Главный вопрос: где именно нужен интеллект
Процесс стоит разложить на шаги и по каждому спросить: этот шаг требует понимания смысла или только соблюдения правил? Перенос данных из одной системы в другую, проверка по списку, расчёт по формуле — это правила. Понять, о чём письмо, извлечь суть из документа, сопоставить формулировки клиента с каталогом — это смысл.
ИИ нужен ровно на шагах со смыслом. Всё остальное дешевле, быстрее и надёжнее закрывается обычным кодом — и именно так строятся работающие системы: детерминированный каркас с ИИ в тех узлах, где без него нельзя.
Какие процессы берут первыми
Хороший первый процесс отвечает пяти признакам:
- Он частый: сотни операций в месяц, а не десяток.
- Он однородный по цели, но разнородный по форме входа — именно здесь правила перестают справляться.
- Его результат проверяем: есть способ убедиться, что сделано верно.
- Ошибка обратима или ловится проверкой — на старте не берут процессы с необратимыми последствиями.
- Данные для него уже существуют в цифровом виде.
Типичные рабочие кандидаты
- разбор входящих обращений: классификация, извлечение сути, маршрутизация;
- проверка документов на соответствие требованиям с указанием расхождений;
- подготовка черновиков ответов и коммерческих документов по шаблонам компании;
- сопоставление данных из разных источников, где формулировки не совпадают дословно;
- первичный поиск по внутренней базе знаний вместо обращения к коллеге.
Что не стоит автоматизировать ИИ
- Процессы без критерия правильности: если два эксперта спорят, что верно, система не научится.
- Редкие операции: подготовка окупится дольше, чем живёт сам процесс.
- Строго регламентированные расчёты: там нужна воспроизводимость, а не гибкость.
- Процессы, которые компания планирует менять: автоматизировать имеет смысл то, что стабильно.
- Процессы, где данных нет в цифровом виде: сначала сбор, потом ИИ.
Почему redesign идёт раньше автоматизации
Многие процессы устроены плохо исторически: лишние согласования, дублирующий ввод, проверки, придуманные под давно исчезнувшую проблему. Автоматизация такого процесса делает его быстрым и по-прежнему плохим — а заодно фиксирует его в коде, и менять становится дороже.
Поэтому первым этапом идёт разбор: какие шаги вообще нужны. Регулярно оказывается, что после удаления двух лишних шагов оставшееся закрывается интеграцией без всякого ИИ. Это нормальный результат работы — и он экономит клиенту деньги.
Как выглядит внедрение по шагам
- Разбор процесса: шаги, объёмы, время, ошибки, кто и что делает руками.
- Проверка данных: есть ли они, в каком виде, кто владелец, можно ли ими пользоваться.
- Выбор узлов для ИИ и правил для всего остального.
- Пилот на ограниченном участке с метрикой, зафиксированной до старта.
- Интеграция в рабочие системы — обычно самая долгая часть, и дело не в модели.
- Постепенное расширение автономии по мере накопления статистики качества.
Что измерять
- доля операций, прошедших без участия человека;
- время прохождения операции от начала до конца;
- доля исправлений после системы;
- себестоимость одной операции с учётом эксплуатации и проверки;
- число случаев, когда система корректно отказалась и передала человеку.
Последняя метрика недооценена: система, умеющая распознавать свои границы, безопаснее той, что всегда выдаёт ответ.