Представь, что тебе не нужно ждать аналитика, чтобы узнать, почему упали продажи во вторник — достаточно написать вопрос в Slack и через минуту получить ответ с конкретной причиной, а не просто цифру. Именно такой сценарий выстроила у себя команда Anthropic, взяв технологию, которую раньше использовали только дата-инженеры в Claude Code, и открыв её всей компании через инструмент Claude Tag.
В предыдущем материале команда рассказывала, как добилась точности около 95% при ответах на аналитические вопросы — с помощью управляемого семантического слоя данных, набора skills (файлов с инструкциями для Claude) и системы оценки качества ответов. Тот материал был про Claude Code — рабочую среду дата-сайентистов. Этот — про то, как та же основа заработала там, где сидит остальная компания: в Slack, через Claude Tag (публичная бета), который сейчас лежит в основе аналитического агента Anthropic. Любой сотрудник может задать ему вопрос про данные и получить ответ, основанный на тех же проверенных определениях, которыми пользуются аналитики.
Сделать агента точным и сделать его доступным для людей без аналитического бэкграунда — оказались двумя разными задачами. Ниже — пять главных уроков команды за прошедший год: про доставку контента, права доступа, свежесть данных и наблюдаемость.
Skills обновляются так же часто, как модели данных
Самое важное архитектурное решение команды — относиться к skills как к «обслуживаемому контенту», который постоянно обновляется, а не как к файлу, который один раз написали и забыли. Модели данных меняются по несколько раз в день: переименовывается колонка, уточняется определение метрики, устаревает таблица. Каждое такое изменение должно попасть в файл skill в кратчайшие сроки — иначе Claude уверенно выдаст ответ по данным прошлого вторника.
Это особенно опасно, когда пользователь физически отрезан от контекста, который позволил бы ему засомневаться в ответе. Он не смотрит на дашборд с линией тренда — он получает одну-две цифры в Slack, и если это не та метрика, за которой он следит регулярно, он скорее всего просто поверит уверенному, но неверному ответу. Чтобы держать это под контролем, среда выполнения Claude Tag монтирует папку skills/ из репозитория с данными и перечитывает её при каждом новом разговоре. Файлы skills — это обычный markdown на диске, и агент читает их так же, как любой другой файл проекта.
Совет
Если тема skills для тебя новая — в посте Skills: переиспользуемые навыки Claude подробно разбирается, как работают эти файлы и зачем они нужны.
Знать таблицы недостаточно — нужны «навыки аналитика»
Первым инстинктом команды было создать один «знаниевый» skill — про то, какие таблицы использовать и как устроен семантический слой — и остановиться на этом. Быстро выяснилось: такой подход даёт правильные цифры, но не полезные выводы.
Большинство сотрудников задают открытые, размытые вопросы: «что вызвало это падение?», «спрогнозируй, куда мы придём к концу месяца», «покажи это как воронку». Чтобы ответить, агенту нужно знать не только где лежат данные, но и как с ними работал бы аналитик. Поэтому команда добавила к Claude Tag ещё несколько skills-«раннбуков»:
| Skill | Что регламентирует |
|---|---|
| Прогнозирование | когда и как подгонять простой тренд, допущения по сезонности, когда честно отказаться из-за короткого или шумного ряда |
| Когортный анализ и retention | стандартные определения когорт, шаблон кривой retention для руководства, ловушки типа left-censoring и survivorship bias |
| Воронки | канонические определения этапов ключевых продуктовых воронок для консистентных ответов |
| Визуализация | какой тип графика для какого вопроса, цветовые палитры, когда таблица понятнее графика |
| Аналитическое письмо | структура вывода (сначала главное, потом цифра, механизм, оговорка), уровень уверенности в формулировках |
У любой команды данных такие конвенции уже есть — просто обычно они живут в голове одного человека и документируются от случая к случаю. Записав их как skills, компания гарантирует, что Claude применяет их так же последовательно, как это делал бы штатный дата-сайентист.
Контекст из бизнеса, а не только из хранилища
Даже сочетание знаниевого skill и раннбуков не всегда достаточно. Когда кто-то спрашивает «почему во вторник упали регистрации?», ответ часто не лежит в модели данных — он разбросан по тредам Slack, трекерам инцидентов, релиз-нотам и документации.
