Створення інтелектуальної системи, що замінює 30+ годин ручного моніторингу на місяць повністю автономним агентом на базі архітектури RAG.
Контекст
Карітас України — одна з найбільших благодійних організацій країни (понад 40 регіональних осередків) у секторі НУО та гуманітарної допомоги. Команда комунікацій щодня вручну моніторила медіа: пошук у Google, копіювання заголовків у Google Sheets, перевірка Facebook, Instagram та LinkedIn. Існуючі сторонні рішення мали ліміт у 10 запитів на сесію, що було абсолютно недостатнім для таких масштабів.
Проблема
Релевантність: Пошук видавав сотні результатів про міжнародні офіси Caritas, більшість із яких не стосувалися діяльності в Україні.
Критичність: Пропущена згадка могла означати безвідповідний запит преси або невчасно виявлений репутаційний ризик для будь-якого з 40+ локальних офісів.
Втрати: Понад 30 годин на місяць витрачалося на механічну роботу «копіювати-вставити» — це цілий робочий тиждень спеціаліста.
Мета: Повна автоматизація збору, географічної фільтрації та генерації звітів.
Рішення
Я спроєктувала автономного AI-агента на базі n8n, використовуючи архітектуру RAG (Retrieval-Augmented Generation). Замість простого пошуку за ключовими словами, система працює з глибоким контекстом організації: вона «розуміє», які філії існують, де вони працюють і які теми є релевантними для кожної з них.
Агент самостійно шукає інформацію в медіа та соцмережах, відфільтровує нерелевантні міжнародні згадки, класифікує результати за темами та тональністю, видаляє дублікати та готує чернетки звітів для керівництва — без участі людини.
Процес реалізації
Аудит та дослідження: Сформовано повну структуру організації (40+ філій) для створення точних географічних та контекстних фільтрів.
Проєктування архітектури: Розроблено логіку «Агента-аналітика» — багатоступеневий воркфлоу, що працює з векторизованими даними організації.
Побудова RAG-системи: Інтегровано векторну базу даних (Pinecone), що містить дані про структуру та регіональний контекст Карітасу України.
Prompt Engineering: Налаштовано промпти для дедуплікації, класифікації тем та аналізу тональності для різних типів публікацій.
A/B тестування: Проведено порівняння результатів ручного пошуку та видачі AI-агента для підтвердження точності фільтрації.
Оптимізація: Впроваджено пакетну обробку даних, що дозволило знизити витрати на API у 10 разів без втрати якості.
Результати
- Економія часу 85% — 8 годин ручної роботи на тиждень повністю автоматизовано.
- Збереження бюджету (~$180/міс) — порівняння вартості робочих годин спеціаліста до витрат на API.
- Точність фільтрації 95% — підтверджено A/B тестами; повна відсутність дублікатів.
- Зниження витрат на API в 10 разів завдяки оптимізації процесів обробки.
- Стратегічне зміщення: команда комунікацій перейшла від збору даних до їхнього стратегічного аналізу.
- Надійність та прозорість: кожна згадка логується, класифікується та легко відстежується.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis
Контекст
Карітас України — одна з найбільших благодійних організацій країни (понад 40 регіональних осередків) у секторі НУО та гуманітарної допомоги. Команда комунікацій щодня вручну моніторила медіа: пошук у Google, копіювання заголовків у Google Sheets, перевірка Facebook, Instagram та LinkedIn. Існуючі сторонні рішення мали ліміт у 10 запитів на сесію, що було абсолютно недостатнім для таких масштабів.
Проблема
Релевантність: Пошук видавав сотні результатів про міжнародні офіси Caritas, більшість із яких не стосувалися діяльності в Україні.
Критичність: Пропущена згадка могла означати безвідповідний запит преси або невчасно виявлений репутаційний ризик для будь-якого з 40+ локальних офісів.
Втрати: Понад 30 годин на місяць витрачалося на механічну роботу «копіювати-вставити» — це цілий робочий тиждень спеціаліста.
Мета: Повна автоматизація збору, географічної фільтрації та генерації звітів.
Рішення
Я спроєктувала автономного AI-агента на базі n8n, використовуючи архітектуру RAG (Retrieval-Augmented Generation). Замість простого пошуку за ключовими словами, система працює з глибоким контекстом організації: вона «розуміє», які філії існують, де вони працюють і які теми є релевантними для кожної з них.
Агент самостійно шукає інформацію в медіа та соцмережах, відфільтровує нерелевантні міжнародні згадки, класифікує результати за темами та тональністю, видаляє дублікати та готує чернетки звітів для керівництва — без участі людини.
Процес реалізації
Аудит та дослідження: Сформовано повну структуру організації (40+ філій) для створення точних географічних та контекстних фільтрів.
Проєктування архітектури: Розроблено логіку «Агента-аналітика» — багатоступеневий воркфлоу, що працює з векторизованими даними організації.
Побудова RAG-системи: Інтегровано векторну базу даних (Pinecone), що містить дані про структуру та регіональний контекст Карітасу України.
Prompt Engineering: Налаштовано промпти для дедуплікації, класифікації тем та аналізу тональності для різних типів публікацій.
A/B тестування: Проведено порівняння результатів ручного пошуку та видачі AI-агента для підтвердження точності фільтрації.
Оптимізація: Впроваджено пакетну обробку даних, що дозволило знизити витрати на API у 10 разів без втрати якості.
Результати
- Економія часу 85% — 8 годин ручної роботи на тиждень повністю автоматизовано.
- Збереження бюджету (~$180/міс) — порівняння вартості робочих годин спеціаліста до витрат на API.
- Точність фільтрації 95% — підтверджено A/B тестами; повна відсутність дублікатів.
- Зниження витрат на API в 10 разів завдяки оптимізації процесів обробки.
- Стратегічне зміщення: команда комунікацій перейшла від збору даних до їхнього стратегічного аналізу.
- Надійність та прозорість: кожна згадка логується, класифікується та легко відстежується.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis