Lokalny model AI może wspierać użytkowników systemu CRM bez tworzenia osobnej aplikacji do kopiowania danych. Wdrożenie wymaga jednak znacznie więcej niż podłączenia adresu API modelu. Trzeba ustalić, jakie rekordy są dostępne, kto może zadawać pytania, jak weryfikować wyniki i co wolno zapisać w systemie.
W tym materiale opisujemy architekturę integracji lokalnego AI z CRM. Osobny poradnik o lokalnym AI dla firm wyjaśnia, kiedy warto wybrać własną infrastrukturę i jakie są jej ograniczenia.
1. CRM pozostaje źródłem prawdy
Źródłem danych o klientach, szansach czy działaniach jest CRM, nie model językowy. Moduł integracyjny pobiera odpowiednie rekordy przez kontrolowane API, filtruje je i przygotowuje do analizy. Model otrzymuje tylko dane potrzebne do konkretnego zadania.
Nie należy udostępniać modelowi bezpośredniego, nieograniczonego połączenia z bazą produkcyjną. Takie podejście utrudnia kontrolę uprawnień i sprawdzenie, skąd pochodzi odpowiedź.
2. Uprawnienia użytkownika muszą działać również w AI
Jeżeli handlowiec nie ma dostępu do szans innego działu, asystent AI również nie powinien ich ujawniać. Zapytanie do CRM należy wykonywać w kontekście właściwego użytkownika lub z użyciem równoważnych reguł autoryzacji.
Przy projektowaniu integracji trzeba uwzględnić także pola poufne, notatki, załączniki i dane osobowe. Sam fakt działania modelu lokalnie nie zastępuje kontroli dostępu.
3. Zapytanie, dane wejściowe i odpowiedź
Przykładowy scenariusz: użytkownik pyta, które szanse wymagają kontaktu w tym tygodniu. Backend sprawdza uprawnienia, wybiera otwarte szanse i powiązane aktywności, a następnie przekazuje modelowi uporządkowany zestaw danych.
Odpowiedź powinna zawierać nie tylko opis, ale też identyfikatory rekordów, uzasadnienie oraz informacje, na których oparto rekomendację. W ten sposób użytkownik może przejść bezpośrednio do rekordu i sprawdzić wynik.
Format odpowiedzi warto ograniczyć do określonej struktury, np. listy rekordów z przyczyną wskazania. Należy walidować tę strukturę przed pokazaniem jej w CRM.
4. Zabezpieczenie przed błędami i niepożądanymi poleceniami
Notatka lub wiadomość przechowywana w CRM może zawierać tekst wyglądający jak instrukcja dla asystenta. Dla modelu jest to jednak dana źródłowa, nie polecenie użytkownika ani systemu. Integracja musi oddzielać polecenia od przetwarzanej treści.
Ważne są również limity długości zapytań, rejestrowanie błędów, kontrola czasu odpowiedzi i plan działania na wypadek niedostępności modelu.
5. Zapis do CRM dopiero po weryfikacji
Najbezpieczniejszy pierwszy etap to funkcje tylko do odczytu: wyszukiwanie, streszczanie, klasyfikacja i rekomendacje. Jeżeli rozwiązanie ma tworzyć zadania, wysyłać e-maile lub aktualizować etapy sprzedaży, potrzebne są dodatkowe reguły i — zależnie od ryzyka — zatwierdzenie przez użytkownika.
Nie każda odpowiedź modelu jest poprawna. Powinna być traktowana jako wsparcie pracy, a nie bezwarunkowa decyzja.
6. Lokalna infrastruktura: co naprawdę pozostaje lokalne?
Model może działać na serwerze firmy, ale cały przepływ danych pozostaje wewnętrzny tylko wtedy, gdy również usługi pośredniczące, logowanie, monitoring i inne komponenty nie wysyłają treści na zewnątrz.
Dobór modelu, pamięci i akceleracji zależy od liczby użytkowników, wielkości kontekstu i wymaganego czasu odpowiedzi. Warto zacząć od jednego procesu i porównać wyniki z danymi CRM.
Praktyczny przykład
Opis pytań o szanse sprzedaży, formatów rekomendacji i kryteriów weryfikacji znajduje się w poradniku Jak AI analizuje szanse sprzedaży w CRM?. Rozwiązanie ofertowe i możliwości integracji przedstawiamy na stronie Sztuczna inteligencja w CRM.