ИИ-агенты в «1С»

Если верить Gartner, то ИИ-агенты — однозначный тренд №1 в ИТ на 2025-й год, соответственно в «1С» они так или иначе появиться должны, и нашими силами появились.

В статье кратко расскажу, что такое ИИ агенты, чем они отличаются от "просто LLM". Что такое RAG, какой стек технологий для этого используется, с чего стоит начать. Особенности и подводные камни разработки. Также как и зачем мы стали делать агентов в 1С.

Несколько месяцев продолжался ресёч и далее собственно уже разработка в рамках проектов OneRPA

и EmplDocs

Немного расскажу, что "под капотом" и зачем мы это всё делали в 1С.

Но сперва немного теории:

Retrieval Augmented Generation - это когда пользователь пишет запрос к LLM, а вы к нему подмешиваете данные из ваших корпоративных систем.

Сама идея стара как мир. Название просто модное.

Примерно как и RPA в свое время. Просто если развитию RPA придало неплохой буст развитие CV в те времена повсеместное, то RAG системы - очевидное следствие появления и развития LLM.

2022-ой год кроме известных печальных событий подарил нам приятные истории в мире NLP виде революционных моделей GPT.

На самом деле революция началась существенно раньше - где-то с появлением архитектуры трансформеров, т.е. по факту BERT уже был весьма хорош, и был виден потенциал, но, конечно, успеха GPT никто не ожидал.

И сразу после того, как все поняли, что GPT - это "гейм ченджер", естественно, его ринулись применять везде, где надо и не надо. Но быстро стало очевидно, что LLM модели как "более продвинутый google" слишком мало для реальных внедрений в реальный бизнес. А именно эта история нас двигает вперёд, без применения в реальных задачах бизнеса технология просто "дорогая игрушка".

Что нужно для внедрения LLM в бизнесе:

- OnPremise

- Доступ к корпоративным данным

Про OnPremise мы поговорим отдельно. Пока главное, что хотел сказать, это то, что системы, которые используют LLM и обогащают контекст за счет корпоративных данных, называют RAG системами. И да, конечно, консультанты скажут вам, что всё существенно сложнее сложнее :). Теперь давайте разберёмся с ИИ агентами:

Кроме того, что система имеет доступ и использует корпоративные данные в своей работе, постепенно появился класс систем, которые стали называть ИИ агентами (да-да, теперь мы уже не изменим тот факт, что LLM для всех стали "ИИ", несмотря на весь спектр технологий, которые мы причисляем к ИИ).

Какой-то четкой классификации, что есть ИИ агент, вы не найдёте.

Но давайте чуть проще - от общего к частному:

1) ИИ - по сути очень много всего, включая ML\NLP\CV\OCR и ещё кучу направлений характеризуется не детерменированным алгоритмом принятия решений, а на основе обучения (статистики)

2) LLM - современное направлении ИИ - те самые модели, которые дают "фантастические" результаты используя архитектуры GPT произвольные от них в несколько проходов\направлений, встроенные векторы контекста кучу параметров и т.п.

3) RAG - это когда чатика с LLM нам уже мало и мы подсовываем модели в том или ином виде корпоративные данные

4) AI агент - это когда модели подсовываются корпоративные данные, но ещё добавляется "память", что она делала и как кому отвечала и что кто спрашивал, появляется какое то планирование и добавляются различные тулзы вроде "проведи документ в корп системе" или "поищи по корпоративной базе знаний"... Основной акцент на автономности...

На этом с теорией разобрались, давайте попробуем ответим на главный вопрос:

Ну как минимум потому, что в SAP они уже есть:

Притом ещё и с возможностью "разработки":

Или даже у SalesForce так:

Крупнейшие мировые вендоры ERP\CRM уже активно пилят ИИ Агентов.

В 1С на момент начала 2025-го года ИИ агентов мне лично найти не удалось, поэтому в рамках проекта OneRPA мы запилили конструктор ИИ агентов и интерфейс для взаимодейтсвия с ними для 1С.

А в рамках проекта EmplDocs мы разработали и стали внедрять уже Production ИИ агентов в HR.

Зачем ещё ИИ агенты именно в 1С? Да очень просто - корпоративные знания, связанные с деятельностью компании и используемые для принятия решений, как правило, находятся в 1С, если вы живёте в РФ. А кроме фундамента корпоративных знаний в компании обычно есть разве что производственная система, которая может быть не привязана к платформе 1С в зависимости от задач или база знаний, для которой уже давно существуют RAG системы и ИИ агент как таковой не сильно полезен.

Соответственно в 1С ИИ агенты это просто необходимая история, которая будет существенно упрощать нам и пользователям жизнь уже очень и очень скоро

Более того, потребность была осознана кажется ещё до появления и массового распространения современных LLM.

В 1С уже были попытки сделать интерактивного помощника:

Без LLM она вряд ли была настолько удобна и востребована + интерфейс "внутри 1С", конечно, не делает её популярнее.

Но тем не менее, вряд ли данное решение разрабатывали в тиражном продукте просто "из интереса".

Так или иначе, думаю это скоро изменится если уже не изменилось и у меня просто нет актуальной информации.

Что же касается ИИ агентов, то самое время их делать именно сейчас, месяц назад было рано. Через месяц будет поздно :).

А виновники всему вот эти ребята:

И

Кто то сейчас думает и что я к ним прикопался? Всё таки модели от OpenAI дают лучший результат...

Да, несомненно, модели от OpenAI обеспечивают лучший результат, вот только... Они в облаке. И дело тут не только в стоимости (хотя она тоже важна).

