Проекты

Мультиагентный
AI-аналитик данных
для совета директоров

Заказчик

Meridian — B2B-маркетплейс услуг для среднего и крупного бизнеса с клиентской базой более 4 млн компаний и оборотом 180 млрд рублей в год — столкнулся с падением выручки и ростом оттока клиентов, а руководству не хватало скорости принятия решений.

Ключевая проблема

Аналитический департамент Meridian построен по классической схеме: бизнес-заказчик пишет тикет, аналитик берет его в работу, через 5–10 дней присылает дашборд. Совет директоров получает срезы, каждый из которых отвечает на вопрос, который задали 1–2 недели назад. К моменту, когда формировался ответ, у менеджмента был уже другой вопрос.

Задача

Требовалось разработать BI-решение, к которому можно обратиться напрямую — без тикетов и ожидания. Задать неудобный, плохо сформулированный вопрос и получить осмысленный ответ или честное «данных недостаточно». Система должна работать как профессиональный аналитик: не просто выдавать готовый ответ, а давать возможность увидеть полную картину без компромиссов, особенно в условиях, когда метрики конфликтуют между собой.

Решение

Мультиагентная система на основе AI, которая выступает в роли аналитика стратегических данных для совета директоров компании.Построили конечный автомат из нескольких специализированных ролей, где модель отвечает за рассуждение, а факты считаются кодом.LLM используется там, где нужна интерпретация данных и формулировка выводов, а бизнес-правила, канонические метрики и проверки рассчитываются детерминированно. Получилась двухслойная архитектура, которая позволила свести к нулю количество галлюцинаций.

Технологический стек:

SPA, FastAPI, Yandex AI Studio LLM, Yandex Cloud, Claude Code Max

Архитектура и логика системы

Под капотом — четыре специализированных агента с разделением ответственности.
Каждый отвечает за свой участок: от фильтрации входящего запроса до верификации итогового ответа.

Агент, который извлекает данные

Разбирается в схеме витрины по легенде.
Формулирует запросы, исполняет, возвращает датасет.
Понимает, когда данных недостаточно, и говорит об этом.

Агент-аналитик

Получает датасет и вопрос.
Находит паттерны, аномалии, зависимости.
Переводит цифры на язык бизнеса.

Агент валидации

Тот ли срез данных.
Не пропущен ли фильтр.
Обоснованы ли выводы цифрами.
Нет ли галлюцинаций.
Возвращает на доработку или одобряет.

Агент визуализации

Подбирает тип графика под характер данных.
Динамика, сравнение, аномалии, структура.
Не строит график ради графика.

Процесс:

Роутер определяет тип запроса и отсеивает болтовню, инъекции и запросы, требующие уточнения.

Извлекатель преобразует вопрос пользователя в SQL, получает необходимые данные и проходит проверки.

Аналитик формирует бизнес-выводы, а критик проверяет их и при необходимости отправляет на доработку.

Визуализация строится без участия LLM, а тип графика определяется детерминированными правилами.

Как система борется с галлюцинациями

Большинство защитных механизмов сформировались после анализа данных. Например, критик проверяет ответы на несколько типовых ошибок:

Диалоговый BI

Вопрос на естественном языке — короткий ответ с обоснованием и визуализацией. Держит контекст диалога.

Ad-hoc исследование

Сложный вопрос с гипотезой система декомпозирует и проводит мини-исследование сама.

Отчеты по расписанию

Например, каждый ПН в 9:00 — сам собирает дашборд здоровья компании и отправляет его.

Подбирает уместный тип визуализации под характер данных и выводов. Понимает разницу между «показать динамику», «сравнить категории» и «выявить аномалию» — не строит график ради графика.

Принимает запрос от бизнеса
в свободной форме

Проводит исследование, проверяет
гипотезы

Формулирует выводы на языке
бизнеса с визуализацией

Что можно отслеживать

Минимальный набор метрик, с которыми система умеет работать на старте:

GMV и Take Rate — оборот платформы и комиссия Meridian с оборота
Выручка по продуктовым линиям: маркетинг, юристы, разработка, бухгалтерия, рекрутинг
Отток корпоративных клиентов в разрезе сегментов и причин
NPS по продуктовым линиям
Активность пользователей: заказы, повторные сделки, доля Dormant-аккаунтов
Юнит-экономика на клиента: CAC, LTV, Payback Period
Маржинальность по сегментам

Каждый раздел содержит отдельный дашборд с KPI-картами, графиками и фильтрами.
Тип визуализации подбирается под характер данных: динамика, структура, сравнение по сегментам. Данные можно изучать в веб-интерфейсе или выгружать в CSV.

Чат как центр интерфейса

Базовые метрики на дашборде и аналитику через чат намеренно объединили в один интерфейс, для удобства работы топ-менеджмента с инструментом.

Чат решили использовать как коммуникационную среду, в том числе для дашборда. Если в чате написать «Покажи выручку за последние 3 месяца прошлого года», система откроет нужный дашборд, найдет график и покажет его, а также даст аналитику.

Результат

Разработали AI-аналитика, способного напрямую отвечать на вопросы руководителей на естественном языке, самостоятельно исследовать данные компании, выявлять причины изменений ключевых метрик и формировать регулярные отчеты.

Система работает по тем же стандартам, которые предъявляют к сильному аналитику. Допущения, на которых держится вывод, фиксируются явно. Там, где данных недостаточно для обоснованного ответа, AI-агент говорит об этом прямо — не достраивает картину. На закрытом тестировании из 130 вопросов четырех типов: точность — 5/5, дисциплина границ — 5/5.