Агент первой линии поддержки
Принимает обращения на сайте, в Telegram, WhatsApp и почте, отвечает по регламентам и базе знаний, заводит тикет и эскалирует оператору, когда не уверен. Работает 24/7, историю диалога передаёт человеку целиком.
УСЛУГА · ИИ-АГЕНТЫ · LLM / RAG / MCP
Разработка ИИ-агентов
для бизнеса под ключ
Разработка и внедрение ИИ-агентов — программных сотрудников, которые сами выполняют задачу: разбирают обращения, ищут ответ в вашей базе знаний, заполняют документы, ходят в 1С и CRM. В отличие от чат-бота со сценарием, агент планирует шаги и вызывает инструменты. Собираем на LLM (Claude, GPT, GigaChat, YandexGPT или локальная модель), подключаем к вашим системам через MCP-серверы, доводим до продакшена на Java/Kotlin и Python. PoC на ваших данных за 2 недели, расчёт стоимости — за 1 день. Разворачиваем в облаке или в вашем контуре — данные не уходят наружу.
Бесплатно · без звонков — ответим в переписке за 30 минут
2 нед.
PoC на ваших данных
On-prem
контур без утечки данных
0 ₽
лицензий, открытый стек
SLA 99.9 %
агент в продакшене
Инженеры с опытом проектов для
ЧТО РАЗРАБАТЫВАЕМ · 8 ТИПОВ ИИ-АГЕНТОВ
Какие ИИ-агенты мы делаем
Создание ИИ-агентов начинается не с модели, а с процесса, который нужно закрыть. Ниже — сценарии, где агент окупается быстрее всего: там, где сотрудник читает текст, ищет данные в нескольких системах и переносит их руками.
ИИ-ассистент для продаж
Квалифицирует входящие заявки, задаёт уточняющие вопросы, подбирает товар или услугу по каталогу, ставит задачи менеджеру и пишет карточку сделки в CRM. Не выдумывает условия — цены и наличие тянет из ваших систем.
Агент по документам
Извлекает данные из счетов, спецификаций, договоров и актов, сверяет с учётной системой и готовит запись для ввода. Смежная услуга — AI-распознавание спецификаций с OCR и разбором таблиц.
RAG-агент по базе знаний
Отвечает по вашим регламентам, инструкциям и проектной документации с цитатами и ссылками на источник. Векторный поиск (pgvector, Qdrant) плюс проверка ответа — так снижается доля выдуманных фактов.
Мультиагентные системы
Несколько специализированных агентов под управлением оркестратора: планировщик ставит подзадачи, исполнители работают параллельно, критик проверяет результат. Собираем на LangGraph, когда одному агенту задача не по силам.
Голосовой ИИ-агент
Обработка звонков: распознавание речи, диалог, синтез, передача на оператора. Интеграция с телефонией и записью разговоров, расшифровка и резюме звонка в CRM.
Агент внутри 1С и ERP
Агент работает с данными 1С через HTTP-сервисы и OData: находит документ, отвечает на вопрос по остаткам и взаиморасчётам, готовит проведение. Права ограничиваем ролью — агент видит ровно то, что разрешено.
Агенты для ИТ-команд
Разбор логов и инцидентов, поиск по репозиториям и документации, черновики релиз-нотов и код-ревью. Подключение к GitLab, Jira и мониторингу через MCP.
СТЕК · ИИ-АГЕНТЫ
На чём строим агентов
Открытый стек без vendor lock-in: модель можно заменить, агента — перенести в свой контур. Исходный код и промпты передаём вам.
Модели и оркестрация
- Claude API
- OpenAI API
- GigaChat
- YandexGPT
- Llama
- Qwen
- LangChain
- LangGraph
- MCP
RAG и данные
- pgvector
- Qdrant
- Elasticsearch
- bge-m3
- PostgreSQL
- S3 / MinIO
Backend и интеграции
- Java 21
- Kotlin
- Spring Boot 3
- Python
- FastAPI
- Kafka
- REST
- gRPC
- 1С REST / OData
Каналы
- Веб-виджет
- Telegram
- Почта
- Телефония (SIP)
- CRM и Helpdesk
Качество и безопасность
- Eval-наборы
- Guardrails
- Маскирование ПДн
- RBAC
- Аудит-логи
- Langfuse
Инфраструктура
- Docker
- Kubernetes
- vLLM
- Ollama
- Prometheus
- Grafana
КАК РАБОТАЕМ · 6 ЭТАПОВ
Как проходит внедрение ИИ-агента
- 01
Аудит процесса
Разбираем, что именно делает сотрудник руками, какие системы участвуют и где лежат данные. Отсекаем сценарии, где агент не окупится, и выбираем один — с измеримым результатом.
