ym103487564

Мультиагентная система AiGenA (ИИ-архитектор)

Срок начала реализации
Q1 2025
Срок вывода в ПРОМ
Q4 2026
Блок
Технологическое развитие
Подразделение
ДКА
01
Проблема
  • Присутствие человеческого фактора при определении источника информации для принятия управленческих решений
  • Ручной поиск архитектурной информации
  • Отсутствие единого инструмента для визуализации, навигации и совместной работы с данными об IT-ландшафте
  • Высокая нагрузка на архитекторов
02
Цель
  • Повышение качества и скороcти принятия архитектурных решений
  • Повышение уровня автономизации архитектурной функции
03
Решение
AIGenA — мультиагентная система, представляющая собой умный помощник для консультаций по архитектуре и оркестратор комплекса ИИ-агентов для автономизации архитектурной функции Сбера.
Функциональность
  • думает как корпоративный архитектор (фокусы, приоритеты, подходы к задаче и т.п.)
  • анализирует запроc пользователя с использованием LLM для формирования более полного и точного ответа
  • самостоятельно принимает решение к какому источнику знаний оптимальнее обратиться и определяет для этого нужные инструменты отвечает на широкий спектр вопросов в области корпоративная архитектуры
  • знает какого ИИ-агента оптимальнее всего вызвать для решения задач архитектора
  • рекомендует и/или принимает архитектурные решения, используя ответы и/или действия от ИИ-агентов AIGenA
  • визуализирует ответ или решение в собственном инструменте альтернативной 3D-визуализации
  • навигирует Клиента по ИТ-ландшафту Сбер
Визуализация решения
Текущий эффект
5%
оптимизация времени архитекторов
700
MAU AIGenA
+33%
рост уровня покрытия архитектурного контроля текущим составом ДКА без дополнительной численности
Целевой эффект
15%
оптимизация времени архитекторов
3000
MAU AIGenA
До 112 раз
сократилась длительность экземпляра процесса П2644
Используемая фундументальная модель
Используемые инструменты разработки и улучшения GenAI-решений
Transform Query
ReAct-агенты
BM25+
RAG (локальный +IDP)
LangGraph
GigaChain
Summarization
SVC
Multiclassification
NER
Text2SQL
LLM
PGVector (собственная)
Hadoop DataApi
Unity
Размер и роли команды реализации решения
8 ПШE
1 Владелец продукта
2 Data Scientist
1 Data Engineer
1 Data Analyst
2 Разработчика
1 FrontEnd/DevOPs
Контактное лицо
Чистякова Юлия Игоревна
Chistyakova.Y.I@sberbank.ru
Хештеги
#ИзвлечениеДанных #АнализТекстов #КлассификацияЗапросов #СборДанных #ГенерацияСценариев #ПодготовкаОтветов
Ещё кейсы
PMAgent (Process Mining от Сбера)
MVP использовалось для анализа процесса обработки социальных льгот в Липецкой области, где помогло выявить недостатки и предложить меры оптимизации, сократив срок рассмотрения заявок с 16 до 7 дней
Agentic BI в Навигаторе
Умный поиск позволяет найти любой дэшборд, экран или информацию из документа и презентации в АС Навигатор
Агент BackOffice (Банкротство ФЛ)
GigaChat
Мощный AI‑помощник
Playground
Площадка для создания и проверки промптов
Giga Agent Builder
Low-code платформа для создания AI‑агентов
GigaChat Labs
Площадка для тестирования и использования AI‑агентов
GigaChain
Решения для разработки LLM-приложений и мультиагентных систем
GigaAgent
AI-агент для решения задач, от анализа xlsx в 100 000 строк до генерации мемов