Dora от FanRuan: платформа ИИ-агентов для работы с корпоративной аналитикой
Китайский вендор FanRuan развивает новое направление корпоративной аналитики — платформу Dora, построенную вокруг концепции Agentic AI. В отличие от привычных ChatGPT-подобных систем, которые отвечают на отдельный запрос пользователя, Dora ориентирована на выполнение целой последовательности аналитических действий: найти нужные данные, применить корпоративную бизнес-логику, провести анализ, сформировать вывод и доставить результат тому, кто должен принять решение.
Dora работает поверх существующей BI-инфраструктуры компании. Агент может использовать настроенные модели, KPI, дашборды и права доступа в FineBI, превращая накопленные аналитические активы в основу для работы цифровых сотрудников.
Ниже — основные возможности, архитектурные принципы и сценарии использования платформы.
От Generative AI к Agentic AI
Генеративный ИИ хорошо справляется с подготовкой текста, резюмированием и объяснением переданных ему данных. Пользователь может загрузить Excel-файл или подключить базу данных и попросить подготовить сводку по продажам.
Однако в корпоративной среде этого недостаточно. Бизнес-задача обычно состоит из нескольких этапов: самостоятельно найти правильный источник, использовать утверждённое в компании определение показателя, выполнить многошаговый анализ, а затем передать результат не просто в чат, а в рабочий процесс — например, отправить ответственному сотруднику или создать задачу.
Именно здесь проходит граница между Generative AI и Agentic AI.
Для генеративного ИИ типична схема:
Запрос → ответ.
Пользователь задаёт вопрос, модель формирует результат, и на этом взаимодействие заканчивается.
В агентной модели схема выглядит иначе:
Цель → план → поиск данных → анализ → результат → действие → контроль.
Пользователь или информационная система задаёт цель, после чего агент сам определяет, какие данные и инструменты ему понадобятся, и выполняет последовательность действий до получения результата. Именно такую агентную логику FanRuan реализует в Dora.
Dora работает поверх существующей BI-среды
Один из ключевых принципов Dora заключается в использовании уже созданного аналитического контура компании.
Вместо создания отдельной среды специально для ИИ Dora подключается к существующим BI-активам: моделям данных, KPI, отчётам и дашбордам. В качестве BI-систем пока могут использоваться FineBI. В дальнейшем вендор FanRuan планирует поддержку большинства основных BI-платформ, представленных на мировом рынке.
Dora фактически становится Agentic Layer — агентным слоем поверх корпоративной аналитики.
Это особенно важно потому, что корпоративная аналитика значительно сложнее прямого подключения LLM к таблицам базы данных. Названия таблиц и колонок сами по себе не объясняют системе, что именно компания понимает под выручкой, маржинальной прибылью, активным клиентом или выполнением плана.
Dora получает этот контекст через уже существующие аналитические модели и KPI.
Семантический слой становится основой для ИИ-агента
Качество работы Dora напрямую зависит от состояния корпоративной модели данных.
Платформа опирается на три ключевых элемента:
- единые определения KPI,
- аналитические модели и связи между данными,
- существующую permission-модель.
Если один и тот же показатель в разных подразделениях считается по-разному, агент автоматически не устранит это противоречие. Он унаследует неоднозначность существующей аналитики.
Поэтому внедрение ИИ-агентов тесно связано с развитием семантического слоя. Компания должна заранее определить ключевые показатели: например, считается ли продажа по отгрузке или оплате, какая дата используется при расчёте показателя, какие операции исключаются из выручки и какие разрезы доступны конкретному пользователю.
Для корпоративного ИИ семантический слой становится механизмом, который определяет, как именно агент понимает бизнес-показатели.
Как устроена логика Dora: Prompt, Skill и Agent
Архитектуру Dora можно описать через три основных понятия — Prompt, Skill и Agent.
- Prompt определяет намерение пользователя. Например: «Почему продажи в третьем квартале снизились?»
- Skill — отдельная способность выполнить конкретное действие: обратиться к данным, сравнить периоды, построить график, выполнить вычисление или отправить результат в корпоративный канал.
- Agent получает задачу, декомпозирует её на шаги, формирует план и вызывает необходимые Skills в нужной последовательности.
Так, получив вопрос «Почему упали продажи?», агент может последовательно получить данные за прошлый и текущий периоды, найти расхождения, сгруппировать показатели по регионам или менеджерам, построить график, сформировать текстовый вывод и отправить его в корпоративный мессенджер.
За счёт этого Dora становится не просто чат-интерфейсом к данным, а механизмом оркестрации аналитического процесса.
