Собрали для команды AI-агента «База знаний Webest», который работает в чате Битрикс24.

Сотрудник задает вопрос в свободной форме, а агент ищет ответ в Базе знаний, находит подходящую статью, делает краткую выжимку и дает ссылку на исходный документ.

Сейчас проверяем на запросах сотрудников, помогает ли такой поиск быстрее находить информацию и чаще обращаться к Базе знаний.

Какую проблему решаем

В компании может быть большая База знаний с регламентами, инструкциями и правилами, но сотрудники не всегда готовы искать нужную информацию самостоятельно.

Вместо поиска сотрудник спрашивает коллег:
— «Как оформить отпуск?»
— «Как оценивать задачи?»
— «Как проходят внутренние планерки?»

Мы решили перенести этот сценарий в привычный интерфейс — чат Битрикс24.

Как работает
Например, сотрудник спрашивает: «Как оценивать задачи, которые ставят мне коллеги?»

Агент:
🔹 ищет релевантные документы в Базе знаний Битрикс24
🔹 выбирает подходящую статью
🔹 формирует краткий ответ
🔹 добавляет ссылку именно на найденный документ
🔹 предлагает связанные материалы отдельными кнопками.

То есть сотруднику не нужно искать статью, достаточно задать вопрос.

В видео показываю, как этот сценарий выглядит в чате Битрикс24. Отдельно проработали и интерфейс: приветствие при первом входе, описание возможностей агента, примеры вопросов и оформление ответов.

Но есть важное условие

AI-агент не заменяет Базу знаний. Если регламенты не описаны, устарели или информация неактуальна — качественного ответа не будет. Поэтому результат напрямую зависит от того, насколько хорошо компания ведет свою Базу знаний.

В нашем случае она изначально велась в Яндекс Вики. Чтобы не переносить документы вручную, воспользовались бесплатным приложением «Мигратор Базы знаний 2.0» от «1С-Битрикс». Оно переносит структуру разделов, страницы и вложения в Битрикс24.

На чем сделали

Агент работает с новой Базой знаний 2.0 в Битрикс24, а решение разработали на платформе Вайбкод и развернули через VibeCode Deploy API. AI-часть работает через AI Router VibeCode на модели BitrixGPT 5.6 Agent.

Пока это пилот, поэтому не будем заранее говорить о результатах.

После запуска хотим проверить:
— какие вопросы сотрудники задают чаще
— насколько точно агент отвечает
— сколько времени занимает поиск информации
— как часто сотрудники переходят к исходным документам
— снизилось ли количество вопросов коллегам

После периода использования вернусь с результатами. А вы бы пользовались таким AI-агентом?

В Битрикс24 может храниться история клиента за несколько лет: сделки, звонки, письма, чаты, комментарии, платежи. Но чтобы понять, что происходит с клиентом сейчас, менеджеру приходится собирать картину вручную.

Когда последний раз общались с клиентом? Снижается ли его активность? Какие риски появились? Есть ли потенциал для развития? Что менеджеру делать дальше?

Для десятков и сотен клиентов регулярно проводить такой анализ практически нереально. Поэтому мы сделали AI-аудит клиента внутри Битрикс24. Как это выглядит в работе — смотрите в видео к посту.

По одной кнопке AI собирает историю из разных частей системы: коммуникации, звонки и их расшифровки, сделки, счета, финансовые данные и связанные CRM-объекты.

Дальше анализирует контекст и выдает:
🔹 оценку «здоровья» клиента
🔹 краткое резюме ситуации
🔹 риски и точки роста
🔹 рекомендации
🔹 следующий шаг

Здесь важно не просто посчитать сумму продаж. Клиент с крупной покупкой полгода назад и клиент с регулярными платежами на прошлой неделе могут иметь одинаковый оборот, но совершенно разное «здоровье».

Анализ сам по себе мало что меняет. Если после менеджер получает еще один отчет, ему все равно нужно самому решать, что делать дальше.

Поэтому мы связали анализ с действием. Прямо из результата AI можно поставить задачу менеджеру. AI формирует описание и превращает рекомендации в чек-лист, остается только выбрать ответственного и срок.

Получается цепочка:
данные в Битрикс24 → AI-анализ → вывод → рекомендация → задача сотруднику.

И здесь есть важный момент: AI не создает знания о компании из воздуха. Если коммуникации не фиксируются, сделки не ведутся, а результаты работы остаются «в голове» сотрудников — качественного анализа не получится.

