Relevance AI: no-code AI-агенты

Relevance AI: как no-code AI-аген­ты ста­но­вят­ся новой рабо­чей силой для биз­не­са. Еще недав­но искус­ствен­ный интел­лект в биз­не­се выгля­дел как исто­рия для тех­ни­че­ских команд: раз­ра­бот­чи­ки, ML-инже­не­ры, API, инте­гра­ции, промп­ты, пай­плай­ны, тести­ро­ва­ние и бес­ко­неч­ные согласования. 

Под­пи­ши­тесь на Tiku Digital ВКонтакте

Но рынок быст­ро дви­га­ет­ся в сто­ро­ну более про­стых инстру­мен­тов. И вот здесь появ­ля­ет­ся Relevance AI — no-code плат­фор­ма для созда­ния AI-аген­тов, кото­рая поз­во­ля­ет соби­рать авто­ма­ти­зи­ро­ван­ных помощ­ни­ков даже тем людям, кото­рые не пишут код каж­дый день.

Если гово­рить совсем по-чело­ве­че­ски, Relevance AI пыта­ет­ся сде­лать для AI-аген­тов то, что кон­струк­то­ры сай­тов когда-то сде­ла­ли для веб-раз­ра­бот­ки. Рань­ше нужен был раз­ра­бот­чик, потом появи­лись визу­аль­ные редак­то­ры. Сей­час похо­жая исто­рия про­ис­хо­дит с искус­ствен­ным интел­лек­том: рань­ше нуж­но было соби­рать аген­та через код и API, а теперь мож­но взять шаб­лон, настро­ить логи­ку, под­клю­чить инстру­мен­ты и отпра­вить аген­та выпол­нять рабо­чие задачи.

И это не про­сто удоб­ная игруш­ка. Это часть боль­шо­го трен­да: ком­па­нии хотят не про­сто “поль­зо­вать­ся ChatGPT”, а встра­и­вать AI в реаль­ные биз­нес-про­цес­сы — про­да­жи, под­держ­ку, мар­ке­тинг, ана­ли­ти­ку, CRM, опе­ра­ци­он­ные зада­чи, внут­рен­ние регла­мен­ты и команд­ную работу.

Что такое Relevance AI простыми словами

Relevance AI — это плат­фор­ма для созда­ния AI-аген­тов без кода. Поль­зо­ва­тель может взять гото­вый шаб­лон, собрать соб­ствен­но­го аген­та в визу­аль­ном drag-and-drop редак­то­ре или опи­сать зада­чу обыч­ным тек­стом на есте­ствен­ном язы­ке. То есть не обя­за­тель­но быть про­грам­ми­стом, что­бы настро­ить аген­та под кон­крет­ный рабо­чий сценарий.

Услов­ная фор­му­ла плат­фор­мы выгля­дит так:

Relevance AI = no-code конструктор + AI-агенты + интеграции + бизнес-процессы

Глав­ная идея здесь доволь­но понят­ная: дать коман­дам воз­мож­ность быст­ро созда­вать циф­ро­вых сотруд­ни­ков, кото­рые могут выпол­нять повто­ря­е­мые зада­чи, рабо­тать с дан­ны­ми, под­клю­чать­ся к кор­по­ра­тив­ным сер­ви­сам и быть частью более слож­ных workflow.

Что такое AI-агент и чем он отличается от обычного чат-бота

Что­бы понять цен­ность Relevance AI, нуж­но сна­ча­ла разо­брать­ся с самим поня­ти­ем AI-аген­та. Обыч­ный чат-бот чаще все­го про­сто отве­ча­ет на вопро­сы по зара­нее задан­ной логи­ке или исполь­зу­ет язы­ко­вую модель для гене­ра­ции тек­ста. AI-агент идет даль­ше. Он может не толь­ко отве­чать, но и действовать.

AI-агент спо­со­бен:

• полу­чать задачу;
• ана­ли­зи­ро­вать контекст;
• исполь­зо­вать внеш­ние инструменты;
• при­ни­мать про­ме­жу­точ­ные решения;
• выпол­нять дей­ствия в сервисах;
• воз­вра­щать резуль­тат поль­зо­ва­те­лю или пере­да­вать его даль­ше по процессу.

Если упро­стить, раз­ни­ца такая:

Чат-бот отве­ча­ет. AI-агент делает.

Имен­но поэто­му вокруг AI-аген­тов сей­час такой ажи­о­таж. Биз­не­су нужен не про­сто умный собе­сед­ник, а испол­ни­тель, кото­рый может брать на себя часть рутины.