Четыре цифровых сотрудника Dora
FanRuan создал четыре специализированных типа ИИ-агентов. Это не просто разные режимы одного чата: каждая роль ориентирована на свой класс бизнес-задач и имеет собственный сценарий работы.
Роль №1. Дата-аналитик (Data Analyst Agent)
ИИ-агент Дата-аналитик предназначен для нестандартных аналитических запросов, детализации данных и Root Cause Analysis.
Например, пользователь спрашивает: «Почему упала выручка в Северо-Западном регионе?». Агент определяет, что нужно сравнить периоды, разбить показатель по областям, товарным категориям и каналам продаж, после чего обращается к витринам или BI-моделям.
Вместо таблицы на тысячи строк пользователь получает уже сформированный аналитический вывод: где произошло отклонение, насколько оно существенно и какие факторы могли стать причиной. Ключевая ценность такого сценария — сокращение ручного «копания» в данных и ускорение получения инсайтов.
Роль №2. Аналитик отчётов (Report Generation Agent)
ИИ-агент Аналитик отчётов (Report Generation Agent) автоматизирует подготовку регулярной отчётности и презентационных материалов. Агент собирает данные из подключённых источников, формирует структуру документа по корпоративному шаблону, строит графики, создаёт текстовый комментарий к показателям и доставляет результат пользователю.
Итогом может быть готовый pdf, pptx или docs, который руководитель может использовать на встрече, не заходя в BI-систему. Таким образом автоматизируется значительная часть механической работы аналитиков: перенос цифр между Excel и PowerPoint, построение стандартных графиков и написание типовых комментариев.
Роль №3. Ассистент по брифингам (Briefing Agent)
ИИ-агент Briefing Agent ориентирован на короткие управленческие сводки. Если Report Generation Agent формирует полноценный документ, то задача Briefing Agent — подготовить Executive Summary, которое руководитель сможет прочитать за одну-две минуты.
Агент может работать по расписанию: например, каждое утро собирать продажи за предыдущий день, статус производства, складские остатки и другие KPI. Затем он отделяет существенные отклонения от информационного шума и отправляет краткую сводку в email или корпоративный мессенджер.
Это переводит аналитику из классической pull-модели, когда руководитель сам открывает BI и ищет нужную информацию, в push-модель, когда наиболее важные выводы автоматически приходят к нему.
Роль №4. Офицер по рискам (Risk Monitoring Agent)
Агент Офицер по рискам (Risk Monitoring Agent) необходим для непрерывного мониторинга показателей и обнаружения аномалий. Классический BI-алерт обычно сообщает лишь о факте пересечения порогового значения. Например: «Продажи снизились на 20%». После этого человек всё равно должен самостоятельно искать причины.
Dora идёт дальше. После обнаружения отклонения Risk Monitoring Agent может запустить дополнительный анализ и сформировать первичную гипотезу. Например, рост брака на производственной линии может быть сопоставлен с моментом поступления новой партии сырья. Ответственный сотрудник получает уже не просто сигнал тревоги, а контекст: что произошло, где, насколько сильно и что следует проверить.
Чем Dora отличается от Text-to-SQL, BI Copilot и универсальных AI-фреймворков
Dora занимает промежуточное положение между привычными BI-инструментами и универсальными платформами для создания ИИ-агентов.
- Text-to-SQL обычно работает следующим образом: пользователь задаёт вопрос, LLM генерирует SQL-запрос и возвращает результат. Такой подход удобен для доступа к данным, но модель зачастую не знает сложной бизнес-логики, правил соединения таблиц и корпоративных определений показателей. Результатом обычно становится таблица, которую всё равно должен интерпретировать человек.
- Copilot внутри BI помогает аналитикам создавать формулы, визуализации или другие элементы отчётности. Такой инструмент ускоряет ручную работу, однако сам по себе обычно не выполняет аналитический процесс целиком и не предназначен для постоянного мониторинга показателей.
- Универсальные агентские фреймворки, такие как LangChain или AutoGen, позволяют разработать собственную систему агентов, но требуют самостоятельной настройки интеграций, доступа к данным, логики выполнения действий и механизмов работы с бизнес-контекстом.
Dora позиционируется как готовый корпоративный агентный слой поверх существующего BI-ландшафта.
Работа с BI-активами вместо «голой» базы данных
Одно из ключевых отличий Dora — использование не только физической структуры DWH, но и созданных поверх неё BI-активов.
Если LLM подключается непосредственно к базе, она видит прежде всего таблицы и названия колонок. Dora может использовать дашборды, KPI и аналитические модели, уже подготовленные для бизнеса.