Хороший AI-сценарий начинается с данных и нормально выстроенного процесса в Битрикс24. И это работает не только с клиентской базой. По той же логике можно анализировать сервисные обращения, рекламации, закупки, проектные задачи и другие процессы, где уже есть накопленная история.

Для меня здесь интересен не столько сам «рейтинг здоровья» клиента, сколько принцип.

В Битрикс24 уже есть данные о работе компании. AI позволяет не просто искать их или делать по ним отчеты, а понимать контекст, находить проблему и сразу запускать действие. То есть CRM постепенно превращается из места, где хранится история, в систему, которая помогает принимать решения.

*Приложение сделали на VibeCode. Для анализа используем BitrixGPT 5.5, а Whisper Large v3 Turbo для транскрибации звонков. Так в анализ попадает не только то, что менеджеры записали в CRM, но и содержание разговоров с клиентом.

Делюсь последними результатами нашей работы, мы опубликовали еще 2 кейса по автоматизации бизнес-процессов для компаний из разных отраслей.

🔹Кейс — Автоматизация подготовки документов ВЭД и отказ от Excel для АО НХК «Арикон»
Рассказываем, как объединили работу подразделений в Битрикс24, автоматизировали обработку заявок, настроили бизнес-процессы и сделали работу сотрудников более прозрачной и управляемой.

🔹Кейс — Внедрение коробочного Битрикс24 для Jungheinrich: единое цифровое пространство для 65 000+ единиц техники
Показываем, как автоматизировали обработку сервисных заявок, настроили согласования, распределение задач и взаимодействие между отделами, сократив объем ручной работы и повысив контроль над процессами.

Каждый проект решал свои бизнес-задачи, но результат оказался схожим: меньше рутины, больше прозрачности процессов и удобные инструменты для управления компанией.

Больше реализованных проектов смотрите в карточке партнера на портале Битрикс24

Если сейчас думаете над автоматизацией, возможно, в этих кейсах найдете идеи, которые можно применить и в вашей компании 🙂

В последнее время практически каждый день использую AI-агентов в работе и параллельно изучаю, как они устроены. Чем глубже погружаешься в тему AI, тем больше появляется новых терминов: LLM, MCP, RAG, Memory, Subagents...

Но после десятка статей все равно остается вопрос: «А как это все работает вместе?»

Поэтому я собрал простую схему, которая помогает понять, как устроен современный AI-агент. Конечно, реальная архитектура может быть гораздо сложнее, но именно такую модель я считаю наиболее понятной для первого знакомства с темой.

Вывод, к которому я пришел, изучая AI-агентов

AI-агент — это не новая языковая модель. Это система, которая использует LLM как один из своих компонентов. Если раньше мы общались с LLM как с умным собеседником, то теперь AI-агенты превращают этот интеллект в помощника, который способен не только отвечать на вопросы, но и выполнять работу.

Попробую объяснить на простой аналогии.

🔹 LLM = Профессор
Он обладает огромными знаниями и опытом. Если задать правильный вопрос, найдет решение.
Но сам по себе профессор не идет в библиотеку, не работает с лабораторией и не собирает материалы. Он анализирует информацию, которую знает или которую ему предоставили, и дает экспертные рекомендации.

🔹 AI-агент — это научный сотрудник
Именно он получает задачу, составляет план работы, ищет информацию, изучает документы, использует лабораторию, консультируется с профессором и приносит готовый результат.

Теперь поясню другие блоки схемы:

🔹 Данные — это библиотека знаний. В разработке это документация, README, исходный код проекта, внутренняя база знаний и любые материалы, которые помогают агенту понять контекст задачи.

🔹 Инструменты — это лаборатория. Сюда относятся MCP, RAG, Memory, Rules, Subagents и другие механизмы, которые позволяют агенту получать дополнительный контекст, запоминать информацию, делегировать задачи и взаимодействовать с внешними системами. Например, именно благодаря MCP агент может выполнять действия во внешних сервисах, работать с GitHub, Bitrix24 и другими.

🔹 Среда работы — это место, где работает научный сотрудник. Для разработчика это IDE, CLI, браузер и другие рабочие инструменты.

Поэтому современный AI-агент — это уже не просто чат с искусственным интеллектом. Он способен взять на себя часть инженерной работы. Например:

— быстро разобраться в незнакомом проекте и объяснить архитектуру;
— найти нужное место в кодовой базе;
— предложить изменения или реализовать новый функционал;
— запускать команды, тесты и работать с Git;
— использовать документацию и внутреннюю базу знаний как контекст;
— подключаться к внешним системам и выполнять действия в них.

