Как ИИ-помощник Klarna изменил клиентский сервис
Компания Klarna применила ИИ-помощника для обработки 2,3 миллиона клиентских обращений за месяц. Это эквивалентно работе 700 человек. Время решения вопросов сократилось с 11 до менее чем 2 минут. Повторные запросы сократились на 25%, а удовлетворенность клиентов выросла на 47%. Стоимость одной транзакции снизилась с $0,32 до $0,19, что позволит компании сэкономить около $60 миллионов до конца 2025 года.
Почему агентские ИИ-проекты часто проваливаются
Тем временем аналитики Gartner предсказывают, что более 40% проектов с использованием агентских ИИ будут отменены к 2027 году. Причины — растущие затраты, неясная бизнес-ценность и недостаточные меры контроля рисков. Один и тот же год, одна и та же технология, но совершенно разные результаты.
Технические сложности многозадачных систем ИИ
Команда Google DeepMind во главе с Юбином Кимом провела исследование, в ходе которого выяснилось, что неструктурированные сети из нескольких агентов увеличивают количество ошибок до 17,2 раз по сравнению с одиночными агентами. Это связано с тем, что ошибки не компенсируются, а накапливаются, когда агенты работают без четкой структуры.
Три успешные архитектуры многозадачных систем ИИ
Существуют три архитектурных паттерна, которые работают на практике: Plan-and-Execute, Supervisor-Worker и Swarm. Эти подходы помогают избежать проблем, связанных с неструктурированными системами, и снижают вероятность ошибок.
Plan-and-Execute
В этом подходе один мощный агент планирует задачу, а более простые агенты выполняют её. Это позволяет сократить затраты до 90%.
Supervisor-Worker
Этот паттерн подразумевает наличие руководящего агента, который координирует работу специализированных агентов. Это снижает вероятность ошибок, связанных с несогласованностью действий.
Swarm
В этой децентрализованной системе агенты передают задачи друг другу в зависимости от контекста. Это удобно для хорошо структурированных рабочих процессов.
Как выбрать подходящую архитектуру
На рынке доминируют три фреймворка: LangGraph, CrewAI и OpenAI Agents SDK. Каждый из них предлагает уникальные подходы к организации работы агентов. Если сомневаетесь, начните с комбинации Plan-and-Execute на базе LangGraph.
Пять причин, по которым многозадачные системы ИИ терпят неудачу
Исследование MAST выделило 14 причин неудач, из которых пять являются основными. Чтобы избежать этих проблем, необходимо тщательно продумывать архитектуру и тестировать системы до их развертывания.