Чтобы закрыть этот разрыв, Claude Tag подключили к внутреннему индексу знаний компании — каталогу документов, обсуждений и событий. Когда агент замечает движение метрики, он может поискать в этом индексе синхронный по времени контекст: открытый утром инцидент, переключённый feature flag, объявление конкурента, которым кто-то поделился в канале. Ответ теперь звучит примерно так: «регистрации упали на 12% во вторник: с 9 до 11 утра был открыт инцидент платёжного сервиса, и падение сконцентрировано в затронутом регионе».
Если в твоей организации есть граф знаний, внутренний поиск или хотя бы аккуратно организованные фиды инцидентов и changelog — подключить к ним Claude Tag это самая выгодная по эффекту инвестиция после самого хранилища данных. Claude Tag также можно подключить к ключевым каналам Slack, чтобы он читал контекст оттуда напрямую — подробнее об этом расширении возможностей рассказано в материале про то, что Claude Tag теперь видит весь разговор, а не одну реплику.
Права доступа сервисного аккаунта нужно продумывать заранее
Claude Tag обращается к хранилищу данных как сервисный аккаунт, а не как человек, который задал вопрос. Это правильный дизайн — иначе каждому пользователю Slack пришлось бы выдавать прямой доступ к хранилищу. Но у этого есть обратная сторона: любой, кто может упомянуть бота, получает доступ бота к данным. Построчной защиты по пользователям здесь нет: что может прочитать сервисный аккаунт, о том может спросить любой человек в канале.
Anthropic решает это пятью способами, и относиться к ним стоит серьёзно — ошибку тут легко допустить и трудно исправить:
- Ограничить сервисный аккаунт только управляемыми данными. Аккаунт Claude Tag может читать выходные таблицы семантического слоя и курируемые витрины, но не сырые потоки событий, staging-схемы и личные песочницы. Если вопрос требует данных за этой границей, агент честно говорит об этом, а не угадывает.
- Классифицировать PII на уровне колонок и запретить доступ к ней сервисному аккаунту. Управляемые данные — не значит безопасные для персональных данных: даже курируемая таблица может содержать email. В компании ведётся каталог данных с построчным происхождением (lineage): когда появляются новые колонки, Claude сканирует их и помечает вероятные кандидаты на PII для проверки человеком. У сервисного аккаунта нет допуска к PII, поэтому такие колонки для него просто невидимы на уровне контроля доступа хранилища.
- Документировать способ подключения прямо в skill. В skill про хранилище есть отдельный раздел о том, как именно агент подключается (CLI, прямой API или сервер MCP) и как проходит аутентификация. Это позволяет отличить чистый отказ («не могу достучаться до хранилища с этой поверхности, вот почему») от путающего сбоя.
- Считать добавление Claude в канал выдачей доступа. Добавление Claude Tag в канал Slack фактически даёт всем участникам канала доступ на чтение ко всему, что может запросить агент. Поэтому добавлять бота в канал может только сотрудник команды данных, и именно эта команда владеет списком каналов.
- Помечать каждый запрос. К каждому запросу в хранилище Claude Tag прикрепляет метки поверхности, беседы и пользователя (если Slack его передаёт). Это не блокирует запрос в момент выполнения, но обеспечивает атрибуцию затрат и аудит постфактум.
Общая позиция команды: аналитический агент в Slack — это, по сути, реплика управляемого хранилища данных с правом на чтение, и относиться к нему нужно именно так.
Главный риск
У сервисного аккаунта нет построчной защиты по пользователям — доступ у всего канала одинаковый, поэтому решение о том, кого добавлять в канал с ботом, стоит принимать так же осознанно, как выдачу прямого доступа к базе.
Инструментируй каждый ответ
Оценить, достаточно ли хорош ответ агента, нельзя «на глаз» — это требует систематического логирования. На каждый вопрос, обработанный Claude Tag, команда записывает структурированное событие: какие файлы skills были загружены и какой их версии, отреагировал ли пользователь эмодзи 👍/👎 или ответил исправлением, и есть ли открытые предупреждения о качестве данных по затронутым таблицам. Такие предупреждения выводятся прямо в подвале ответа, чтобы отметка о неактуальных данных была видна рядом с цифрой, а не пряталась где-то в стороне.
Эта телеметрия питает два представления. Первое отслеживает адопцию — какая доля запросов к агенту идёт через управляемый слой данных, а не через ad hoc SQL, в разбивке по поверхности и домену. Второе отслеживает корректность — через долю реакций 👎 и исправлений по доменам; это онлайн-проксиметрика точности между запусками полноценных оценок (evals).