За счёт этого агенту не нужно каждый раз заново объяснять, как рассчитывается, например, маржинальная прибыль: соответствующая логика уже существует в аналитическом контуре.
Оптимизация движка для аналитических нагрузок
Dora предусматривает интеллектуальное кэширование, благодаря которому уже полученные данные могут повторно использоваться без выполнения тяжёлого запроса к DWH. Также используется push-down вычислений: агрегации и другие операции по возможности выполняются на стороне источника, чтобы не переносить в агент миллионы исходных строк.
Для мониторинговых сценариев предусмотрен принцип инкрементальной загрузки, когда система получает только новые данные вместо постоянного пересчёта всей истории. Эти механизмы особенно важны для Risk Monitoring Agent и других сценариев, где запросы выполняются часто и нагрузка на хранилище может быть существенной.
Права доступа наследуются из BI
Для корпоративного использования критически важно, какие данные агент имеет право видеть. Dora наследует существующую permission-модель BI. Если пользователь не имеет доступа к данным определённого региона, подразделения или категории сотрудников, агент также не должен показывать ему эту информацию.
Тот же принцип распространяется на автоматическую рассылку: Briefing Agent должен отправлять сводки только тем пользователям, которые имеют соответствующие права. Таким образом, модель Data Governance становится частью агентной архитектуры.
Специализированные агенты вместо одного универсального чата
Вместо одного «суперагента», который должен выполнять любые задачи, Dora разделяет процессы между специализированными ролями. Data Analyst Agent ищет причины, Report Generation Agent создаёт отчётность, Briefing Agent готовит управленческие сводки, а Risk Monitoring Agent контролирует отклонения.
У каждой роли есть свой ожидаемый сценарий действий и формат результата. Это делает поведение системы более предсказуемым и упрощает использование агентной аналитики бизнес-пользователями.
Action Layer: агент не только отвечает, но и действует
Ещё одно важное отличие Dora — переход от генерации ответа к выполнению действий.
В рамках Action Layer результат анализа может стать триггером для следующей операции. Агент способен отправить письмо, опубликовать сообщение в Teams или Telegram, создать задачу в Jira или другом таск-трекере либо инициировать обновление дашборда. На данный момент Dora поддерживает пока только отправку уведомлений в мессенджеры, например в Telegram. Для работы с электронной почтой и Jira требуются специальные настройки или сервисы MCP.
Таким образом, Dora выступает уже не только советником, но и исполнителем отдельных операций аналитического процесса.
Omnichannel Delivery: аналитика приходит туда, где работает пользователь
Dora рассчитана на работу не только через отдельный веб-интерфейс. Платформа предусматривает интеграцию с email, Slack, MS Teams, Telegram, Feishu/Lark и корпоративными чатами. При этом взаимодействие может быть двусторонним: пользователь получает алерт или отчёт в мессенджере и там же задаёт следующий вопрос или запускает новую операцию.
Например, можно написать агенту запрос на отчёт по продажам за вчера непосредственно в корпоративном чате. В уведомление также может быть добавлена краткая выжимка или изображение графика, чтобы пользователю не приходилось открывать BI-систему.
Dora в сравнении с другими подходами
|
Критерий |
ChatGPT / Text-to-SQL |
BI Copilot |
Dora |
|---|---|---|---|
|
Тип работы |
Ответ на вопрос |
Помощь при создании аналитики |
Выполнение аналитического процесса |
|
Бизнес-метрики |
Контекст из промпта или схемы БД |
Зависит от BI-модели |
Использует семантический слой BI |
|
Доступ к данным |
Часто напрямую к БД |
Через BI |
Через BI с наследованием прав |
|
Результат |
Текст или таблица |
Формула, код, визуализация |
Анализ, отчёт, презентация, задача, алерт |
|
Проактивность |
Нет |
Как правило, нет |
Risk Monitoring и Briefing |
|
Каналы |
Web/API |
Интерфейс BI |
Email, Slack, Teams, Telegram и др. |
|
Действия |
Обычно отсутствуют |
Ограничены BI |
Рассылка, задачи, follow-up |
|
Работа с большими данными |
Зависит от реализации |
Зависит от BI |
Кэш, push-down, инкрементальная обработка |
Такое позиционирование показывает основную идею Dora: перейти от AI-функции внутри аналитической системы к агентному уровню, который использует аналитику для выполнения работы.
От алерта до действия: замкнутый аналитический цикл
Наиболее интересная часть концепции Dora — возможность связать несколько агентов в единый Closed Loop.