Почему no-code подход здесь особенно важен

В боль­ших ком­па­ни­ях почти все­гда есть один и тот же кон­фликт. Биз­нес-под­раз­де­ле­ния хоро­шо пони­ма­ют свои зада­чи, но не все­гда уме­ют авто­ма­ти­зи­ро­вать их тех­ни­че­ски. А раз­ра­бот­чи­ки уме­ют стро­ить систе­мы, но у них обыч­но нет вре­ме­ни быст­ро реа­ли­зо­вы­вать каж­дую мел­кую авто­ма­ти­за­цию для отде­ла про­даж, мар­ке­тин­га, под­держ­ки или HR.

No-code плат­фор­ма сни­ма­ет часть это­го напря­же­ния. Она поз­во­ля­ет биз­нес-поль­зо­ва­те­лям самим соби­рать реше­ния в понят­ном визу­аль­ном интерфейсе.

Напри­мер, мене­джер по про­да­жам может создать аген­та, который:

• про­ве­ря­ет новые лиды в CRM;
• обо­га­ща­ет их данными;
• гото­вит пер­со­на­ли­зи­ро­ван­ное письмо;
• созда­ет зада­чу в HubSpot или Salesforce;
• пере­да­ет инфор­ма­цию менеджеру.

И всё это без пол­но­цен­ной раз­ра­бот­ки с нуля.

Как работает Relevance AI

Плат­фор­ма пред­ла­га­ет несколь­ко спо­со­бов созда­ния аген­тов. Это важ­но, пото­му что у раз­ных поль­зо­ва­те­лей раз­ный уро­вень тех­ни­че­ской под­го­тов­ки и раз­ное пони­ма­ние сво­их задач.

1. Готовые шаблоны

В Relevance AI есть более 100 шаб­ло­нов AI-аген­тов. Это удоб­но для быст­ро­го стар­та. Поль­зо­ва­тель не начи­на­ет с пусто­го листа, а берет уже гото­вую логи­ку и адап­ти­ру­ет ее под свой процесс.

Шаб­ло­ны осо­бен­но полез­ны для типо­вых задач:

• поиск и обра­бот­ка лидов;
• под­го­тов­ка email-сообщений;
• сум­ма­ри­за­ция документов;
• обра­бот­ка запро­сов клиентов;
• иссле­до­ва­ние рынка;
• ана­лиз дан­ных из CRM.

2. Визуальный drag-and-drop builder

Для более слож­ных сце­на­ри­ев есть визу­аль­ный кон­струк­тор. В нем мож­но соби­рать workflow из бло­ков: вход­ные дан­ные, дей­ствия, усло­вия, инте­гра­ции, вызо­вы язы­ко­вых моде­лей, про­вер­ки и финаль­ные результаты.

По сути, это похо­же на сбор­ку биз­нес-про­цес­са из дета­лей конструктора.

Задача → логика → инструменты → результат

3. Создание агента через текстовый промпт

Еще один инте­рес­ный вари­ант — созда­ние аген­та через обыч­ное тек­сто­вое опи­са­ние. Поль­зо­ва­тель может про­сто напи­сать, что дол­жен делать агент, а систе­ма помо­га­ет собрать рабо­чую структуру.

Это важ­ный шаг к тому, что мож­но назвать natural language automation — авто­ма­ти­за­ция через чело­ве­че­ский язык.

AI-агенты как команды, а не одиночные помощники

Одна из силь­ных идей Relevance AI в том, что аген­ты могут рабо­тать не толь­ко пооди­ноч­ке, но и в соста­ве команд. Это уже более инте­рес­ный уро­вень автоматизации.

Пред­ста­вим, что у биз­не­са есть про­цесс обра­бот­ки вхо­дя­ще­го лида. Один агент про­ве­ря­ет ком­па­нию, вто­рой ищет допол­ни­тель­ную инфор­ма­цию, тре­тий гото­вит пись­мо, чет­вер­тый созда­ет зада­чу для мене­дже­ра, пятый обнов­ля­ет CRM. Каж­дый отве­ча­ет за свой уча­сток, но вме­сте они созда­ют пол­но­цен­ный workflow.

Фор­му­ла здесь такая:

AI-агент + AI-агент + AI-агент = автоматизированная команда

Это очень похо­же на то, как устро­е­на реаль­ная ком­па­ния. Толь­ко часть рутин­ных дей­ствий выпол­ня­ют не люди, а про­грамм­ные агенты.

