Кейс-мясо. Как с помощью low code решений я добавил интерфейс во внутрикорпоративный CRM со всеми данными, который выглядит как чат

Извиняюсь за лонгрид, но это самый масштабный мой кейс.

У вашей компании может быть внедрена CRM за миллионы, настроен PowerBI и куплена Jira. Но положа руку на сердце: как часто собственник или коммерческий директор заходит туда сам? Обычно это происходит так: он пишет ассистенту: «Лена, выгрузи мне продажи за неделю и узнай, почему мы просели по Яндексу».

Потому что интерфейсы — это боль. Чтобы получить одну цифру, нужно добраться до рабочего ноута, залогиниться, вспомнить пароль, настроить фильтры и ждать. Я решил убрать прокладку в виде Лены (Осуждаю за игру слов) и интерфейсов, создав AI-операционного директора.

Теперь управление бизнесом происходит через голосовые сообщения в ТГ, а под капотом крутится сложная машинерия на базе n8n и LLM.

Проблема «Последней мили» данных

Главная проблема автоматизации не в том, чтобы собрать данные. А в том, чтобы доставить их, в тот момент, когда они нужны.

Заказчик поставил задачу: > «Я хочу управлять коммерческим отделом, пока еду за рулем или иду на встречу. Я не хочу тыкать в кнопки мобильного приложения CRM, оно тормозит и неудобное. Я хочу просто сказать — и чтобы оно сделалось».

Решение: Я не стал писать очередное «удобное приложение». Мы использовали интерфейс, который уже есть у каждого — мессенджер. Система работает как «умная прослойка» между человеком и зоопарком корпоративного софта (CRM, Таск-трекер, Базы данных).Вот два реальных сценария использования.

Сценарий 1. Управление задачами одним сообщением (В том числе и голосом)

Ситуация:

РОП вышел с планерки. У него в голове куча мелких поручений, которые обычно забываются или записываются в заметки.

Он записывает одно голосовое сообщение в чат с Агентом :> «Так, по проекту "Альфа": закрой задачу по верстке, она готова. Поставь новую задачу на дизайнера Олега — нужно отрисовать баннеры до среды. И отметь там маркетолога, пусть проверит тексты. А, и ответь клиенту в последнем комменте, что мы взяли в работу.»

Что происходит под капотом:

1. Whisper (AI):Транскрибирует голос в текст.

2. LLM: Нейросеть (Донастроенная ollama) анализирует текст и понимает, что в одном сообщении содержится 4 разных действия:

Update Task: Найти задачу по проекту "Альфа" -> статус "Closed".

Create Task: Исполнитель "Олег" (ID найден в базе), Дедлайн "Среда" (дата вычислена), Описание "Баннеры".

Mention: Тегнуть юзера "Маркетолог".

CRM Comment: Найти последнюю сделку клиента -> Оставить комментарий.

3. API Execution (n8n): Оркестратор отправляет запросы во внутреннюю систему управления проектами и CRM.

4. Feedback: Бот присылает ответ: «Сделано. Задачи обновлены, Олега и маркетолога уведомил. Комментарий улетел».

Итог: 15 секунд голосового сообщения заменили 5 минут кликанья по вкладкам и поиска нужных кнопок.

Сценарий 2. Аналитика по запросу

Предположим, коммерческому нужно срочно понять эффективность каналов трафика перед встречей с гендиром. Аналитика ждать долго.

Он пишет (или говорит) боту :> «Дай сводку по продажам за эту неделю в сравнении с прошлой. Разбей по каналам: Яндекс, ВК и Холодные.»

Что делает Агент:

1. Нейросеть преобразует человеческий вопрос в сложный SQL-запрос к базе данных компании.

2. Вытягивает сырые цифры из CRM и рекламных кабинетов.

3. LLM сравнивает показатели, видит тренды.

4. Визуализация: Генерирует график или красивую таблицу и отправляет картинкой в чат.

5. Добавляет приписку: «Идем с опережением на 10%, но Яндекс Директ просел (CPL вырос на 200р).

Итог: Любой сотрудник, у которого есть права доступа, получает аналитику в любой конфигурации за секунды. Без участия аналитиков.

Техническая часть

Многие думают, что это просто «ЧатGPT, которому скормили файлик». Но нет. Это специальная сборка ollama + RAG на llamaIndex + Function Calling.

Безопасность: Данные не хранятся в облаке нейронки по API подписке. Мы используем LLM только как «процессор» для логики, а сами данные гоняются через сервера внутри компании.

Система подключена напрямую к API внутренней CRM. Это позволяет не только читать данные, но и менять их в реальном времени.

Результаты внедрения

1. Задачи перестали теряться. Потому что наговорить голосом проще, чем забыть.

2. Время от вопроса «как у нас дела?» до получения точного отчета сократилось с часов до секунд.

По итогам бизнес-процессы должны быть гибкими — подстраиваться под человека, а не заставлять человека учить инструкции к софту.

Меня зовут Даниил, я — архитектор MVP и AI-решений. Я строю даже такие системы, которые экономят сотни часов менеджмента и ожидания аналитики.

Пишите, обсудим вашу архитектуру: @boiwow