Библиотека искусственного интеллекта для 1С. Назначение. Примеры использования

Философия: от вайб-кодинга к бизнес-результату

Я автор популярной разработки – «Библиотека искусственного интеллекта для 1С». Про нее я вам и расскажу.

Давайте сразу: это не очередной инструмент для вайб-кодинга. Я за вайб-кодинг. Это необходимо, это прекрасно, это хорошо. Но мы должны думать на несколько шагов вперед, так как мы разработчики.

Допустим, мы освоили вайб-кодинг, драматическим образом повысили свою производительность и теперь за пять секунд делаем сто печатных форм. Следующий вопрос, который мы должны себе задать: а кто все это купит завтра? Сегодня, может быть, еще и купит. Но кто купит завтра?

Библиотека искусственного интеллекта позволяет вам продвинуться немного дальше. В случае с вайб-кодингом вы используете ИИ для того, чтобы получить код. С библиотекой искусственного интеллекта вы используете ИИ для того, чтобы помочь вашим клиентам заработать деньги. Или, как вариант, если вы решили пройти этот путь до конца, вы зарабатываете эти деньги для себя.

То есть на входе у вас искусственный интеллект, на выходе – деньги. Согласитесь, эта формула несколько более привлекательна, чем «на входе искусственный интеллект, а на выходе код».

Техническая основа и унификация API-схем

Технически библиотека представляет собой стандартное расширение CFE, 1С-овское расширение. Оно универсально и будет работать с любой конфигурацией. Я специально следил за этим в процессе разработки, чтобы оно не было ни к чему привязано.

Отправной точкой служила первая задача, которую решала библиотека, – борьба с зоопарком API-схем. Вроде бы у нас есть стандартная API-схема OpenAI, это де-факто сложившийся стандарт. Многие его используют. И в этот момент OpenAI радостно потирает руки и говорит: «Вот, ребята, какие вы молодцы! Сделали свои приложения на нашей схеме, а мы тут вам новую схему придумали. Давайте у нас инструменты будут описываться не вот так:

а вот так:

Здорово же! Мы паразитный уровень убрали».

Но надо понимать, что это все делается не для того, чтобы сделать мир лучше. Хотя паразитный уровень действительно убрали. Делается это для того, чтобы получить конкурентное преимущество. Или, если быть точным, сохранить свое конкурентное преимущество.

Параллельно возникает уже старая схема Completions и новая схема Responses API. Но все самое вкусное, самое интересное, самое новое – в новой схеме, в Responses API. А в старой схеме остаются все, кто ориентировался на схему OpenAI. Переделать на новую – это не так быстро.

Что характерно, ключевые игроки, такие как Google или Anthropic, с самого начала в эти игры не играли. Они понимали, чем дело кончится. Поэтому у них схемы свои: изначально свои, чуть-чуть другие. Все то же самое, но схема другая.

Для нас, разработчиков, разумеется, возникает задача: как сделать приложение, которое будет работать независимо от модели, которую вы выбрали? Сегодня вы работаете на одной, завтра переключили модель и работаете на другой. Если вы хотите сделать хороший продукт, который использует искусственный интеллект, он, конечно, не должен зависеть от модели.

Для этого нужно что-то, что решает эту задачу. Библиотека как раз ее и решала. Вы можете просто даже не задумываться: у вас есть один метод – получить ответ от модели. Загрузить инструмент, получить ответ. Я показывал, что инструменты по-разному описываются в разных схемах. А какая модель при этом будет – все на лету заменится на нужное. Это была отправная точка.

Практическое развитие и создание экосистемы

Но, разумеется, я на этом не остановился и двигался дальше. Мое движение было связано в первую очередь с тем, что я использовал искусственный интеллект для своего бизнеса. То есть я сам делал торгового бота, который что-то продает для меня, и делал еще какие-то решения – для заказчиков, разумеется, тоже, но в первую очередь для себя.

И все, что появлялось в библиотеке, было связано с практикой. Сначала я понимаю: если мы что-то делаем с искусственным интеллектом, нам нужен инструмент. Значит, должен быть редактор инструментов. Делаем редактор инструментов, а вместе с ним и волшебную кнопку внутри.

Самая большая сила искусственного интеллекта в том, что он может открыться во внешний мир. Мы можем организовать взаимодействие с людьми со стороны, с клиентами, которые к нам пришли. Они нам что-то говорят, мы понимаем, что именно они говорят, и в какой-то момент, например, выставляем им счет.

Это означает, что нам нужен интерфейс. Мы не можем ожидать, что у клиента будет 1С, поэтому появился интерфейс с мессенджерами. Мы хотим принимать оплату – появился интерфейс с платежными системами. Примерно в таком ключе все и развивалось.

Но лучше один раз увидеть. Давайте посмотрим, что такое библиотека и как она работает.

