Команда Easy Report провела вебинар, посвященный одноименному цифровому помощнику. Эксперты рассказали о преимуществах ИИ-аналитика, который научился думать и советовать, а не только рисовать отчеты, назвали ключевое отличие ассистента от агента (объем автономности, когда задачи и действия с данными может выполнять алгоритм) и показали инструмент, способный ускорить движение по пути к комплексной цифровизации.
По мере углубления тренда на упрощение и гиперавтоматизацию все более востребованы программные инструменты, позволяющие интерпретировать запросы пользователей на естественном языке. Такими возможностями располагает решение EasyReport. Одно из его преимуществ в том, что предлагаемые отчеты заранее не преднастроены, они создаются под конкретный запрос пользователя.
Беседа с данными
Есть группа традиционных бизнес-задач, связанных, например, с запросами, рассылками, которые нужно решить «здесь и сейчас», не обращаясь за помощью к команде разработки или проектному департаменту. И хорошая новость для рынка в том, что, по словам эксперта, технологии доросли до такого состояния, что можно «просто беседовать со своими данными». На это обратил внимание слушателей вебинара менеджер продукта Easy Report Александр Костюков.
Значительный шаг в развитии продукта Easy Report обусловлен приходом LLM. Представители компании заметили, что они долго к этому снаряду подходили, долго запрягали, но быстро поехали. Теперь Easy Report умеет обрабатывать очень сложные запросы, в том числе составные, когда требуется осуществить корреляцию на средний чек или объем трафика, если данные при этом находятся в разных моделях. Кроме того, благодаря трекингу Self-service пользователь может самостоятельно сделать себе заметку на предмет отслеживания конкретных показателей. И система уведомит о приближении пороговых значений.
В решении реализованы поддержка мультиагентных архитектур, интеграция с хранилищами, каталогами данных и BI-системами. Внутренний механизм позволяет не только отслеживать изменения и сигнализировать об отклонениях, но и тут же предлагает выполнить конкретные действия. Такой сценарий значительно предпочтительнее широко известного аналога «не завести ли заявку?».
Характеризуя архитектуру решения, эксперт отметил, что Easy Report поддерживает транзакционные системы, любые реляционные базы, для части СУБД предусмотрены драйверы, чтобы не пришлось ничего перегружать. Среда моделирования дополняется бизнес-глоссарием, который предусматривает описательную составляющую – термины, определения, сокращения, аббревиатуры, бизнес-сленг и т. п. Собственная разработка компании – гибридный движок, в нем реализованы механизмы агентной архитектуры с инструментами, к которым можно обращаться по мере необходимости (опционально). Что касается LLM, то можно подключать как публичную, так и Open Source.
Генератор отчетов и не только
Функциональное позиционирование модульного решения предусматривает два варианта. Первый – генератор отчетов (создание их «на лету»), доступны рассылки с учетом групп и полномочий, уточнения контекста, динамические уведомления. Генератор встраивается в любой корпоративный мессенджер и порталы. Второй вариант – ИИ-аналитика, рассчитанная на запросы любой сложности и формы, выборку данных из разных источников, адаптацию, осмысление запроса и выдаваемых ответов.
Не секрет, что современные топ-менеджеры избалованы возможностями ИИ-инструментов. Одно из преимуществ ИИ-аналитика в EasyReport – языковая гибкость, предполагающая интерпретацию общих и многосоставных сложных запросов (по типу «назвать регионы, в которых плохо исполняется план»). На случай нехватки сведений или неясной трактовки термина обеспечивается поддержка нескольких источников данных, реализована возможность дополнительно уточнить запрос («какой именно план интересует»). Диалог в зависимости от контекста – одно из преимуществ ИИ-аналитика. Не исключено, что выбранных системой данных окажется недостаточно для ответа. В таком случае EasyReport расширит выборку и «дозапросит» сведения, использует динамические группировки фильтрации.
Прикладные возможности
Технический директор EasyReport Игорь Пантелеев в ходе вебинара показал, как пользоваться решением и раскрыл ряд дополнительных прикладных возможностей. Система EasyReport выводится в мессенджеры, что позволяет реализовать преимущества обмена мгновенными сообщениями.
Версия интерфейса через чат-бота – оптимальный вариант для сотрудников, которые заинтересованы в максимально оперативном получении данных. В частности, торговому представителю, работающему на выезде («в поле») нужно посмотреть статус клиента, уточнить, оплачен ли заказ, есть ли новые заявки. Перед такими специалистами не стоит задача анализа данных – для них методологи подготовили нужные метрики, которые требуется отслеживать и выполнять. Работа с системой в этом случае выглядит так, что сотрудник открывает мессенджер и вводит запрос (например, «розничные показатели по Тюменской области за вчера»). В течение нескольких секунд система обрабатывает запрос, и ответ готов.