Какие модели использует Relevance AI

Relevance AI не замы­ка­ет­ся на одной язы­ко­вой моде­ли. Плат­фор­ма может исполь­зо­вать LLM от раз­ных постав­щи­ков, вклю­чая OpenAI, Anthropic, Cohere, PaLM и дру­гие моде­ли. Это важ­ный момент, пото­му что в биз­нес-сре­де часто нуж­на гибкость.

Раз­ные моде­ли могут луч­ше под­хо­дить для раз­ных задач:

• одни силь­нее в гене­ра­ции текста;
• дру­гие луч­ше рабо­та­ют с рассуждениями;
• тре­тьи удоб­нее для кор­по­ра­тив­ных ограничений;
• чет­вер­тые могут быть выгод­нее по стоимости.

В ито­ге плат­фор­ма ста­но­вит­ся не про­сто обо­лоч­кой для одно­го LLM, а сло­ем управ­ле­ния AI-аген­та­ми поверх раз­ных моделей.

Интеграции: почему это главный козырь Relevance AI

На рын­ке сей­час мно­го стар­та­пов, кото­рые гово­рят про AI-аген­тов. Но у Relevance AI есть силь­ное отли­чие — боль­шое коли­че­ство инте­гра­ций. Аген­ты могут под­клю­чать­ся к более чем 2000 кор­по­ра­тив­ных инстру­мен­тов, вклю­чая HubSpot, Zapier, Salesforce и дру­гие сервисы.

И вот это кри­ти­че­ски важ­но. Пото­му что агент без досту­па к рабо­чим инстру­мен­там оста­ет­ся про­сто умным совет­чи­ком. А агент, кото­рый под­клю­чен к CRM, почте, таб­ли­цам, таск-тре­ке­ру и базе зна­ний, уже может реаль­но выпол­нять работу.

Поэто­му инте­гра­ции — это не “при­ят­ный бонус”, а осно­ва всей цен­но­сти AI-агентов.

Где можно использовать Relevance AI

Сце­на­ри­ев очень мно­го. И это как раз одна из при­чин, поче­му такие плат­фор­мы быст­ро наби­ра­ют инте­рес. AI-аген­ты под­хо­дят почти вез­де, где есть повто­ря­е­мые дей­ствия, обра­бот­ка инфор­ма­ции и необ­хо­ди­мость пере­да­вать резуль­тат меж­ду системами.

Продажи

• обо­га­ще­ние лидов;
• поиск инфор­ма­ции о компаниях;
• созда­ние пер­со­на­ли­зи­ро­ван­ных писем;
• обнов­ле­ние CRM;
• под­го­тов­ка follow-up сообщений.

Маркетинг

• иссле­до­ва­ние аудитории;
• ана­лиз конкурентов;
• под­го­тов­ка контент-идей;
• сбор инсай­тов из отзывов;
• сег­мен­та­ция данных.

Поддержка клиентов

• клас­си­фи­ка­ция обращений;
• под­го­тов­ка чер­но­ви­ков ответов;
• поиск инфор­ма­ции в базе знаний;
• пере­да­ча слож­ных кей­сов живо­му специалисту;
• ана­лиз повто­ря­ю­щих­ся проблем.

Операционные процессы

• сбор отче­тов;
• про­вер­ка данных;
• созда­ние задач;
• мони­то­ринг статусов;
• авто­ма­ти­за­ция внут­рен­них запросов.

Почему бизнесу нужны AI-агенты

Глав­ная при­чи­на про­ста: в ком­па­ни­ях слиш­ком мно­го руч­ной инфор­ма­ци­он­ной рабо­ты. Люди копи­ру­ют дан­ные из одно­го сер­ви­са в дру­гой, про­ве­ря­ют таб­ли­цы, пишут одно­тип­ные сооб­ще­ния, ищут све­де­ния в CRM, обнов­ля­ют ста­ту­сы, соби­ра­ют отче­ты, отве­ча­ют на повто­ря­ю­щи­е­ся вопросы.

Это важ­ная рабо­та, но дале­ко не все­гда она тре­бу­ет чело­ве­че­ско­го вни­ма­ния на каж­дом шаге. AI-аген­ты как раз и появ­ля­ют­ся там, где мож­но снять часть нагрузки.

Фор­му­ла биз­нес-цен­но­сти выгля­дит так:

Меньше рутины + быстрее процессы + меньше ошибок = выше операционная эффективность

Relevance AI и рынок AI Agents

Relevance AI — часть боль­шо­го мета­трен­да AI Agents. Этот рынок рас­тет пото­му, что ком­па­нии хотят перей­ти от разо­вых AI-запро­сов к посто­ян­ным AI-процессам.

