Искусственный интеллект в бизнесе сегодня закрывает один класс работы: превращает неструктурированный вход в структурированный выход. Письмо — в поля карточки, скан — в строки таблицы, разговор — в текст, вопрос сотрудника — в цитату из регламента. Всё, что не сводится к этой формуле, нейросети пока делают плохо или не делают вовсе, и разобраться с границей полезнее, чем прочитать ещё один список возможностей.
Что именно называют ИИ в работе компании
За словом «нейросеть» стоит функция: на вход текст, звук или изображение, на выходе текст. Она умеет одно — понимать смысл того, что ей дали, и переписывать его в нужном виде.
Отсюда признак, по которому задачу относят к подходящим или неподходящим. Данные приходят в свободной форме — прозой, голосом, сканом — и нужно привести их к порядку: подходит. Данные уже лежат полями в базе и нужно посчитать результат: не подходит, дешевле справится формула, которая не ошибается никогда.
Второй признак — цена ошибки. Модель ошибается не чаще уставшего сотрудника, но иначе: уверенно и в незаметном месте. Поэтому применение ИИ в бизнесе начинается там, где результат кто-то и так просматривает на следующем шаге.
Четыре типа задач, где это работает сегодня
Список короткий и последние пару лет почти не менялся: растёт качество внутри пунктов, а не сам набор.
Работа с текстом
Самая освоенная область. Разбор входящих обращений: тема, срочность, адресат, контакт и суть. Извлечение полей из письма: номер заказа, сумма, срок, адрес доставки — всё, что клиенты пишут прозой, а учётная система хочет получить полями. Черновики ответов на типовые вопросы. Суммаризация переписки: пятьдесят сообщений в чате сделки сворачиваются в десять строк с тем, о чём договорились.
Граница проходит по слову «черновик»: текст, ушедший клиенту без человеческого взгляда, рано или поздно окажется тем самым письмом, ради которого переписывают весь процесс. Вторая граница — объём: на десяти обращениях в неделю разбор проще сделать руками, чем настроить.
Работа с документами
Распознавание — превращение скана или фотографии в текст. Проверка комплектности: в пакете должны быть договор, приложение, акт и доверенность, модель сверяет наличие и отмечает, чего не хватает. Перенос данных в учёт: реквизиты, позиции и суммы из накладной становятся строками в системе.
Здесь важнее всего режим «не уверен»: пустое поле с пометкой «проверить» лучше уверенно подставленного неверного ИНН — первое человек увидит, второе нет. Границу задаёт качество исходников: пачка ровных сканов и пачка фотографий, снятых под углом на телефон, — разная работа с разным результатом.
Речь
Расшифровка звонков и встреч, поиск по смыслу в архиве разговоров, озвучивание текста голосом. Речь — самый выгодный кандидат: расшифровка руками стоит дорого, её почти никто не делает, и архив разговоров лежит мёртвым грузом.
Цифры из проекта «Синтез речи», где весь контур собран локально, на одной настольной машине и с нулём обращений к облачным моделям: минута речи расшифровывается за 1,3 секунды, синтез идёт примерно втрое быстрее реального времени, на снятие голоса хватает 16 секунд образца. Часовая встреча при таких скоростях разбирается меньше чем за полторы минуты — это меняет ответ на вопрос «а стоит ли вообще записывать».
Ответы по своей базе знаний
Бот, который отвечает клиенту или сотруднику не выдумкой, а тем, что записано в регламентах, инструкциях и договорах. Механика: сначала поиск нужного фрагмента в документах компании, потом ответ строго по найденному, со ссылкой на источник — модель не вспоминает, а пересказывает.
Качество здесь определяется не моделью, а состоянием документов. Устаревший регламент даёт уверенный неправильный ответ; вопрос, описанный в трёх документах по-разному, — случайный. Такой контур не наводит порядок в базе знаний, он делает беспорядок в ней заметным: полезно, но обычно неожиданно.
Где применяют нейросети чаще всего, видно по этому же списку: там, где много однотипных входящих в свободной форме, — поток заявок, типовые документы, длинная переписка, повторяющиеся вопросы в поддержку.
Где это не работает
Этот раздел важнее предыдущего: список задач, которые ИИ закрывает, есть в любой статье, а список того, что отдавать модели не стоит, обнаруживается обычно после потраченного бюджета.
Задачи, где нужна гарантированная точность. Юридические формулировки, медицинские заключения, финальные суммы в счетах, изменение остатков на складе. Доля ошибок не равна нулю и не сводится к нулю настройкой. Если ошибка не имеет права случиться, между моделью и результатом стоит человек либо жёсткая проверка правилами.
Расчёты, которые должна делать формула. Скидка по объёму, пени за просрочку, себестоимость, налог. Всё, что описывается арифметикой по известным полям, считается кодом: он дешевле и даёт один и тот же ответ на один и тот же вход.
