Перейти к содержанию

Anthropic

В ABC Legal 50+ агентов на Claude Managed Agents

5 мин чтения

Текст написан ИИ-моделью по источникам, на которые ведут ссылки, и сверен с ними второй моделью. Как мы работаем

В ABC Legal, американской компании, которая доставляет судебные документы, каждый агент живёт в git-репозитории как отдельная папка: JSON-конфиг, системный промпт в Markdown, скрипты деплоя и документация. Любая правка агента проходит через pull request. Так CTO Брэндон Фуллер устроил парк из 50 с лишним агентов на Claude Managed Agents, и большую часть этих агентов собрали сотрудники, которые никогда не писали код. Подробности он рассказал в кейсе в блоге Claude от 18 августа.

Всё началось с Claude Enterprise, который в этом году раздали 1 100 сотрудникам компании. Команды сами, без всякой просьбы сверху, взялись автоматизировать рутину. «Пользователи буквально хлынули туда», - вспоминает Фуллер. Но первые агенты оставались там, где их положил автор: в задачах планировщика на личных ноутбуках. Managed Agents, вышедший в публичную бету 8 апреля (InfoWorld), перенёс их в облако, где они работают круглосуточно. Заодно у Фуллера появился единый экран аудита и биллинга: видно, что построено, сколько стоит и отработало ли прошлой ночью. Время на промежуточный этап с локальными задачами компания потратила в основном потому, что продукт тогда только вышел. Сейчас Фуллер советует сразу идти в Managed Agents.

Стартовый набор он собрал за неделю. В нём два шаблона: для агентов, которых запускает событие (пришёл новый заказ, из суда вернулся документ), и для агентов по расписанию, раз в час, день или неделю. Мёрж в основную ветку сам разворачивает агента. Автор клонирует репозиторий, копирует шаблон и объясняет Claude Code, что агент должен делать. На выходе он получает конфиг, промпт, хранилище учётных данных и память. «Агент - это, по сути, структурированный текст: промпт плюс конфигурация. А всё, что является текстом, может лежать в репозитории, где вся компания видит его, проверяет и улучшает», - говорит Фуллер.

Проверяли подход на управляющем комитете из 15 человек из финансов, маркетинга, операций и разработки, и разработчиков ПО среди них не было. «Мне пришлось объяснять, что такое PR. Многие думали, что это из бега, PR - когда бежишь как можно быстрее, - рассказывает Фуллер. - А сейчас они делают pull request'ы и отправляют их друг другу». Через неделю рабочий агент был у каждого из пятнадцати. Они обучили свои команды, и через месяц по компании работало больше 50 агентов, у каждого имя, владелец и одна задача.

Лучше всего порог входа видно на агенте EvidenceChain. Раньше менеджер по работе с клиентами раз в неделю вручную выгружал для одного клиента записи о вручении документов с собственного сайта компании. Теперь агент берёт отчёт из базы, скачивает PDF через встроенный браузер и каждый день кладёт их на FTP клиента. Менеджер до этого ничего не автоматизировал и собрал агента примерно за час, просто описав его Claude Code. Другой агент срабатывает, когда суд отклоняет поданный документ: читает детали заказа, сверяется с правилами суда и примерно за минуту публикует диагноз в Slack. Раньше на это уходили часы. Агент Charvis проверяет завершённые заказы и совпадает в решениях с комплаенс-командой примерно в 98% случаев. А ревью от AI Code Reviewer, который смотрит pull request'ы в четырёх кодовых базах, инженеры уже ждут перед мёржем.

Обучение тоже идёт через git. Агенты отчитываются в Slack, люди отвечают в тредах и ставят эмодзи. Для агентов, чью работу оценивают, сделали схему из трёх ролей с общим рабочим пространством и хранилищем учётных данных, но с разным расписанием. Основной агент выполняет работу и пишет журнал действий. Harvester раз в час или раз в день собирает реакции коллег и превращает каждую в размеченный пример. Tuner раз в неделю смотрит на всё сразу и предлагает правку промпта или конфига, а веса модели не трогает. Он только готовит черновик, мёржит человек. Большинству агентов в парке эта петля не нужна: они выполняют одну задачу, и их результат никто не оценивает.

Один из примеров - система «deliveries-as-code», которую Фуллер начал в Docketly, дочерней компании ABC Legal на 50 человек. Там около 145 наборов правил маршрутизации хранятся как отдельные YAML-файлы в git, а не как записи в админке. В петле четыре агента: первый раз в неделю выносит вердикт в Slack, Harvester превращает реакции в метки, Tuner открывает pull request на YAML, четвёртый выкатывает смёрженный конфиг в продовую базу. На практике эмодзи под неправильно направленной доставкой может за неделю стать смёрженной правкой её правил, и единственный ручной шаг здесь - ревью.

Самостоятельность агенты получают не сразу. Сначала агент только рекомендует: через баннер в карточке заказа или пост в Slack. Ответы людей копятся в размеченный датасет, на нём пишут эвалы и сравнивают агента на разных фронтирных моделях. В автоматический режим агента переводят, когда он справляется с конкретной задачей не хуже людей, и после этого его метрики продолжают отслеживать. «Каждый агент зарабатывает доверие, прежде чем действовать в одиночку», - говорит Фуллер.

По умолчанию агенты работают на Sonnet, массовые и быстрые задачи отдают Haiku, Opus берут там, где глубокие рассуждения оправдывают цену. Сменить модель можно правкой одной строки. Каждый агент после каждого запуска сам записывает в хранилище данных, сколько часов и долларов он сэкономил. Новые агенты на крупных моделях часто сначала работают в минус, а в плюс выходят, когда команда пишет эвалы, переводит их на модели дешевле и сокращает токены. Общие расходы на ИИ росли всю весну, пока парк запускался, а в июле начали падать при растущем использовании. Цифра скромнее, чем звучит: снижение стоимости до примерно 50% касается задач, которые закрывают отдельные агенты, и получено ещё до серьёзной оптимизации. Claude в ежедневной работе пользуются около 310 сотрудников из всех отделов.

Труднее всего, по словам Фуллера, оказалось научить бизнес-пользователей клонировать репозиторий и работать с pull request'ами, а с самим ИИ таких проблем не было. Он хотел бы, чтобы инструменты упрощали этот шаг. Второй урок: агент окупается не на каждой задаче, и иногда нужно прямо сказать, что задача агента не стоит.

Парк продолжает расти: в работе агент для проверки фотографий вручения, триаж инцидентов в PagerDuty и ежедневная сводка KPI. В репозитории собираются перенести шаблоны уведомлений, правила маршрутизации событий и логику диспетчеризации, чтобы агенты могли их читать и предлагать правки. «Мы хотим, чтобы ИИ поддерживал бизнес, который работает сам, а сотрудники были свободны им управлять», - говорит Фуллер.

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.