- 02
Дизайн агента и метрики
Описываем инструменты агента, границы полномочий и правила эскалации. Заранее фиксируем метрики приёмки: доля задач без человека, точность ответов, стоимость обращения.
- 03
PoC на ваших данных — 2 недели
Рабочий прототип на реальных обращениях и документах. Показываем, где агент справляется, а где ошибается, и сколько это стоит в токенах за месяц.
- 04
Интеграции и ограничения
Подключаем 1С, CRM, базы и внутренние API — чаще всего через MCP. Настраиваем роли, маскирование персональных данных, лимиты и аудит-лог каждого действия агента.
- 05
Пилот и оценка качества
Запускаем на части потока, гоняем eval-наборы, ловим галлюцинации и правим промпты и retrieval. Сравниваем с ручным процессом на одних и тех же задачах.
- 06
Продакшен и сопровождение
Деплой в облако или ваш контур, мониторинг качества и расходов, дообучение на новых данных. SLA-поддержка и развитие сценариев по обратной связи.
ЦЕНЫ · РАЗРАБОТКА ИИ-АГЕНТА
Сколько стоит разработка ИИ-агента
Стоимость зависит от объёма и интеграций. Точную сумму назовём после короткой переписки — напишите удобным способом, ответим за 30 минут, расчёт бесплатный.
PoC агента
по запросу
2 недели
- →Один сценарий на ваших данных
- →RAG по вашим документам
- →Демо для стейкхолдеров
- →Отчёт по качеству и стоимости токенов
Агент в продакшене
по запросу
1–2 месяца
- →Всё из PoC +
- →2–3 интеграции (1С, CRM, база знаний)
- →Каналы: сайт, Telegram, почта
- →Guardrails, роли, аудит-лог
- →Мониторинг качества и расходов
- →Документация и передача кода
Мультиагентная система
по запросу
2–4 месяца
- →Оркестратор и несколько агентов
- →On-premise или закрытый контур
- →Локальная LLM (vLLM / Ollama)
- →Своя модель эмбеддингов и дообучение
- →SSO, RBAC, соответствие 152-ФЗ
- →SLA-поддержка и развитие
РАСЧЁТ СТОИМОСТИ · 5 ВОПРОСОВ · 1 МИНУТА
Рассчитаем ИИ-агента под ваш процесс
Опишите задачу — вернёмся с архитектурой агента, оценкой PoC и прогнозом расходов на модель. Консультация бесплатна.
- Скажем честно, если агент в вашем сценарии не окупится
- Оценка PoC за 2 рабочих дня
- NDA по запросу, работаем и в закрытом контуре
Вопрос 1 из 5
ОПЫТ · СОБСТВЕННЫЕ СИСТЕМЫ
Что мы уже собрали на этом стеке
RAG→
Поисковый агент по отраслевому корпусу
Внутренняя система Новаком: сбор источников, нарезка и векторный индекс на bge-m3 в Qdrant. Агент собирает фактуру по теме с ссылками на первоисточник — вместо ручного чтения десятков каналов.
PythonQdrantbge-m3Claude API
ДОКУМЕНТЫ→
Разбор технических спецификаций
OCR и извлечение параметров из PDF и сканов спецификаций в структурированный вид с последующей выгрузкой в учётную систему. Оформлено как отдельная услуга.
PythonOCRNLPREST API
КЛАССИФИКАЦИЯ→
Пакетная разметка данных моделью
Конвейер обработки десятков тысяч текстовых записей: нормализация, кластеризация на эмбеддингах, разметка LLM пакетами и сверка результата. Задача, на которую вручную ушли бы недели аналитика.
