Локальные данные и ИИ-агенты. Как превратить историю переписки в базу знаний
Доступ к истории чатов, почте и банковским выгрузкам может стать основой для управления процессами. Автор блога llm_under_hood описывает способы использования ИИ-агентов для аудита рабочих задач и поиска ошибок.
Для анализа трудозатрат ИИ-агент может использовать доступ к истории правок в Git, рабочим чатам и логам взаимодействия с самим ИИ. Так, при наличии таких данных система смогла рассчитать, что на разработку продукта ушло 180 часов, а на подготовку обучающего модуля, 20 часов. Эти цифры отражают только личное время автора, так как суммарные часы команды ИИ пока посчитать не может.
Для работы с финансовой отчетностью предлагается подключать к единой базе знаний (company brain) почту, банковские выгрузки и все рабочие чаты. Чтобы обеспечить безопасность, автор создал отдельный сервис-мост, который работает на локальном компьютере и предоставляет ИИ только доступ для чтения к базе Telegram и почтовому агенту. Это позволяет находить ошибки в налогах, сверять результаты и быстро передавать отчеты в банк.
Анализ накопленных данных через призму базы знаний помогает находить пробелы в текущих процессах. Автор использует модель Fable 5.2, чтобы имитировать работу дорогого партнера из акселератора YC. ИИ анализирует изменения в базе данных за последние дни, проводит исследование и предлагает одну конкретную задачу для масштабирования или упрощения жизни. Это помогает закрывать задачи, которые казались очевидными, но оставались незамеченными.
Что поменялось
Использование ИИ-агентов с доступом к локальным базам данных (почта, чаты, Git) позволяет автоматизировать аудит трудозатрат и поиск ошибок в процессах.
Текст подготовила языковая модель по материалам источников.
