2025 · SaaS · Лід · Dev13 Systems
Dev13 Systems — AI-команда, що знає бізнес
AI-native операційна система для агенцій: CRM, проєкти, HR, фінанси та знання в одній платформі, з 25+ спеціалізованими агентами, які готують роботу, і людьми, які її затверджують.
8 модулів і 25+ спеціалізованих агентів у продакшні, кожен результат затверджує людина
Context
Агенція працює на стосі роз'єднаних інструментів — CRM тут, проєкти там, HR і фінанси десь іще — і координація між ними є ручною роботою, за яку ніхто не платить. В AI-продуктів, що продаються в цю щілину, своя проблема: вони беруть плату за місце поверх підписки, яку команда вже оплачує, тримають дані клієнта в ще одному силосі й на все відповідають поверхнево одним універсальним асистентом.
Завдання було протилежністю чатбота, прикрученого до CRM: одна платформа, що покриває те, на чому агенція справді працює, з набором спеціалізованих агентів, які працюють зі знаннями самої організації, і людиною в шляху затвердження для всього, що виходить за межі компанії.
Рішення
Обрав Власна підписка Claude замовника — його ключ, його план замість перепродаж токенів із надбавкою за кожне місце
Агенції вже платять за Claude. Перепродавати їм той самий інтелект означає додати маржу, яку вони бачать у рахунку, привʼязати ціну продукту до цін одного вендора і зробити зміну моделі комерційним рішенням замість технічного. Брати плату за платформу й дати замовнику принести модель прибирає всі три проблеми.
Обрав Відкрити платформу агентам через MCP, усередині клієнта Claude, яким команда вже користується замість побудувати власний чат-інтерфейс у продукті
Новий чат — це ще один інструмент для вивчення і ще одне місце, куди копіюються дані замовника. Підключитися один раз і запускати будь-якого агента на імʼя там, де люди вже працюють, означало, що платформа мусить відкривати добрі інструменти, а не добре чат-вікно — і саме це накопичується з часом.
Обрав Агенти готують, людина затверджує, кожен запис приписаний цій людині замість дати агентам діяти самостійно з чергою перегляду після факту
Результат агенції несе професійну відповідальність. Усе, що можна надіслати, зберегти або застосувати, має мати чиєсь імʼя, а затвердження після того, як шкода сталася, — це не затвердження. Ціна — один клік на дію, вигода — журнал, який витримає суперечку з клієнтом.
Обрав Ізоляція по тенантах на рівні бази даних, із пошуком у межах цієї межі замість фільтрація за організацією в коді застосунку
Пошук, який перетинає межу тенанта, — не баг, а витік: база знань однієї агенції відповідає на питання іншої. Фільтри на рівні застосунку — один забутий WHERE від цього; межа в моделі даних означає, що така помилка навіть не скомпілюється.
Що я зробив
Я спроєктував і побудував платформу від початку до кінця — вісім модулів (CRM, проєкти, люди, фінанси, навчання, база знань, AI-команда і командний центр для керівництва) на одній моделі даних з ізоляцією по тенантах, де рольовий доступ керує і застосунком, і агентами.
AI-шар — це 25+ агентів під конкретні ролі, кожен зі своїм робочим playbook, доступні через MCP-сервери, які я побудував: вони відкривають інструменти платформи тому клієнту Claude, яким команда вже користується. Під цим лежить шар пошуку й оцінювання, який перевикористовує кожен AI-проєкт: гібридний пошук по pgvector і Qdrant з реранкінгом, чанкінг з урахуванням layout, трасування в Langfuse і LangSmith, регресійні тести LLM-as-judge на золотих наборах та облік токенів і витрат по тенантах.
Результат
Понад двадцять п'ять спеціалізованих агентів працюють у продакшні у восьми модулях. Кожен результат агента залишається чернеткою, поки людина його не перегляне й не затвердить, і кожен запис у базу логується та приписується цій людині — тож судження й відповідальність залишаються людськими, а набір тексту ні.
Оскільки агенти працюють на власній підписці Claude замовника, немає ні надбавки за місце, ні привʼязки до моделі: інтелект — той, за який вони вже платять.
Озираючись назад
Шар оцінювання — золоті набори, регресійні тести LLM-as-judge, трасування — будувався після того, як перші агенти вже працювали в продакшні, і цей порядок був неправильним. Поки його не було, кожна зміна промпта перетворювалася на суперечку, чи стало краще; після — на число. У наступній агентній системі я будував би цей каркас перед другим агентом, а не після десятого: на початку він дешевий, і лише він робить ітерації чесними.