Принятие решений без человека. Одобрить рассрочку, отказать в гарантии, назначить цену на нестандартный заказ. Вопрос не в качестве ответа, а в ответственности: у модели её нет. Подготовить материалы к решению — свести факты, показать похожие случаи, отметить противоречия — она может, само решение остаётся за тем, кто за него отвечает.
Работа с данными, которых у модели нет. Модель не знает остатков на складе, графика выездов и вчерашнего разговора с поставщиком. Пока эти данные не собраны в одном месте и не подключены, ответ про них будет придуман. Отсюда разочарование первых недель: контур выглядит умным, а на рабочий вопрос отвечает выдумкой — источника ответа у него просто нет.
Сколько это стоит на самом деле
Первый вопрос обычно звучит как «сколько стоит запрос к модели» — это самая маленькая строка сметы. Проект складывается из другого.
| Часть работы | Что в неё входит | От чего растёт |
|---|---|---|
| Разбор задачи | Что на входе, что считается верным ответом, кто проверяет | Число исключений |
| Подготовка данных | Сбор документов, распознавание сканов, чистка дублей, укладка в поиск | Состояние архива, а не размер |
| Доступы | Подключение к почте, CRM, хранилищу, учётной системе | Число внешних систем |
| Сборка и проверка | Сценарий, режим «не уверен», тестовый набор реальных случаев | Цена ошибки |
| Работа моделей | Оплата запросов в облако либо своё железо | Поток обращений |
| Сопровождение | Правки, обновление документов, разбор сбоев | Постоянная величина |
Верхние строки почти всегда дороже нижних: данные и доступы — это недели работы, а стоимость ответов модели на потоке средней компании часто сопоставима с подпиской на офисный пакет.
Про своё железо коротко: покупка окупается при постоянной нагрузке и обязательна, когда данные нельзя отдавать наружу, при редких всплесках дешевле аренда. Что локальный контур умеет и какое оборудование ему нужно — в статье Локальная нейросеть для компании.
Почему пилоты не доходят до работы
Проектов, где нейросеть показали и на этом всё закончилось, больше, чем работающих. Причины повторяются и известны заранее.
Нет критерия приёмки. Демонстрация прошла, всем понравилось, дальше проект месяцами живёт в статусе эксперимента. Лечится строчкой, записанной до старта: какая доля результатов принимается без правок, на каком объёме и к какому сроку. Без числа пилот не заканчивается, он забывается.
Контур умеет читать, но не умеет писать. Модель разобрала письмо и выдала поля, а дальше сотрудник копирует их в систему руками: экономии нет, работы прибавилось. Право на действие — записать в CRM, создать задачу, отправить уведомление — либо есть с самого начала, либо проект остаётся демонстрацией. Что для этого нужно — в статье ИИ-агенты для бизнеса.
Модель поставили поверх неописанного процесса. Если сотрудник не может объяснить, по какому признаку относит заявку к срочным, модель тоже не сможет. Порядок шагов — в статье Внедрение ИИ в компанию.
Вопросы и ответы
С чего начать применение ИИ в бизнесе, если непонятно, где он вообще нужен? Выписать места, где данные приходят в свободной форме: письма, звонки, сканы, сообщения в мессенджерах. По каждому посчитать два числа — сколько таких единиц в неделю и сколько минут суммарно уходит. Задача с самым большим произведением и есть первая. Если произведение мало, начинать пока не с чего.
Чем нейросети для бизнеса отличаются от обычной автоматизации? Обычная автоматизация переносит данные и выполняет описанные заранее правила: статус изменился — отправить уведомление. Нейросеть нужна там, где правило описать нельзя, потому что вход каждый раз разный: понять, о чём письмо, разобрать документ незнакомой формы. В рабочем контуре есть и то и другое, причём правил больше.
Можно ли использовать ИИ в компании, не отдавая данные наружу? Да, и на задачах из четырёх перечисленных типов это не компромисс по качеству. Локальный контур распознавания и синтеза речи собирается на открытых моделях и работает без единого обращения в облако. Проверка простая: отключить машине интернет и посмотреть, что перестало работать.
Заменит ли ИИ сотрудников? Снимается часть операций внутри роли, а не роль целиком. Из работы менеджера уходят перенос данных, сортировка и составление черновиков, остаются разговор с клиентом, решения и нестандартные случаи.
Сколько времени проходит от идеи до работающего контура? Собрать сценарий под описанную задачу с готовыми данными — вопрос недель. Срок съедают не модели, а сбор документов, приведение их в читаемый вид, согласование того, что считать правильным ответом, и период параллельной работы. Для ориентира: сайт услуг на конструкторе запускается за 2 месяца, конвейер из 70 статей собирается за 3 дня.
ИИ — способ понимать неструктурированное, а не способ управлять. Он полезен на потоке однотипных писем, документов и разговоров, бесполезен там, где нужны расчёт и ответственность, и бессилен там, где нужных данных нет. Разбор конкретной задачи и оценка — через контакты.