Pythonbge-m3Claude APIPostgreSQL
FAQ · ЧАСТЫЕ ВОПРОСЫ
Вопросы о разработке ИИ-агентов
Чат-бот идёт по заранее прописанному сценарию и умеет отвечать. Агент получает цель, сам решает, какие шаги сделать, и вызывает инструменты: ищет в базе знаний, дёргает API, пишет в CRM, создаёт документ. Поэтому агент закрывает задачу целиком, а не только первую линию диалога.
Стоимость зависит от формата: PoC на ваших данных (2 недели), агент в продакшене с интеграциями (1–2 месяца) или мультиагентная система в закрытом контуре (2–4 месяца), а также от числа интеграций и каналов. Отдельно считается стоимость самой модели: на этапе PoC мы измеряем расход токенов и даём прогноз ежемесячных расходов. Цену фиксируем в договоре. Точную сумму назовём после короткой переписки: напишите в WhatsApp, Telegram или на info@novacom.ru — ответим за 30 минут, расчёт бесплатный.
Рабочий прототип — 2 недели. Продакшен с интеграциями в 1С или CRM, ролями и мониторингом — 1–2 месяца. Мультиагентная система с локальной моделью — 2–4 месяца. Демо показываем каждую неделю.
Для агента поддержки и RAG хватит ваших регламентов, инструкций, FAQ и выгрузки прошлых обращений. Для агента по документам — 50–100 примеров реальных документов. Исторические данные для обучения моделей нужны только там, где есть прогнозирование и скоринг.
Да. Локальный ИИ-агент разворачивается в вашем контуре: открытая модель (Llama, Qwen, GigaChat on-prem) на vLLM или Ollama, векторная база рядом, наружу ничего не уходит. Так делают, когда в данных персональные сведения или коммерческая тайна.
Через HTTP-сервисы и OData 1С, REST-API вашей CRM или через MCP-серверы, если систем несколько. Агент получает отдельную учётную запись с ограниченными правами: список разрешённых операций фиксируется, каждое обращение пишется в аудит-лог.
MCP (Model Context Protocol) — открытый протокол, по которому модель получает доступ к внешним данным и операциям. Вместо десятка самописных интеграций агент подключается к одному контракту, а доступы и логирование остаются под вашим контролем. Подробнее — на странице разработки MCP-серверов.
Ответы строим поверх ваших источников с обязательной ссылкой на документ, а не из памяти модели. Добавляем проверку ответа, ограничиваем область поиска, задаём правило «не знаю — эскалируй». Качество меряем на eval-наборе из реальных вопросов и следим за ним после запуска.
Вам. Передаём исходный код, промпты, конфигурацию пайплайна и документацию. Стек открытый, поэтому развивать агента может любая команда — привязки к нам нет.
КОМУ ПОДХОДИТ · СЦЕНАРИИ
Где ИИ-агенты для бизнеса окупаются
Агент выгоден там, где много однотипной работы с текстом и данными из нескольких систем. Если процесс редкий или требует юридической ответственности человека — честно скажем об этом на аудите.
Поддержка и сервис
Большой поток однотипных обращений, регламенты и база знаний уже есть. Агент закрывает первую линию, оператор остаётся на сложных случаях.
Продажи и маркетинг
Входящие заявки не разбираются вовремя. ИИ-ассистент квалифицирует лид, отвечает по каталогу и передаёт менеджеру готовую карточку.
Бэкофис и документооборот
Счета, акты, спецификации и договоры вводят руками. Агент извлекает данные, сверяет с учётной системой и готовит запись.
Производство и инженерия
Разбор технической документации, подбор аналогов по спецификации, помощь по регламентам обслуживания в цеху.
ИТ и разработка
Разбор инцидентов, поиск по репозиториям и документации, дежурные проверки. Подключение к GitLab, Jira и мониторингу.
ПОДРОБНЕЕ · СМЕЖНЫЕ УСЛУГИ
Что ещё делаем по AI
НАЧАТЬ · ОТВЕЧАЕМ ЗА 30 МИНУТ
Нужен ИИ-агент под конкретный процесс?
Расскажите, что сейчас делают руками, — предложим архитектуру агента и оценку PoC за 2 дня.
Бесплатно · без звонков — ответим в переписке за 30 минут
2 нед.PoC на ваших данных
1–2 дняоценка проекта
NDAдо обсуждения
30 минответ в WhatsApp/Telegram