Стоит отметить, что в продукт встроены механизмы ролевой модели, управления доступами. Можно настроить расписание нужных отчетов и получать их, например, ежедневно в 10 утра. В этой версии решения можно использовать мессенджер как пуш-уведомителя. Элегантно решена задача с пуш-рассылками различных отчетов. В ходе демонстрации рассматривались несколько примеров (один из них – доступность товарных групп в рознице ниже 70%), обращающих на себя внимание пользователя решения. Отчеты можно отправлять по тому или иному триггеру (по мере выполнения определенного критерия).
Вторая версия интерфейса с использованием ИИ-ассистента привнесла в решение немало нового. Благодаря применению LLM инструмент хорошо понимает язык (а не набор намерений). По словам эксперта, сейчас EasyReport обеспечивает полноценную коммуникацию в стиле вопрос – ответ.
Возможности системы демонстрировались на примере двух кейсов в сфере продаж и производства продукции (себестоимости выпуска). Качество обработки естественного языка такое, что с системой можно общаться, корректировать направления действий. При этом LLM запоминает контекст, учитывает характер ошибки и корректирует себя, анализирует и делает выводы.
Один из демо-кейсов – помощь в работе с неоднозначностями. Задания в области мастер-данных, больших справочников относятся к самым сложным, когда речь идет о создании агентов для работы с данными. Справочники, насчитывающие десятки тысяч значений (адресов, клиентов, контрагентов и т. п.), нельзя загрузить в контекст LLM. Необходим помощник, который умеет эффективно работать со справочниками, в частности, упрощать соответствующую задачу для LLM. Игорь Пантелеев продемонстрировал, как EasyReport справился с запросом – проверить, связаны ли простои оборудования и процент брака (есть ли корреляция). Нужные показатели содержатся в разных моделях данных. Агент подготовил отчет о простоях, затем о случаях брака, о которых сообщали клиенты. На основе полученных сведений запустился анализ данных. Пошаговый алгоритм действий показал, как LLM собрала нужную информацию из контекста в ходе направляемого диалога.
Не менее сложная аналитическая задача многокритериального выбора, когда требуется отобрать объекты по набору условий из разных моделей данных, в частности, найти партии с низкой себестоимостью производства (ниже среднего на 10%) и высокой маржой, выяснить, какие продукты составляют 80% объема продаж.
От ассистентов к агентам
Оба подхода (и чат-бот, и ИИ-ассистент) работают поверх единого фундамента ER Core. Это значит, что ни один из вариантов интерфейса не устареет. Представители компании заверили, что они не планируют бросать чат-бот, чтобы сосредоточиться на развитии ИИ-ассистента. Оба интерфейса представляют ценность, поскольку предназначены для решения различных задач.
В частности, ИИ не подходит для «точных» задач агрегации. Большие справочники и вычисления остаются за пределами возможностей искусственного интеллекта. Нельзя всю структуру хранилища данных отправить в LLM и надеяться, что она не ошибется на этапе генерации отчета. В то же время ИИ проявляет себя в отношении гибких сценариев общения и снижает барьер входа.
Еще один вывод по итогам демонстрации в том, что подготовка данных неизбежна. Нужно максимально снять лишнее с ИИ, чтобы свести к минимуму галлюцинации. В EasyReport это решено благодаря наличию «админки», которая выстраивалась годами по мере развития продукта. Сегодня это позволяет настраивать для LLM источники, модели данных, словари, роли и т. д.
У каждого из сценариев применения EasyReport свои пользователи. Для полевых или операционных сотрудников важно быстро посмотреть статус заказа или платежа, увидеть вчерашние показатели работы, иметь под рукой пуш-уведомления (через мессенджеры и чат-боты). Бизнес-пользователи (менеджеры, в том числе группы топ, руководители производств) ценят возможность обратиться с нестандартными запросами к данным. В этом проявляется сильная сторона ИИ-интерфейса. Очевидно, что оба интерфейса дополняют друг друга.
На вебинаре эксперты рассказали также о дорожной карте развития продукта. В нее входят построение дэшборда по одной или нескольким фразам, генерация инсайтов и рекомендация, исполняемые агентные функции, генерация SQL в синтаксисе различных баз (расширенный live-connect), голосовое управление, LLM для повышения точности разбора фраз, преднастроенные типовые модели или ракурсы (управленческий баланс и т. д.) для быстрого запуска и др.
Представленный вектор развития решения подчеркивает актуальность курса на гиперавтоматизацию, переход от ассистентов (помощников в работе с данными) к агентным архитектурам (когда агент обращается к другому агенту).