Пример 1: BI на основе запросов на естественном языке

Пример номер один – это Business Intelligence, BI-система на основе запросов на естественном языке. Принцип простой: человек говорит, что ему надо, и получает то, что ему надо. То есть есть база данных, человек хочет получить из нее информацию, формулирует запрос на естественном языке и получает ответ.

В библиотеке есть несколько шаблонов. Один универсальный шаблон называется «Песочница», там собрано все-все-все. В том числе там можно посмотреть мой пример.

Кстати, хорошая практика – когда разработчик сам пользуется своим инструментом. Я лично BI-системой не пользуюсь, мне она особо не нужна. Но, например, OpenAI как раз такой системой пользуется.

Искусственный интеллект – это всегда соединение диалога и инструмента. Инструмент – это не что иное, как структура. В моем случае, для создания BI-системы, структура очень простая и состоит всего из одного элемента. Мы говорим: «Выдай-ка мне, пожалуйста, текст запроса на языке запросов 1С».

Сейчас это уже работает. Некоторое время назад у моделей с этим были сложности, сейчас все хорошо. Вопрос, который у вас может возникнуть на этом этапе: откуда модель поймет структуру нашей базы данных? Это самый хороший, самый правильный вопрос.

OpenAI предлагает использовать подход «less is more» – «меньше значит больше». Он кажется парадоксальным. У вас может возникнуть соблазн: «Давайте мы возьмем и скормим модели всю нашу базу, а она сама разберется и будет отвечать на вопросы». И вот это самая большая ошибка при попытке делать какие-либо продукты на искусственном интеллекте. Всегда надо думать о границах.

Если мы хотим сделать хорошую BI-систему, давайте сразу задумаемся, как ее ограничить. Например, мы хотим, чтобы наш ассистент давал ответы только по продажам. Ничего страшного в этом нет. В реальной практике, если мы хотим получить информацию по продажам, мы идем к начальнику отдела продаж. По закупкам – к начальнику отдела закупок. Когда будет зарплата – к бухгалтеру.

Поэтому смотрите: структура базы данных, естественно, описывается. Но я описываю только продажи. Если мы возьмем типовые конфигурации УТ, ERP, КА, то там это один регистр. Один-единственный регистр, который называется «Выручка и себестоимость продаж». Нам нужно описать структуру этого регистра.

Она более-менее кучерявая, замысловатая, потому что продажи – это кому мы продали, что продали и за сколько. «Кому» и «что» здесь описываются через ключи аналитики учета номенклатуры, ключи аналитики учета по партнерам. А это, в свою очередь, еще один промежуточный справочник.

Посмотрите, я их просто взял и описал. Сказал: есть такой регистр, у него есть такие измерения, есть такие ресурсы. Причем, что важно, вы можете писать это в произвольном формате. Можно написать так, можно написать по-другому. Сила искусственного интеллекта в том, что форма уже не важна.

Есть только один маленький момент. Здесь, когда я пишу, что у меня есть справочник «Номенклатура», я сбоку ставлю пометку. Это маленькая фишка у 1С. Потому что справочник называется «Партнеры». А вот номенклатура – не «номенклатуры», потому что это звучало бы не по-русски. Основа – «Номенклатура». И чтобы не было этой путаницы, вы добавляете вот такую маленькую штуку.

Все. У вас есть инструмент, у вас есть диалог, вы можете задать какой-нибудь вопрос.

Например, у меня получился вопрос про продажи по товарам, и я получил некий ответ. Он в текстовом виде, потому что в общем случае ответ может быть где угодно: он может быть встроен в 1С-овский пользовательский интерфейс, а может проходить через мессенджеры.

Но если вы хотите оформить ответ покрасивее, то в библиотеке искусственного интеллекта есть и такая заготовка.

Здесь тот же самый запрос 1С выводится в виде таблицы. Или даже, например, в виде какой-нибудь графики.

Вот это BI-система. Пользователи в массе своей пока еще не распробовали прелесть подхода «сказал, что тебе надо, – получил, что тебе надо». Но этот момент, я думаю, не за горами. Такого рода BI-системы, скорее всего, получат распространение и почти станут стандартом. То есть это то, что должно быть. Поэтому обратите на это внимание и почитайте статью.

Точки контроля и безопасность кода

Хотел показать еще одну важную вещь.

Посмотрите сюда. Я с помощью библиотеки организовал все это. У меня есть инструмент. В какой-то момент инструмент понимает, что он применим, и выдает не текстовый ответ, не «бла-бла-бла», а некую структуру. А структура говорит мне, что надо вызвать какую-то функцию. Я эту функцию вызываю и в конце концов прихожу вот сюда.

И здесь я напишу какое-то количество строчек кода совершенно конвенциональным способом. В принципе, могу и вайб-кодинг здесь применить. Но суть в том, что дальше, в этом месте, работа искусственного интеллекта закончилась, и управление передается мне как программисту.

Почему это важно? Когда я предлагал такие BI-системы, одно из стандартных опасений было: «Ну что вы такое делаете? Сейчас вам произвольный запрос базу положит. Этого делать нельзя, это опасно».

