспрашивать по мере того, как в них загружают отраслевые знания, но человек на проверке останется. Тот, кто готовит процессы до роста нагрузки, как ПолиЛаб перед выходом на новые рынки, получит преимущество, когда письма на китайском и арабском пойдут потоком.