Готовы вы персональные данные сотрудников, финансовую информацию или что-то ещё отдать в облако? Ещё и трансграничную передачу... это уже совсем ай ай. Мир сейчас не такой приятный и в нём бегают не только розовые пони.

С учетом того, что модели явно учатся на передаваемой им информации, надо быть очень смелым человеком чтобы это сделать.

Вообщем суть в том, что лично для меня ИИ агенты обрели буст и стали "must have" инструментарием с появлением DeepSeek.

Теперь есть возможность в принципе компании любого масштаба развернуть себе локальную LLM приличного качества.

LLama, конечно, была достаточно давно, но разница с передовыми моделями OpenAI всё-таки была слишком существенной.

ИИ аегнтов мы пока сделали в EmplDocs и отдельным модулем в рамках OneRPA.

Но EmplDocs вцелом решение достаточно специализированное и ИИ агентов мы там разработали используя достаточно классический инструментарий.

Так что рассказать и поделиться особо нечем, кроме разве что результатов, о которых я уже собственно писал: //infostart.ru/1c/articles/2326735/

А вот ИИ агенты в OneRPA уже несколько более интересная история:

И OneRPA мы теперь называем в том числе APA системой (Agentic Process Automation).

До завершения первых внедрений (сторонними командами) наверное будем держать в закрытой бета. Но как люди освоят - будет уже совсем другая история.

Сам интерфейс пользователя внутри 1С выглядит как-то так:

Как видите, ничего в нём особо умного нет. Но как бы и не должно быть.

Сейчас работаем над тем, чтобы всё-таки прикрутить распознавание голоса, то ли локальное, то ли уже самой LLM отдать или специализированное решение использовать.

Чат сделан именно в Web варианте осознанно - для того чтобы обратиться к ИИ агентам можно было не открывая непосредственно интерфейс 1С. Тут вопросы и доступов и удобства использования и лицензирования.

В целом достаточно удобно.

Сам процесс использования выглядит следующим образом:

- берётся виртуальная машина в формате OVF (или скрипты развёртывания)

- С этой машины публикуется Web интерфейс чата, который связан с LLM

- В 1С добавляется и публикуется расширение, в настройках машины с LLM указывается адрес API опубликованного расширения, посредством которого и осуществляетя вся "магия управления"

- Загружаются сами разработанные ранее агенты, или разрабатываются новые.

Из чего всё это состоит?

На VM установлен DeepSeek запущенный лёгким движением руки с ollama.

Сверху там же находится Open-WebUI для того чтобы у наших агентов был интерфейс чата.

Там же развернута Milvus - для памяти наших агентов

При обращении в чат происходит вызов LangChain а через него уже обращение к LLM.

Переписку LangChain соответственно "запоминает" в векторной БД.

LangChain же обращается в 1С для инициализации агентов, использования отдельных tool-ов и знаний.

Контекст стараемся экономить насколько это возможно, соответственно придётся "платить" долесекундными зажержками на обращение в 1С за данными по мере необходимости.

При этом сама разработка агента не требует знания всего что перечислено выше.

По сути это следующие шаги:

- создание самого агента, включая описание назначения, начального промпта, описания контекста при котором должны быть обращения именно к этому агенту

- Описание знаний к которым будет обращаться ИИ агент. По сути запрос в 1С, описание его назначения и колонок получаемого результат

- Описание действий ИИ агентов. Вот тут может придётся немного покодить. ИИ агент может вызвать именно действия (разделение специфично для 1С) по вводу документа в 1С, передав на вход json в нужном формате. Формат, кстати, тоже описывается отдельно.

Самое интересное относительно классической разработки, что никакого чёткого алгоритма действий или даже какой то финальной схемы работы.

"магия" заключается в том, что мы описывам только итог и некоторую специфику поведения, всю промежуточную часть ИИ агент может "додумать" сам.

Такая логика обеспечивает ИИ агентам большую автономность чем классическим чатботам, а также существенно боле высокое качество получаемых в итоге решений.

Самое трудное во всём этом занятии - тестирование работы агента в различных ситуациях и корректировка поведения только промптами и описанием запросов и итогов. Самое интересное ещё в том, что поведение может отличаться в зависимости от используемой модели. Поэтому использование локальной модели с агентами разработанными и протестированными для неё - намного более стабильная история.

Пока при разработке ИИ агентов мы не используем файнтюнинг, хотя его использование конечно может позволить добиться куда более впечатляющих резуальтатов для конкретной компании и области знаний, но по соотношению затраты\результат кажется не в нём ключ к успеху.

Разрабатывать ИИ агентов, я думаю, скоро мы будем все. В OnePRA, в чистом Python, появится что то в платформе 1С или ещё каким то образом - на знаю.

Смысл в том что самое время начинать если уже не заканчивать. Предполагаю что интерфейс будет меняться, и скоро "формы с кучей кнопочек" которым надо отдельно учиться уступят место интерфейсам с использованием естественного языка. А если уже говорить что такие интерфейсы совмещаются с обучением и некоторой степенью автономности, то выглядит вообще как сказка. LLM вошли в фазу вполне доступных каждому решений, так что готовимся, господа. Или начинайте писать свой фреймворк (что собственно не сложно) или Welcome в OneRPA, или знания Python и наскольких общих фреймворков крайне пригодятся.

На этом всё. Подписывайтесь на мой канал:

ИИ агенты сейчас конечно центральная тема, но в нём есть много всего интересного.