Bitrix24 уже хранит лиды, сделки, задачи и переписку — логичное место для AI-сценариев продаж и поддержки. Прямое подключение «модель знает пароль от webhook» недопустимо: LLM не должна иметь неограниченный REST-токен. Рабочая схема — middleware-сервис между пользователем (портал, чат, мобильное приложение) и Bitrix24 REST: модель предлагает действия, middleware проверяет политики, исполняет методы API и пишет audit log. Ниже — архитектура, use cases и требования безопасности для production.

На уровне рабочего сценария полезно начать с помощи ИИ в CRM с подтверждением изменений сотрудником. Это позволяет проверить пользу модели до того, как ей разрешат самостоятельно менять карточки.

Архитектура: три слоя

Слой представления — виджет в CRM, Open Lines, корпоративный мессенджер или внутренний Telegram-бот. Пользователь аутентифицирован; в запрос к middleware передаётся bitrix_user_id и scope портала.

LLM + orchestrator — хранит диалог, вызывает модель с описанием tools (function calling). Модель возвращает JSON: имя функции и аргументы. Orchestrator ограничивает число шагов, таймауты и модели (cheap model для классификации, capable — для сложного текста).

Integration layer — адаптер Bitrix24: OAuth / webhook application, refresh token в секрет-хранилище, маппинг методов crm.deal.list, crm.activity.add, tasks.task.add и т.д. Здесь же row-level фильтры: менеджер не видит чужие сделки даже если промпт «уломает» модель.

Контекст из регламентов подтягивается через корпоративный RAG, а не через загрузку PDF в промпт на каждый запрос — иначе latency и стоимость некontrolируемы.

REST API: что оборачивать в tools

Не экспонируйте весь REST каталог (сотни методов). Сформируйте whitelist 8–15 операций под продукт:

  • Чтение: поиск контакта по телефону/email, карточка сделки, история активностей, список задач по сделке.
  • Запись: добавить комментарий в timeline, сменить стадию в разрешённом наборе, создать задачу с шаблоном, зарегистрировать call outcome.
  • Поиск знаний: внутренний endpoint RAG (не Bitrix), возвращающий чанки с citation.

Каждый tool документируется в JSON Schema с примерами; в middleware — валидация типов и enum для стадий воронки. Паттерн «агент vs простой чат-бот» для выбора глубины интеграции — в материале AI-агент и чат-бот.

Use cases с измеримым эффектом

Квалификация входящего лида — модель задаёт уточняющие вопросы по скрипту, заполняет поля CRM через tool crm.lead.update, назначает ответственного по правилам региона.

Copilot менеджера — перед звонком: краткая выжимка переписки, риски, следующий best action. Только read tools + RAG; запись — по кнопке.

Поддержка L1 — ответ из базы знаний + создание тикета с категорией, если confidence низкий. Эскалация human при ключевых словах («суд», «расторжение»).

Аналитика на естественном языке — осторожно: не давайте модели произвольные отчёты SQL. Безопаснее предопределённые агрегации через crm.deal.list с фильтрами, сгенерированными parser’ом intent, но проверенными кодом.

Окупаемость таких сценариев сводите к формулам из статьи про ROI внедрения ИИ; пилоты без метрик — см. также опубликованные кейсы.

Безопасность, whitelist и logging

Минимальный набор контролей:

  • Identity — каждый запрос LLM привязан к пользователю Bitrix; tools выполняются от его прав, не от «супер-app».
  • Whitelist methods — запрет произвольных URL; id сущностей только из предыдущих ответов API или явного ввода с проверкой доступа.
  • Rate limits — на пользователя и на портал; защита от loop агента.
  • Prompt injection — инструкции в полях сделки («ignore previous instructions») санитизируются или обрезаются при попадании в контекст.
  • Logging — correlation_id, user_id, model version, список tool calls с аргументами (без ПДн в открытом виде в central log — маскирование телефонов), latency, ошибки REST.
  • Human approval — отправка писем клиенту, изменение суммы, удаление — только после подтверждения в UI.

Логи нужны не «для галочки», а для разбора инцидентов и дообучения prompt/policy. Часть гипотез проверяйте на стенде из раздела research.

Развёртывание и откат

Middleware — отдельный сервис (контейнер) в вашем VPC или у managed-провайдера; секреты — в Vault / env на сервере, не в репозитории. Версионируйте system prompt и schema tools так же, как API. Feature flag «новый набор tools» включается на группу пользователей.

Parallels с ERP: для 1С те же принципы controlled tools описаны в статье про LLM и 1С. Консультации по связке CRM + RAG + агент — на странице Александра Тимофеева.

Краткий чеклист перед prod: whitelist REST, ACL на уровне middleware, RAG с citations, audit log, лимиты агента, метрики времени обработки лида и доли автозаполнения без правок менеджера. Без этого интеграция остаётся демо на тестовом портале.

Наблюдаемость и SLA

Определите SLO: p95 latency ответа пользователю, доля успешных REST вызовов, error budget на 5xx Bitrix. Dashboard для владельца CRM: сколько лидов автозаполнено, сколько задач создано агентом, сколько отклонено policy engine. Алерт при росте доли tool errors — часто признак изменения REST или истёкшего токена. Трейс distributed: id диалога сквозь LLM log и Bitrix journal.

При миграции между облачным и on-prem LLM контракт middleware не меняется — меняется только adapter модели. Документируйте data residency: какие поля сделки уходят в prompt. Для мультитenant SaaS на базе Bitrix24 изолируйте индексы RAG и token storage per portal. Детали расчёта окупаемости — в ROI, примеры внедрений — кейсы.

Для маркетплейса Bitrix24 Marketplace помните про review security: минимальные scope OAuth, прозрачная privacy policy для prompt data. Offline refresh token храните зашифрованным; ротация при увольнении интегратора. Документация tools для второй линии поддержки снижает time-to-recover при инцидентах.

Согласуйте с администратором портала лимиты REST: агентные сценарии создают burst traffic при массовых рассылках copilot. Batch endpoints или prefetch карточки сделки на стороне middleware уменьшают число round-trips и стабилизируют p95.

Интеграция с телефонией и Open Lines потребует отдельного tool для записи call transcript в timeline — не смешивайте raw audio в LLM без ASR pipeline и consent клиента.