Это очень простой пример: я получил текст запроса, выполняю его – и все. Но на самом деле здесь у вас может быть сколь угодно сложная вещь.

Можно взять этот запрос, выполнить его в каком-нибудь тестовом контуре, посмотреть, все ли в порядке, не упадет ли база, и вообще отработать много разных моментов по безопасности.

Какое-то время назад, когда запросы работали не так хорошо, ошибок было больше. Сейчас, скорее всего, запрос будет без ошибок. Но тем не менее, если запрос выполняется с ошибкой, вы можете запустить вторую итерацию тому же искусственному интеллекту и сказать: «Вот смотри, у тебя тут ошибка, исправь, пожалуйста, этот запрос». И запустить его повторно.

Вот здесь у вас точка контроля. И здесь вы выполняете свою работу. Собственно, для этого библиотека и существует: чтобы дать вам точки контроля, обозначить границы и позволить вам на этих точках контроля выполнять какие-то свои конкретные действия.

Пример 2: Торговый бот и демонстрация процесса

Второй пример – это торговый бот.

Что такое торговый бот? Мы открываемся во внешний мир, делаем бота в каком-нибудь популярном мессенджере. Люди туда приходят, начинают с ботом разговаривать, а мы даем базовую информацию о том, что собираемся продавать: что это такое, сколько это стоит.

Бот общается с покупателями, в какой-то момент понимает, что покупатель хочет купить, и тогда высылает ему платежную ссылку. Покупатель ее оплачивает. Дальше вы только считаете деньги на расчетном счете.

Но при этом это, опять же, не отменяет границы и контроль.

Есть заготовка – торговый бот, его можно запустить. Обратите внимание: здесь я выбрал какую-то модель. Это как раз то, о чем я говорил: модели можно менять. У меня есть подготовленный бот, в данном случае Telegram-бот. Есть платежный провайдер ЮKassa. Я все это подготовил и указал.

И, разумеется, есть инструмент. Как я уже говорил, работа искусственного интеллекта – это всегда диалог плюс инструмент. Инструмент я сделал специально максимально простым: товар, количество.

Это заказ для демонстрации. Я понимаю, что обычно люди все-таки заказывают несколько позиций, но для простоты сделал так. Пусть будет одна.

Обратите внимание, что я делаю с товаром. Я здесь задаю перечисление: у меня будет такой товар, такой товар. Технически можно работать и с большими справочниками, с большим количеством позиций – и с сотнями, и с тысячами. В этом нет ничего сложного, просто это было бы не так наглядно.

Описание я намеренно уложу вообще в одну фразу: «Я торгую шнурками из Италии в подарочной упаковке» – и все. Больше у меня фантазии нет. Но это не означает, что если клиент придет и начнет задавать вопрос: «А чем хорош ваш товар?», бот разведет руками. Нет, он хорошо расскажет про него. Он включит фантазию.

Одна фраза о том, чем я торгую, а дальше – что это и сколько стоит. Технически это сделано с помощью фонового задания.

Я могу продемонстрировать пример. Пришел клиент и говорит: «А чем вы торгуете?» Получает стандартный ответ. И включается то, о чем я говорил: фантазия. То самое описание.

Затем пойдет платежная ссылка. Примерно так и выглядит процесс.

Логика контроля цен и защита от ошибок

Еще раз я вас переведу в конфигуратор.

Инструмент выводит вас на какую-то конкретную функцию. А здесь вы опять же пишете какие-то строчки совершенно конвенциональным способом.

Здесь я пишу, что такой-то товар стоит столько-то.

Обратите внимание: я мог бы в инструменте задать товар, количество, цену и пропустить этот момент. Но тогда я стал бы героем истории «Я уболтал бота продать мне джип за рубль». Кстати, реальная история. Можете в интернете найти. Правда там был не рубль, а доллар.

Чтобы этого не произошло, вы находите точку границы и берете контроль на себя. Клиент заказал вот это, а вот за сколько мы ему в конце концов это продадим и какой чек выставим, мы решаем уже конвенциональным способом, обычным программированием.

Заключение

Часто, когда речь идет о внедрении и применении искусственного интеллекта в бизнесе, приходится слышать, что 95% проектов проваливаются. Недавно было знаменитое исследование, там писали: «95% не срабатывает». В оригинале, на самом деле, была другая цифра, не такая впечатляющая, но проблемы действительно есть.

Я предлагаю вам свой инструмент. И кроме инструмента предлагаю еще рецепт решения: как сделать внедрение технологии искусственного интеллекта в бизнес успешным.

Для этого важно знать, решить и применить два момента. Первый – граница. Второй – контроль. Если вы это поймете и освоите, внедрение у вас пройдет успешно.

Библиотека искусственного интеллекта на портале Инфостарт: //infostart.ru/1c/tools/2059795/

*************

Статья написана по итогам доклада (видео), прочитанного на конференции INFOSTART TEAM EVENT.