04 / 06
Для компаний, где сотрудники вручную разбирают документы, письма и обращения, а знания разбросаны по файлам и чатам. Внедряем AI там, где он сокращает ручной труд и окупается: ассистенты по внутренним документам, разбор входящих документов, агенты для многоэтапных процессов, прогнозные модели. Начинаем с обследования сценариев и состояния данных — и прямо говорим, где достаточно обычной автоматизации.
AI нужен не всегда: там, где процесс формализуем, обычная автоматизация надёжнее и дешевле. Мы говорим об этом на обследовании, а не после подписания договора.
Слои решения
backend
Python · FastAPI
ai и ml
LangChain · LlamaIndex · OpenAI API · Claude API · Llama · Qdrant · pgvector
infrastructure и devops
Kubernetes
Изучаем процессы, данные и системы компании и раскладываем задачи на три группы: где AI окупается, где достаточно обычной автоматизации и где сначала нужно навести порядок в процессе. На выходе — отобранные сценарии с оценкой эффекта и сложности.
Оцениваем полноту и состояние документов и данных, готовим их к работе, определяем правила доступа. Собираем очередь внедрения: с чего начинаем и что подключаем следом.
Собираем работающий прототип на ваших данных и проверяем его на ограниченном участке процесса до серьёзных вложений. Результат сравниваем с эталонными ответами: гипотеза либо подтверждается, либо закрывается дёшево.
Доводим прототип до промышленной версии: обмен с CRM, ERP и внутренними системами, разграничение прав, обработка ошибок, подтверждение действий человеком. Проверяем поведение на пиковых объёмах обращений.
Разворачиваем решение в контуре компании, учим сотрудников формулировать запросы и разбирать спорные ответы, настраиваем наблюдение за качеством и затратами. Фиксируем регламент: что система решает сама, а что подтверждает человек.
Следим за качеством ответов и стоимостью работы, пополняем базу знаний, заменяем модель по мере выхода более сильных. Автоматизацию расширяем на соседние процессы по данным эксплуатации.
Начинаем с экономики, а не с технологии: считаем, сколько человеко-часов уходит на сценарий, какова цена ошибки и во что обойдётся работа модели. Если задача формализуема, честно говорим, что дешевле обычная автоматизация, — и не предлагаем AI ради AI.
Основатель сам ведёт обследование сценариев и отвечает за выбор: что идёт в прототип, где решение остаётся за человеком, а не за моделью, и когда пилот пора закрывать. Спорный сценарий не ждёт очереди согласований.
Внедрение доводим до рабочего процесса: сотрудники учатся формулировать запросы и разбирать спорные ответы, а регламент фиксирует границу между решением системы и решением человека. После запуска следим за качеством, пополняем базу знаний и меняем модель, когда выходит более сильная.
У производственной компании инструкции, стандарты и регламенты накоплены в сотнях документов разных лет. Инженеры и новые сотрудники подолгу ищут нужный пункт или отвлекают коллег, а часть ответов оказывается по устаревшей редакции.
Строим поиск с ответами поверх хранилища документов: ассистент отвечает и приводит ссылку на конкретный раздел действующей редакции. Сотрудник видит только те документы, к которым допущен, а ответ без подтверждения в первоисточнике не выдаётся. Вопрос закрывается сразу, без переписки и поиска по папкам.
Дистрибьютор ежедневно получает заказы, счета и накладные в разных форматах — от сканов до таблиц. Операторы переносят данные в учётную систему вручную и ошибаются, а расхождения всплывают на сверке.
Разворачиваем конвейер разбора: система определяет тип документа, извлекает позиции и реквизиты, сверяет их со справочниками и создаёт запись в учёте. Спорные случаи уходят оператору на подтверждение, остальное проходит без ручного ввода. Операторы работают с исключениями, а не с набором текста.
Сеть клиник получает постоянный поток обращений: запись, перенос, вопросы о подготовке к процедурам. Колл-центр перегружен в пиковые часы, часть обращений остаётся без ответа.
Внедряем агента, который ведёт диалог в мессенджерах: понимает запрос, проверяет расписание в медицинской системе, записывает и переносит приёмы, отвечает на типовые вопросы по базе знаний. Сложный случай передаётся администратору вместе с историей диалога. Операторы занимаются обращениями, где действительно нужен человек.
AI-ассистент поддержки на базе знаний компании — типовые обращения закрываются без оператора, сложные уходят человеку с контекстом.
AI и интеллектуальная автоматизация
Сроки2–4 месяца от прототипа до промышленного контура — ориентир, уточняется после обследования
Когда процесс полностью формализуем: обычная автоматизация проще, дешевле и предсказуемее. Когда цена ошибки высока, а проверку человеком встроить нельзя. И когда проблема в самом процессе: AI поверх беспорядка даёт автоматизированный беспорядок. На обследовании мы разделяем задачи на эти группы и говорим, что вам не нужно.
Схему развёртывания подбираем под ваши требования: соглашение с провайдером, исключающее обучение на ваших данных; маскирование чувствительных полей до отправки; полностью автономная работа открытой модели в контуре компании без выхода данных наружу. В любой схеме модель видит только то, что разрешено конкретному пользователю.
Нет, но влияет на выбор сценариев. Ассистентам и разбору документов предварительное обучение не нужно — достаточно самих документов. Для прогнозных моделей состояние данных критично, поэтому накопление и чистка идут параллельно с первыми внедрениями, а не вместо них.
Чат-бот отвечает на вопрос по сценарию или базе знаний. Агент выполняет работу: разбивает задачу на шаги, обращается к системам компании, создаёт записи и документы и доводит процесс до результата. Чат-бот сообщит статус заказа, агент оформит возврат — проверит условия, создаст заявку в учёте и уведомит клиента.
Система не отвечает без опоры на документы: нет подтверждения — она говорит об этом прямо. Действия с последствиями агент выполняет только после одобрения человеком. Качество измеряем на эталонных вопросах до запуска и по метрикам после, поэтому ухудшение видно раньше, чем о нём сообщат пользователи.
Процессы меняются, модели выходят более сильные, поэтому решение сопровождается: следим за качеством и затратами, подключаем новые источники знаний, меняем модель. Архитектура собрана так, чтобы такая замена не требовала переделки интеграций. Сопровождение оформляется отдельным направлением с понятным составом работ.
Опишите задачу и текущий контур — вернёмся с разбором: что входит в работу, в каком порядке и от чего зависит срок.
Первая встреча и разбор задачи — с основателем компании.