AI-агент в CRM ломается не на модели, а на границе памяти и правил

AI-агент в CRM ломается не на модели, а на границе памяти и правил

Если агент делает lead-scoring, email-черновики или routing в CRM, провал обычно один и тот же: он тащит старый контекст, смешивает цели и начинает «догадываться» вместо исполнения. Чтобы этого не было, разделяйте три слоя: краткоживущая память для шага, долговременный профиль для клиента и жёсткие правила для действий.

Проверьте архитектуру по чек-листу:
— у каждого шага есть явный input/output, а не «весь чат»
— решения пишутся в лог отдельно от генерации текста
— агент не может сам менять score, сегмент и статус сделки без policy layer
— после 5-7 итераций есть reset или summarization, иначе растёт шум

Для маркетинговых задач лучше работают цепочки с контролем состояния, чем один «универсальный» агент. Если нужно писать кампании, пусть отдельный модуль собирает факты из CRM, отдельный — генерирует текст, а третий валидирует тон, оффер и запрещённые поля. Иначе ошибка в одном сообщении превращается в неверный сегмент и плохую рассылку.

Если агент должен принимать действие, но не может объяснить, на каком поле CRM он его основал, это уже не automation, а угадывание.