На мой взгляд, главный прорыв последних лет — не сами LLM.

Настоящий прорыв произошел тогда, когда языковые модели получили память, инструменты, доступ к данным и возможность выполнять действия.

Именно поэтому AI постепенно становится полноценным цифровым помощником, который способен самостоятельно выполнять часть инженерной работы.

За последний год в нашей практике заметно выросло число запросов на внедрение Битрикс24 на PostgreSQL от клиентов.

Причины понятны:
🔹 курс на импортонезависимость
🔹 использование PostgreSQL как корпоративного стандарта в компании
🔹 требования служб ИБ и внутренней архитектуры
🔹 высокая нагрузка и большие объемы данных

Но за время внедрений заметил одну особенность: PostgreSQL-редакция все еще содержит ряд неочевидных сценариев, диагностика которых занимает больше времени, чем само исправление.

1. Поиск в CRM и смарт-процессах

На одном из проектов пользователи жаловались, что часть записей невозможно найти через поиск.

После длительной диагностики выяснили, что проблема воспроизводится на значениях со сложными артикулами и кодами, содержащими дефисы. Запись существует, но поиск ее не возвращает.

Причину локализовали на уровне работы поискового индекса PostgreSQL. Без погружения в логи и код найти источник проблемы было бы крайне сложно.

2. Смещение времени в Открытых линиях

Еще один интересный кейс — время сообщений в чатах отличалось от фактического на несколько часов.

Проверили сервер, PHP, БД, настройки пользователей и браузеры. Источник оказался в особенностях обработки timestamp внутри PostgreSQL-драйвера. На поиск причины ушло больше времени, чем на само исправление 🫠

3. Не весь функционал доступен

С этим столкнулись сами при подготовке одного из проектов. Заказчик планировал использовать штатный BI Конструктор Битрикс24, но оказалось, что для PostgreSQL-редакции он пока недоступен.

Хорошая новость: по информации от вендора поддержка ожидается уже осенью.

При выборе PostgreSQL рекомендую заранее проверять список используемых модулей, чтобы подобные ограничения не всплывали после старта внедрения.

А в план внедрения сразу закладывайте дополнительное время на диагностику и тестирование — практика показывает, что именно там скрываются неочевидные нюансы.

Продолжаем рассказывать о наших решениях для Битрикс24. Сегодня про полезный инструмент, который помогает сотрудникам быстрее получать информацию и избавляет команду от лишних ожиданий в корпоративных чатах.

Представьте ситуацию, сотрудник ушел в отпуск, а коллеги продолжают писать по рабочим вопросам и ждут ответа. В итоге теряется время, задачи зависают, а нужную информацию приходится искать вручную.

🔹 Absent Assistant — автоответ в чатах
Если сотрудник отмечен как отсутствующий, отправитель сразу получает уведомление об этом прямо в чате и это работает как в личных сообщениях, так и в групповых чатах.

При этом мы специально предусмотрели несколько ограничений, чтобы уведомления оставались полезными.

— Если сообщение отправляет сотрудник, который сам находится в статусе отсутствия, автоответ не срабатывает.
— Информация о недоступности коллеги отправляется каждому пользователю и не чаще одного раза в сутки.

В результате команда сразу понимает, что человек недоступен, не тратит время на ожидание ответа и быстрее находит того, кто может помочь здесь и сейчас.

Когда проектов становится больше, а задач сотни, управлять сроками и зависимостями все сложнее

В Битрикс24 уже есть встроенная диаграмма Ганта — это хороший инструмент для базового планирования.

Но в реальных проектах мы регулярно сталкивались со сценариями, где командам не хватало удобной работы с большим количеством задач, гибкой структуры подзадач, быстрого анализа зависимостей и наглядного контроля сроков.

Поэтому разработали собственное решение Гант задач: зависимости и шаблоны

Что внутри:
🔹Таблица задач и диаграмма Ганта в одном окне
🔹Построение связей и зависимостей между задачами
🔹Иерархия: родительские задачи и подзадачи
🔹Фильтры по проектам, сотрудникам и статусам
🔹Экспорт Excel/CSV по принципу «что вижу — то выгружаю»
🔹Создание задач внутри интерфейса
🔹Быстрый запуск из раздела задач

Это приложение особенно полезно для внедрений, стройки, производства, digital-команд, агентств и проектных офисов.

Главная идея была не заменить стандартные инструменты, а сделать более удобным рабочий интерфейс для команд, которые ежедневно работают с большим объемом задач и проектов.

Если вы ведете проекты в Битрикс24 и регулярно работаете с диаграммой Ганта — попробуйте приложение и оцените, насколько удобнее стало планирование и контроль сроков.

Продолжаем разбирать наши решения для маркетплейса Битрикс24. Сегодня про инструмент из блока «Продажи и CRM», который помогает собирать NPS, CSAT и другие опросы внутри CRM.

🔹Опросы клиентов и NPS
Приложение позволяет настраивать и проводить опросы без внешних сервисов, а в лидах, сделках, контактах и компаниях.

Как это работает:
— Создаете сценарии опросов под свои процессы
— Настраиваете вопросы через конструктор: текст, число, список, дата
— Запускаете опрос вручную или встраиваете в логику бизнес-процессов портала
— История ответов отображается в карточке CRM, а результаты сохраняются в выбранное хранилище: смарт-процесс, универсальный список или таймлайн

А еще опрос можно отправить по публичной ссылке.

Сформируйте ссылку → отправьте ее в письмо, SMS или мессенджер → клиент проходит опрос без входа в портал

Ссылка подписывается и привязывается к конкретному объекту CRM, а ответ сохраняется автоматически.

Дополнительно можно:
🔹ограничить количество ответов по ссылке
🔹запретить повторное заполнение
🔹получать ссылки через API для рассылок и автоматизаций

Чем приложение полезно для бизнеса?
— Обратная связь собирается централизованно внутри CRM
— История опросов и ответов доступна в карточке
— Результаты можно использовать для отчетов, аналитики и автоматизаций

 Приложение уже доступно к скачиванию.

Иногда сотрудники открывают сделку и не видят нужное поле или не могут перевести на следующую стадию, хотя все заполнено. Частая причина — у поля ограничена видимость.

Как проверить?
1. Откройте любую сделку в CRM
2. Перейдите в режим редактирования карточки
3. Найдите нужное поле
4. Откройте настройки поля (через иконку редактирования)
5. Проверьте параметр «Ограничить видимость поля»
6. Добавьте нужных сотрудников или снимите ограничение

Если галочка включена, поле будет видно только тем сотрудникам, которые указаны в настройках.

Почему это важно?
— Возникают ограничения при попытке сменить стадию сделки
— Сценарии автоматизации отрабатывают некорректно
— Роботы могут не запускаться или срабатывать не полностью

Скрывать поля — нормальная практика для служебных данных. Но если забыть про ограничения, это влияет на работу CRM. Поэтому при создании новых полей проверяйте, кому они доступны.

Было полезно? Делитесь с коллегами, это одна из самых частых и неочевидных проблем.

Решил попробовать новинки для Битрикс24, которые позволяют работать с платформой через AI и протестировал два подхода:

1. VibeCode для генерации приложений через AI
2. MCP-сервер Битрикс24 для работы с API прямо из IDE

Оба инструмента показали, что AI уже не просто помогает писать код, а напрямую работает с API и генерирует решения под конкретные задачи.

🔹 VibeCode
— слой API и инструментов, который позволяет AI-моделям вроде Claude Code, Codex и Gemini работать с Битрикс24 и собирать приложения по промптам.

Я проверил, как это работает и за 10 минут собрал простое приложение: форму создания сделки с проверкой дубликатов по клиенту.

Что сделал:
1. Создал API-ключ в VibeCode
2. На портале сделал локальное приложение
3. В Cursor передал AI-модели промпт + API-ключ + client_id / client_secret
4. Залил сгенерированный файл на сервер

Для теста я сознательно не настраивал автоматический деплой или сборку, задача была проверить принцип работы. Результат показал, что даже в таком простом формате VibeCode существенно экономит время, особенно для быстрого MVP или проверки гипотез.

🔹 MCP-сервер
— позволяет IDE передавать AI-модели контекст API платформы.

После подключения модель понимает структуру REST-методов, знает сущности и объекты модулей, помогает писать запросы и генерирует код для решения задач.

Я протестировал MCP через Cursor и проверил:
— генерацию REST-запросов
— новую бот-платформу
— разбор ошибок API
— как генерирует код и готовые решения под задачи разработки

Фактически workflow выглядит так:
AI-модель в IDE → понимает API Битрикс24 → генерирует код и решения задач

Кстати, в обозримом будущем MCP появится для коробочной версии (API D7), что еще сильнее расширит возможности.