Как мы создали 8 ИИ-агентов автоматизации процессов в сети пиццерий и что из этого вышло

Внутри компании незаметно накапливается ручной хаос: процессы хаотично существуют по письмам и таблицам, задачи теряются на стыках команд, ошибки обнаруживаются уже на согласованиях, а управленцы тонут в уточнениях и контроле вместо того, чтобы двигать бизнес вперёд.

Мы решили эту боль комплексно — выстроили единую экосистему ИИ-агентов. Внедряли поэтапно, но результат работает как цельная система: меньше рутины и ошибок, меньше «провалов» между отделами, ниже нагрузка на руководителей и больше прозрачности и предсказуемости в ежедневных процессах.

В рамках одного проекта реализовали 8 ИИ-модулей, которые:

● автоматизируют документооборот (OCR, классификация, извлечение реквизитов и архивирование)

● собирают и обрабатывают отклики кандидатов из Telegram, сайта, hh.ru и Avito в единую базу с фильтрацией и статусами

● суммаризируют рабочие чаты и формируют структурированные отчёты для руководителей

● твечают сотрудникам на типовые вопросы на основе базы знаний

● автоматизируют ежедневную сверку выручки между ОФД и банками с выявлением расхождений

● закрывают первую линию поддержки через ИИ-бота с маршрутизацией сложных обращений и мониторят юридические изменения, формируя отраслевой дайджест

На первом этапе проекта мы автоматизировали обработку входящих бухгалтерских и юридических документов, поступающих от разных юридических лиц.

AI-агент взял на себя весь первичный документооборот: он отслеживает поступление файлов в буферных папках на облачном диске, приводит документы к единому формату, выполняет OCR и классификацию (УПД, счета, акты, договоры и другие типы), извлекает ключевые реквизиты — контрагента, дату, сумму — и автоматически переименовывает файлы по заданному шаблону.

После обработки документы без участия человека раскладываются по архивным директориям, что существенно экономит время отдела бухгалтерии.

Далее мы убрали ручной перенос анкет кандидатов из Telegram и с сайта в таблицы. Для этого внедрили Telegram-бота, который анализирует сообщения сразу в нескольких чатах, распознаёт анкеты кандидатов среди обычной переписки и автоматически извлекает информацию о кандидате.

Затем бот формирует структурированные строки в таблице, фиксируя статус «новый», дату поступления и инициатора отправки.

Мы снизили потери информации в рабочих Telegram-чатах и сделали коммуникации управляемыми. Для этого внедрили ИИ-агента, который ежедневно собирает все сообщения из рабочих чатов, отсекает флуд и нерелевантный контент и формирует структурированное саммари по заранее утверждённому шаблону.

Готовый отчёт агент автоматически отправляет руководителям в личные сообщения, а при необходимости позволяет запросить сводку вручную.

Далее мы уменьшили поток однотипных вопросов к руководителям и администраторам, чтобы освободить их время для управленческих задач.

Для этого внедрили ещё одного Telegram-бота, который анализирует вопросы сотрудников в чатах, сопоставляет их с базой знаний и автоматически отвечает, прикладывая ссылки на нужные документы и регламенты.

База знаний при этом остаётся простой в поддержке: она редактируется в Google Sheets, поэтому актуализировать информацию можно без разработки.

Мы автоматизировали обработку откликов с hh.ru и Avito, чтобы ускорить найм и убрать ручную рутину на первичном отборе.

Система автоматически забирает отклики по API, извлекает расширенный набор данных по кандидатам и сохраняет их в единую таблицу без дублей.

Далее применяются гибкие правила фильтрации из конфигурационного файла: система подсвечивает релевантных кандидатов и перепроверяет всех уже собранных кандидатов по новым условиям, без повторного сбора откликов и ручного просмотра базы заново.

На этом этапе мы полностью автоматизировали ежедневную сверку выручки, чтобы убрать ручные проверки и снизить финансовые риски.

Система автоматически получает данные из «Контур ОФД» и «подтягивает» поступления из банков по API («Сбербанк», ВТБ, «Т-Банк», «Альфа-Банк»), учитывая банковские комиссии.

Далее она сопоставляет источники, выявляет расхождения — например, чеки без поступлений или поступления без чеков — и формирует понятный отчёт в Google Sheets.

Процесс запускается по расписанию без участия сотрудников и остаётся прозрачным на всех этапах.

Мы автоматизировали первую линию поддержки, чтобы пользователи быстрее получали ответы, а команда саппорта не тратила время на типовые запросы.

Задачу решили через Telegram-бота, который принимает обращения, ищет релевантные ответы в базе знаний и сразу возвращает их пользователю.

Если подходящего ответа нет, бот автоматически маршрутизирует запрос в Service Desk или профильный чат поддержки, при этом фиксирует данные пользователя и сохраняет историю обращений.

Автоматизировали мониторинг законодательных изменений, чтобы компания оперативно получала только то, что действительно влияет на бизнес, без ручного отслеживания новостей.

Мы внедрили ИИ-агента, который еженедельно просматривает официальные источники, фильтрует материалы по отраслевым критериям и формирует юридически значимый дайджест — без «шума» и нерелевантных публикаций.

Готовая сводка автоматически публикуется в Telegram-канале, дополнительно агент подтягивает ключевую ставку ЦБ и данные по ИПЦ.

Мы построили масштабируемую архитектуру на базе нашей собственной low-code платформы ОСМИ ИИ, которая позволяет и дальше без «переписывания с нуля» собирать и запускать новых ИИ-агентов по мере появления задач.

Все внедрённые агенты изначально спроектированы с возможностью расширения каналов и точек входа: поддерживается подключение дополнительных чатов, а также интеграция с личными кабинетами Avito и HeadHunter.

Внедрена единая ИИ-экосистема для ключевых бизнес-процессов

Существенно снижена операционная нагрузка на сотрудников

Повышена прозрачность и управляемость бизнеса