Если обыч­ный поль­зо­ва­тель откры­ва­ет чат и зада­ет вопрос, то биз­нес хочет большего:

• агент дол­жен сам запус­кать­ся по событию;
• пони­мать контекст;
• исполь­зо­вать дан­ные из систем;
• делать дей­ствие;
• пере­да­вать резуль­тат дальше.

Имен­но поэто­му AI-аген­ты посте­пен­но ста­но­вят­ся новой кате­го­ри­ей кор­по­ра­тив­но­го ПО.

Кто еще работает в этом направлении

Рынок AI-аген­тов быст­ро запол­ня­ет­ся раз­ны­ми игро­ка­ми. Сре­ди замет­ных стар­та­пов мож­но выде­лить несколь­ко направлений.

У каж­дой плат­фор­мы свой угол ата­ки. Кто-то дела­ет став­ку на голос, кто-то на enterprise workflows, кто-то на раз­ра­бот­чи­ков, кто-то на no-code поль­зо­ва­те­лей. Relevance AI инте­ре­сен тем, что пыта­ет­ся быть мак­си­маль­но при­клад­ным инстру­мен­том для команд, кото­рым нуж­но быст­ро авто­ма­ти­зи­ро­вать рабо­чие процессы.

Почему Relevance AI может быть особенно полезен нетехническим командам

Обыч­но внед­ре­ние AI бук­су­ет не пото­му, что люди не видят поль­зы. Поль­зу видят почти все. Про­бле­ма в том, что меж­ду иде­ей и реа­ли­за­ци­ей слиш­ком мно­го тех­ни­че­ских шагов.

Напри­мер, отдел про­даж может отлич­но пони­мать, какой агент ему нужен. Но без раз­ра­бот­чи­ков коман­да не смо­жет быст­ро собрать инте­гра­ции, под­клю­чить CRM, настро­ить логи­ку, про­те­сти­ро­вать сце­на­рии и запу­стить реше­ние. No-code плат­фор­ма реша­ет эту про­бле­му хотя бы частично.

Имен­но поэто­му Relevance AI хоро­шо под­хо­дит для:

• мар­ке­то­ло­гов;
• sales-опе­ра­то­ров;
• founders;
• опе­ра­ци­он­ных менеджеров;
• команд под­держ­ки;
• ана­ли­ти­ков;
• HR-команд.

То есть для людей, кото­рые зна­ют про­цесс, но не хотят каж­дый раз пре­вра­щать авто­ма­ти­за­цию в боль­шой IT-проект.

Что означают 40 тысяч агентов в месяц

По дан­ным самой ком­па­нии, поль­зо­ва­те­ли Relevance AI созда­ют почти 40 тысяч AI-аген­тов в месяц. Это инте­рес­ный пока­за­тель не толь­ко с точ­ки зре­ния роста плат­фор­мы, но и с точ­ки зре­ния пове­де­ния рынка.

Он пока­зы­ва­ет, что поль­зо­ва­те­ли уже не про­сто тести­ру­ют “что-то с AI”, а начи­на­ют мас­со­во соби­рать спе­ци­а­ли­зи­ро­ван­ных помощ­ни­ков под раз­ные зада­чи. И это важ­ный сдвиг. Рань­ше ком­па­нии дума­ли о внед­ре­нии одной боль­шой AI-систе­мы. Теперь они всё чаще идут к набо­ру малень­ких аген­тов, каж­дый из кото­рых закры­ва­ет кон­крет­ный уча­сток работы.

Фор­му­ла новой авто­ма­ти­за­ции выгля­дит так:

Не один уни­вер­саль­ный AI, а мно­го малень­ких аген­тов под кон­крет­ные процессы

Финансирование и рост Relevance AI

Relevance AI при­влек­ла $24 млн в послед­нем раун­де финан­си­ро­ва­ния, а общий объ­ем при­вле­чен­ных средств достиг $37 млн. Это гово­рит о том, что инве­сто­ры тоже видят пер­спек­ти­ву в no-code AI agents и кор­по­ра­тив­ной авто­ма­ти­за­ции на базе LLM.

И здесь важ­но не толь­ко само финан­си­ро­ва­ние, а направ­ле­ние, в кото­рое оно ука­зы­ва­ет. День­ги идут туда, где рынок ожи­да­ет рост. А рынок AI-аген­тов сей­час как раз нахо­дит­ся в фазе актив­но­го формирования.

