Кейс «Код Безопасности»
«Код Безопасности» — российский разработчик средств защиты информации. Мы строим для компании AI-агента поверх ее учетного контура: 1С, склад, финансы. Проект в работе: техническая часть готова, идет настройка на данных компании.
Задача
Учетный контур крупной компании живет годами: 1С, склад, финансы и процессы вокруг них. Данных в нем много, и ответ на обычный рабочий вопрос приходится собирать руками — по системе, таблицам и коллегам. Задача на словах простая: дать сотруднику агента, который отвечает на такие вопросы сам, опираясь на учетные данные компании.
Сложность в том, что учетными данными задача не закрывается. Часть знаний о процессах нигде не записана и живет у сотрудников: какие бывают исключения, как читать конкретную запись, почему здесь делают не по инструкции. Без этого слоя агент отвечает формально правильно и по делу мимо, поэтому отдельная часть работы — придумать, как это знание собрать и удержать.
Что сделано
- Интеграция с 1С: агент получает доступ к учетным данным компании.
- Свои инструменты поверх низкоуровневых операций: агент работает не с сырой учетной системой, а с понятными ему действиями.
- Установка и обновление продукта с учетом корпоративных требований — этим занимается инфраструктура DODVIR.
- База знаний и пайплайны ее обучения: от них зависит точность ответов агента.
Главная трудность оказалась не в интеграции, а в данных и в предметной области. За годы в 1С накопился большой объем записей, среди которых есть похожие и противоречащие друг другу. Плюс агент не профессионал в номенклатуре: там, где специалист видит два разных продукта, он видит два похожих названия. Поэтому основная работа сейчас — база знаний и инструменты, которые не дают агенту угадывать.
Ближайшие шаги
В рамках первого пилота:
- Формы обратной связи по ответам агента: сотрудник отмечает, где ответ неверен и как правильно. Выходит в ближайшем релизе.
- Пайплайны, в которых агенты сами пополняют базу знаний по накопленному опыту: решение о том, что записать, принимают они.
- Многоагентные схемы обновления базы знаний — пока эксперимент.
- Довести точность ответов до уровня, на который можно опираться в ежедневной работе.
Второй пилот: агент у каждого сотрудника
Он запланирован после первого и работает уже не с учетными данными, а с людьми и их договоренностями.
- У каждого сотрудника один агент, который хорошо владеет его контекстом: задачи, договоренности, история решений. По сути виртуальная копия сотрудника в рабочих вопросах.
- Согласование идет между агентами, а не между людьми. Человеку остаются только действия и подтверждения, которые действительно требуют человека.
- Класс задач, который так закрывается, знаком любой продуктовой компании: продажи обещают то, что тяжело сделать в разумный срок, а разработка делает то, что рынку не нужно. Обе стороны действуют по-своему разумно, им просто негде сойтись контекстом — этим местом и становится контур агентов.
Где проект сейчас
Технически все работает: интеграция, агент, установка в контуре компании. Бизнес-результата пока нет — он появится, когда точность ответов станет достаточной, чтобы на них опирались в работе. Аналогия с языковыми моделями: базовое обучение позади, основной эффект дает пост-обучение, и мы на этом этапе. Мы начинаем с одного процесса компании и расширяемся на соседние, когда в этом есть смысл для бизнеса. Первая измеренная точность: в прогонах 30.09–05.10.2026 агент с моделью в контуре компании дал 12–15 верных ответов из 16 на вопросы её финансистов — выручка и выпуск по изделиям, себестоимость, бюджет «план/факт», запасы, неликвид. Суммы находок по договорённости не раскрываем. Продукт, выросший из этой работы, — dodvir-1C, dodvir.com/1c.