Условная цепочка выглядит следующим образом:
событие → получение данных → анализ → поиск причины → визуализация → отчёт → алерт → доставка → follow-up.
Например, ночью на производстве снижается показатель OEE — Overall Equipment Effectiveness.
Risk Monitoring Agent обнаруживает отклонение и запускает анализ. Data Analyst Agent детализирует показатель по часам, оборудованию и бригадам и определяет, что падение началось после 2:00 на конкретном станке.
Затем данные сопоставляются с журналом технического обслуживания и информацией о сырье. Выясняется, что одновременно в производство поступила новая партия материалов.
К началу рабочего дня Briefing Agent формирует сводку и отправляет её руководителю в корпоративный мессенджер. Пользователь получает не только описание проблемы, но и предложение создать задачу на проверку.
После подтверждения Dora может автоматически создать задачу в Jira для начальника цеха. В результате BI перестаёт быть только системой наблюдения. Аналитический контур охватывает путь от появления события до конкретного бизнес-действия.
Безопасность и корпоративный контур
Для банков, промышленности, ритейла и других крупных организаций принципиальным вопросом становится безопасность агентной аналитики. Помимо наследования прав BI, в концепции Dora учитывается безопасность каналов доставки. Для корпоративных мессенджеров могут использоваться соответствующие API и внутренние контуры.
Также предусмотрены различные варианты развёртывания: on-premise, private cloud и hybrid deployment. Это позволяет адаптировать архитектуру под требования компании к размещению и обработке данных.
С чего начинать внедрение Dora
Внедрение агентной аналитики разумно начинать не с попытки передать ИИ всю аналитику компании, а с одного хорошо формализованного сценария. Таким пилотом может стать ежедневный отчёт по продажам, контроль складских остатков, мониторинг OEE или анализ дебиторской задолженности.
Затем необходимо проверить семантический слой: убедиться, что все используемые метрики определены однозначно. Например, заранее зафиксировать, что именно компания считает продажей — отгрузку или оплату.
После этого настраиваются каналы доставки и круг получателей, а в ходе пилота собирается обратная связь. Если агент систематически ошибается в бизнес-логике, проблема может находиться не в LLM, а в самой аналитической модели, которую необходимо корректировать.
Куда движется Dora: от цифрового аналитика к оператору процессов
Для развития Dora можно выделить два этапа.
- На первом этапе платформа выступает как цифровой помощник: выполняет пользовательские запросы к данным, создаёт отчёты и презентации, наследует права BI и доставляет результаты через email и корпоративные мессенджеры. Основная задача — забрать часть рутинной аналитической работы у человека.
- Следующий этап связан с развитием проактивности и мультиагентности.
Risk Monitoring должен двигаться от простого обнаружения отклонений к сценарному прогнозированию — например, предупреждать о возможном исчерпании складских запасов при сохранении текущего тренда.
Параллельно предполагается развитие Multi-Agent Orchestration, когда один агент самостоятельно запускает другого: Risk Agent обнаруживает проблему, Data Analyst Agent исследует её, а Briefing Agent доставляет готовый результат руководителю.
Библиотека Skills может расширяться за счёт ERP, CRM, SRM и других корпоративных систем — уже не только для чтения данных, но и для выполнения операций, например создания заказа на закупку.
Также в плане указано развитие интерфейсов взаимодействия: работа с голосовыми сообщениями и изображениями, включая возможность задать вопрос по скриншоту дашборда.
В таком сценарии Dora постепенно переходит от роли «цифрового аналитика» к роли «цифрового оператора процессов».
Dora: от чат-бота к цифровому сотруднику
Dora отражает более широкий сдвиг в развитии корпоративного ИИ. Первый этап был связан с возможностью задавать данным вопросы естественным языком. Следующий — с передачей ИИ части самой аналитической работы.
В этой модели агент уже не ограничивается ответом в чате. Он получает цель, использует корпоративную семантику, обращается к данным, выполняет последовательность аналитических операций, формирует результат, доставляет его пользователю и при необходимости инициирует следующее действие.
Для BI это означает переход от преимущественно пассивной модели «пользователь открыл дашборд и увидел проблему» к активной модели «система обнаружила изменение, исследовала его и запустила дальнейшее действие».
Именно поэтому Dora интересна не как ещё один ChatBI-интерфейс, а как Agentic Layer поверх корпоративной аналитики, превращающий существующие модели данных, метрики, дашборды, права доступа и бизнес-процессы в рабочую среду для цифровых сотрудников.
