NFP | Первый Бит
7 вебинаров недели: маркировка, бюджетирование, СИЗ, маркетплейсы, вайбкодинг, ГОЗ и ЭПД. КСО в рознице: как автоматизировать торговую точку и работать с маркировкой без ошибок 22 сентября, вторник, 11:00 Система бюджетирования на базе продуктов 1С: современные инструменты 23 сентября, среда, 10:00 Как вести учёт СИЗ без рисков и штрафов в 1С:ЗУП КОРП 23 сентября, среда, 11:00 Автоматизация маркетплейсов в 1С: как подготовиться к сезону пиковых продаж 23 сентября, среда, 11:00 Вайбкодинг в Битрикс24: как создавать бизнес-решения с помощью ИИ 24 сентября, четверг, 11:00 Гособоронзаказ: раздельный учёт и отчётность в 1С с БИТ.ГОЗ 25 сентября, пятница, 10:00 Второй оператор ЭПД: когда он действительно нужен бизнесу 25 сентября, пятница, 11:00 Другие вебинары доступны по ссылке
Навыки и память: как обучить ИИ-агента под свои процессы
ИИ-агент без настройки под конкретную компанию — это универсальный инструмент, который не знает ни структуры ваших систем, ни ваших процессов. PIX Оператор решает это через два механизма обучения: факты (знания об инфраструктуре и особенностях учётных систем компании) и навыки (пошаговые инструкции для повторяющихся задач). В одном из проектов навык, написанный и протестированный за считаные минуты, сразу же нашёл реальные ошибки в учёте. Факты — это память агента о том, как устроены системы конкретной...
Три уровня безопасности ИИ-агента при работе с 1С
Безопасность ИИ-агента при работе с 1С и другими учётными системами строится не на одном механизме, а на трёх независимых уровнях контроля. Это выбор контура и модели, ограничение набора инструментов и прав доступа, и автоматическое наследование прав пользователя, которое невозможно обойти даже прямой просьбой в диалоге — главное опасение служб информационной безопасности насчёт того, что ИИ-агент теоретически может «уговорить сам себя» выйти за пределы разрешённого. Первый уровень — это то, где физически работает агент и модель, которая его «думает»...
Как ИИ-агент анализирует большие данные, не переполняя контекст
Обычный ИИ-агент без специальной обвязки упирается в лимит контекста модели уже на десятках тысяч строк данных — загрузить туда 700 000 записей просто невозможно физически. ИИ-агент, обученный работать как аналитик данных, решает эту задачу иначе: он опирается на статистику по набору данных, а не читает каждую строку — в одной из демонстраций такой подход занял около 130 000 токенов на анализ трёх связанных источников общим объёмом более 700 000 записей. У любой языковой модели есть предел объёма данных, которые она может удерживать «в голове» одновременно — окно контекста...
