Мы не собираем автоматизацию из чужих «коробок». Каналы, агенты, база знаний и аналитика живут внутри одной системы, которую мы разработали сами — под российские мессенджеры, телефонию и учётные системы. Мы называем её AI-экосистемой Laplace. Ниже — зачем это понадобилось и как она устроена изнутри.
Почему готовых коннекторов мало
Типовой облачный коннектор умеет одно: передать текст сообщения из мессенджера в CRM. Этого недостаточно. Клиент присылает голосовое, кружок, фото накладной, ставит реакцию — и всё это тоже часть обращения, а не «мусор рядом с ним».
Поэтому мы написали собственные коннекторы к каналам: WhatsApp, Telegram, Max, Avito, VK и другим. Они забирают из переписки всё содержимое, а не только текст, и складывают его в наш контур — на наш сервер, а не в чужое облако. Оттуда данные доступны агентам, базе знаний и аналитике.
Уровень 1. Каналы
Все точки входа подключены к одной AI-экосистеме: мессенджеры, Avito, сайт, телефония, почта. Для бизнеса это значит, что обращение не «живёт» отдельно в каждом сервисе — у него один контекст и одна история.
Что сохраняем из канала: текст, голосовые сообщения, видеосообщения-«кружки», реакции, фото и файлы. Всё это попадает в карточку клиента и остаётся доступным для обработки.
Уровень 2. Голос превращается в текст
Голосовые сообщения и записи звонков обрабатываются так же, как переписка: аудио становится текстом. Текст можно искать, анализировать, дообучать на нём агентов и передавать дальше в базу знаний.
Итог разговора не теряется: запись, транскрибация, резюме и задачи по итогам звонка уходят в CRM.
Уровень 3. Лёгкие агенты внутри каналов
В каждом канале работает свой небольшой агент. Он не пытается быть универсальным: отвечает по промпту и по базе, которая лежит рядом с ним. Такой агент быстрый и предсказуемый, а его поведение можно поменять, не перестраивая всю систему.
Задача лёгкого агента — принять обращение, ответить по существу, выявить потребность и передать контекст менеджеру. Работает круглосуточно и в том канале, где пришёл клиент.
Уровень 4. База знаний: векторная или графовая
В базу знаний загружаются документы: PDF и DOCX, регламенты, техническая документация, переписки менеджеров и инженеров. Дальше идёт индексация — и агент достаёт нужный фрагмент, а не отвечает «по памяти модели».
Тип базы выбираем под задачу:
- векторная — когда нужен быстрый поиск похожего: вопросы клиентов, типовые формулировки, консультации;
- графовая — когда важны точные ответы и связи между сущностями: что с чем связано, кто за что отвечает, какой узел за каким идёт.
На этой базе учатся и входящие агенты, и сервисная поддержка: ответ формируется по реальному опыту компании, а не по общим представлениям модели.
Уровень 5. Инструменты и MCP
Агенту можно подключить внешние инструменты по MCP. В работе это amoCRM, Битрикс24, 1С, Notion, Google-таблицы, документы и таблицы. Тогда агент не только отвечает, но и действует: ставит дату записи, создаёт карточку, обновляет таблицу, готовит документ.
Принцип простой: подключаем то, что уже есть у бизнеса, — и не заставляем переезжать на «нашу» систему вместо вашей учётной.
Уровень 6. «Мозг» системы
Над лёгкими агентами стоит отдельный агент-оркестратор — «мозг» экосистемы. Он жонглирует небольшими агентами: подключает их в нужные каналы, настраивает поведение, вносит правки и делает сложную аналитику.
Это он собирает дашборды (например, в Metabase — тоже по MCP), даёт собственнику рекомендации, следит за остатками в 1С и запускает рассылки: почта для него такой же канал, как мессенджеры.
Роли разделены осознанно. Небольшие агенты работают «в поле» — постоянно отвечают людям. Оркестратор включается реже: когда нужно собрать картину целиком и принять решение.
Голосовые агенты: что уже работает
В голосовых сценариях сильная сторона — работа с дилерской сетью и картами: агент знает географию и подсказывает ближайшего представителя. Для демонстраций доступны как минимум два голоса — Анна и Михаил.
В разговоре агент умеет взять паузу — «минуточку, уточню» — и уйти в базу знаний за точным ответом вместо того, чтобы выдумывать. Это заметно ускоряет ответы и снижает риск неверной консультации.
Так же устроены и остальные роли: агент подключается к базе и к инструментам, поэтому его можно «дорастить» до нужного сценария, не переписывая систему заново.
Почему мы собираем именно так
- Одна AI-экосистема вместо пяти сервисов. Каналы, агенты, база знаний, аналитика и рассылки — в одном контуре.
- Ничего не теряется. Голосовые, кружки, реакции и вложения — такая же часть обращения, как текст.
- Данные остаются в нашем контуре. Не размазаны по чужим облакам и доступны для обработки агентами.
- Агент учится на вашем опыте. База знаний собирается из документов и реальных переписок компании.
- Маленькие агенты + один оркестратор. Вместо одного «универсального бота», который делает всё посредственно: в поле работают простые агенты, сложные решения — на уровне «мозга».
- Расширяется по частям. Начать можно с одного канала или одной задачи и наращивать контур дальше.
Что это значит для вашего бизнеса
AI-экосистема — это не «ещё один бот». Это слой, который связывает каналы, людей, документы и учётные системы и позволяет управлять ими из одного места. Если у вас уже есть CRM, 1С или телефония — мы встраиваемся в них, а не заменяем.
Дальше всё зависит от задачи: можно начать с приёма обращений в одном канале, с базы знаний для сервиса или с аналитики по продажам.