Главные преимущества Relevance AI

• не нужен код для старта;
• есть гото­вые шаб­ло­ны агентов;
• мож­но созда­вать аген­тов через тек­сто­вые промпты;
• есть визу­аль­ный кон­струк­тор workflow;
• аген­ты могут рабо­тать пооди­ноч­ке или командами;
• под­дер­жи­ва­ют­ся раз­ные LLM-провайдеры;
• есть боль­шое коли­че­ство инте­гра­ций с бизнес-инструментами;
• плат­фор­ма под­хо­дит для нетех­ни­че­ских пользователей.

Если собрать всё в одну формулу:

Relevance AI = быстрый старт + простая сборка + реальные бизнес-интеграции

Какие ограничения стоит учитывать

При этом важ­но не пре­вра­щать Relevance AI и вооб­ще AI-аген­тов в магию. Такие плат­фор­мы дей­стви­тель­но могут уско­рять про­цес­сы, но они не отме­ня­ют необ­хо­ди­мость думать.

Есть несколь­ко вещей, кото­рые нуж­но учитывать:

• аген­ту нуж­на чет­кая поста­нов­ка задачи;
• инте­гра­ции нуж­но пра­виль­но настроить;
• резуль­та­ты важ­но про­ве­рять, осо­бен­но в кри­тич­ных процессах;
• пло­хие дан­ные при­во­дят к пло­хим решениям;
• авто­ма­ти­за­ция хао­са часто толь­ко уско­ря­ет хаос.

То есть AI-агент — это уси­ли­тель про­цес­са. Если про­цесс нор­маль­ный, он помо­га­ет. Если про­цесс неяс­ный, сна­ча­ла при­дет­ся наве­сти порядок.

Что дальше по Relevance AI

Ско­рее все­го, Relevance AI будет раз­ви­вать­ся в сто­ро­ну более глу­бо­ких enterprise workflow. Биз­не­су нуж­ны не про­сто аген­ты, кото­рые выпол­ня­ют отдель­ные зада­чи, а систе­мы, где несколь­ко аген­тов коор­ди­ни­ру­ют­ся меж­ду собой, под­клю­ча­ют­ся к дан­ным, соблю­да­ют пра­ви­ла без­опас­но­сти и рабо­та­ют внут­ри кор­по­ра­тив­ной инфраструктуры.

Мож­но ожи­дать раз­ви­тие в несколь­ких направлениях:

• боль­ше гото­вых шаб­ло­нов под отде­лы и отрасли;
• более слож­ные agent teams;
• улуч­ше­ние визу­аль­но­го конструктора;
• рас­ши­ре­ние интеграций;
• боль­ше кон­тро­ля, мони­то­рин­га и аналитики;
• луч­шие инстру­мен­ты для governance и безопасности.

Если гово­рить про­ще, AI-аген­ты будут ста­но­вить­ся не разо­вой игруш­кой, а нор­маль­ной частью опе­ра­ци­он­ной систе­мы бизнеса.

Итоги

Relevance AI — это no-code плат­фор­ма для созда­ния AI-аген­тов, кото­рая дела­ет авто­ма­ти­за­цию на базе LLM более доступ­ной для нетех­ни­че­ских поль­зо­ва­те­лей. Её сила в про­сто­те вхо­да, боль­шом коли­че­стве шаб­ло­нов, визу­аль­ном кон­струк­то­ре, воз­мож­но­сти созда­вать аген­тов через обыч­ный текст и боль­шом чис­ле инте­гра­ций с кор­по­ра­тив­ны­ми инструментами.

Глав­ная мысль здесь такая: биз­не­су боль­ше не нуж­ны про­сто чат-боты, кото­рые кра­си­во отве­ча­ют на вопро­сы. Биз­не­су нуж­ны AI-аген­ты, кото­рые уме­ют рабо­тать внут­ри про­цес­сов, под­клю­чать­ся к инстру­мен­там, выпол­нять зада­чи и быть частью команды.

Relevance AI как раз попа­да­ет в эту новую реаль­ность. И если тренд на AI Agents про­дол­жит рас­ти, такие плат­фор­мы могут стать для ком­па­ний тем же, чем когда-то ста­ли CRM, таск-тре­ке­ры и no-code кон­струк­то­ры: обыч­ным рабо­чим инстру­мен­том, без кото­ро­го слож­но пред­ста­вить совре­мен­ную опе­ра­ци­он­ную систе­му бизнеса.