Метрика адопции оказалась самым практически полезным числом из всех, что отслеживает команда. Когда она проседает для какого-то домена, это почти всегда значит, что либо skill-файл «поплыл» и устарел, либо появился новый класс вопросов, который семантический слой ещё не покрывает.
Как это ускоряет самообслуживание
Лучшие треды с Claude Tag почти всегда многолюдные — люди в них подкидывают идеи и контекст, а Claude берёт на себя рутинную часть работы. Один из показательных случаев: сотрудник команды данных спросил у Claude, почему дашборд по выручке стал загружаться на пару минут дольше обычного. Claude обнаружил, что результаты запросов не кэшировались из-за бага, замедлявшего доставку данных на страницу.
Claude уведомил владельца дашборда, который решил сразу починить кэш, а баг разобрать отдельно. Владелец затем спросил, какие ещё дашборды замедлились — оказалось, десятки страниц страдали от той же ошибки кэширования. Claude написал фикс, сотрудник команды данных его проверил, и все затронутые дашборды заработали в полную силу меньше чем за час.
Такие треды открыты — и это полезно по нескольким причинам. Люди, читающие тред, впитывают контекст (что сломалось, почему, как исправили) без того, чтобы кто-то писал им отдельное резюме. Более того, им не нужно оставаться пассивными читателями: любой, кто знает что-то полезное, может подключиться и помочь — так и произошло в примере выше. Поэтому команда рекомендует держать агента в общих каналах и вести работу в тредах, а не в личных сообщениях: тред превращается в удобную историческую запись, которую можно перечитать позже.
Многое из аналитической работы к тому же повторяется: проверки здоровья пайплайнов, мониторинг ключевых метрик, регулярные отчёты. Claude Tag берёт на себя и эту рутину — те же навыки и права доступа, что работают для разовых вопросов, отлично подходят и для повторяющихся задач, освобождая аналитиков для более сложной работы. Если тебе интересно, чем в принципе агент отличается от обычного скрипта или чат-бота, у нас есть отдельный разбор — что такое агент и чем он отличается от чата.
Частые вопросы
Что такое Claude Tag?
Claude Tag — это агент Anthropic (публичная бета), которого можно упомянуть в Slack, чтобы задать вопрос по данным. Он использует ту же управляемую основу — семантический слой, skills и оценки, — что и внутренний аналитический агент в Claude Code, но открыт для всей компании, а не только для аналитиков.
Почему нельзя просто один раз написать skill-файл и не трогать его?
Потому что модели данных меняются постоянно: колонки переименовывают, метрики уточняют, таблицы устаревают. Если Claude читает вчерашнюю версию skill, он с той же уверенностью выдаст вчерашний, уже неверный ответ. Поэтому Claude Tag перечитывает папку skills при каждом новом разговоре.
Как защищены персональные данные, если у бота нет построчного контроля доступа по пользователям?
Anthropic классифицирует PII на уровне колонок в каталоге данных и не выдаёт сервисному аккаунту Claude Tag допуск к таким колонкам вовсе. Даже если бот может прочитать таблицу целиком, чувствительные колонки для него просто невидимы благодаря контролю доступа на уровне хранилища.
Чем этот подход отличается от обычного дашборда или BI-инструмента?
Дашборд показывает заранее заданные метрики и требует, чтобы человек умел интерпретировать графики. Claude Tag отвечает на открытые, произвольно сформулированные вопросы («что вызвало этот спад?», «спрогнозируй конец месяца») и добавляет контекст из инцидентов, документов и обсуждений компании — то есть работает больше как аналитик, а не как статичный отчёт.
Главный вывод из этой истории простой: точный агент и полезный для всей компании агент — не одно и то же. Точность даёт хорошо построенный семантический слой и skills. А доступность для нетехнических людей требует отдельной дисциплины: живые, постоянно обновляемые навыки, связь с бизнес-контекстом за пределами хранилища, продуманные права доступа и системная фиксация каждого ответа для контроля качества. Если строишь похожего агента у себя — начни с этих пяти пунктов, а не с вопроса «а сможет ли модель написать SQL».
Если хочешь попробовать всё это руками — начни с бесплатного курса «Claude с нуля».
Источник
По мотивам статьи Anthropic «Self-service data analytics in Slack: how Anthropic deploys Claude Tag for ad-hoc questions». Пересказали по-русски для новичков.