Разговоров про искусственный интеллект много, а понятного первого шага обычно нет. Продавцы обещают «трансформацию», консультанты — стратегию на год, а руководитель хочет чего-то, что заработает в этом квартале и не потребует нанимать отдел разработки.
Хорошая новость: большинство задач, которые реально дают эффект в небольшой компании, не требуют ни команды, ни интеграций. Разбираем, с чего начать и чего ждать не стоит.
Три типа задач, которые ИИ закрывает сегодня
Работа с документами. Поиск ответа в регламентах, договорах, инструкциях, прайсах. Это самая частая и самая недооценённая задача: сотрудники тратят на поиск информации часы в неделю, а компания этого не видит.
Общение с клиентами. Ответы на типовые вопросы: цены, наличие, условия доставки, сроки. Здесь ИИ не заменяет менеджера, а снимает с него повторяющиеся вопросы.
Рутина с текстом. Черновики писем, выжимки из документов, подготовка коммерческих предложений по шаблону. Эффект меньше, но порог входа минимальный.
Как выбрать первый сценарий
Три критерия, которые отсекают неудачные варианты:
Частота. Задача должна возникать каждый день, а не раз в квартал. Если вопрос задают дважды в месяц, автоматизация не окупится.
Стоимость ошибки. Ответ по цене или условиям договора должен быть проверяемым — со ссылкой на документ. Если ошибка стоит денег, нужен источник, а не «модель сказала».
Наличие данных. Документы уже существуют, просто лежат в папках? Отлично, это готовая база. Если данных нет и их надо собирать с нуля — начинать с ИИ бессмысленно.
По этим критериям почти всегда выигрывает одна и та же задача: ответы по внутренним документам. Данные есть, повторяемость высокая, эффект виден сразу.
Что нужно, чтобы запустить
Минимальный набор:
- 3–5 документов, по которым чаще всего спрашивают;
- система, которая индексирует эти документы и отвечает со ссылкой на источник;
- 20–30 реальных вопросов для проверки качества;
- один ответственный человек, который обновляет документы.
Интеграции с CRM, телефонией и ERP на этом этапе не нужны. Они нужны позже, когда понятно, какие вопросы задают и где сотруднику удобнее получать ответ.
Свой сервер или облако
| Вариант | Когда подходит | Ограничения |
|---|---|---|
| Облачный сервис по подписке | Быстрый старт, нет своей инфраструктуры | Данные уходят третьей стороне, ежемесячная плата |
| Свой сервер с локальной моделью | Персональные данные, коммерческая тайна, предсказуемая стоимость | Нужен сервер и разовая настройка |
Для большинства компаний, работающих с обычными коммерческими документами, оба варианта допустимы. Как только в документах появляются персональные данные клиентов или сотрудников, выбор сильно сужается в пользу своего контура.
Чего ждать не стоит
- Что ИИ будет отвечать без документов. Если знаний нет в базе, модель либо откажется, либо начнёт выдумывать. Второе опаснее.
- Что он заменит сотрудника целиком. На практике он убирает поиск информации, а не принятие решений.
- Что всё заработает само. Первые две недели — это работа с документами: убрать устаревшие версии, распознать сканы, убрать дубли.
План на 30 дней
Дни 1–5. Выберите сценарий и соберите документы. Определите, какие вопросы будут считаться «правильно отвеченными».
Дни 6–10. Загрузите документы, прогоните тестовые вопросы, отметьте провалы. Обычно провалы указывают на проблемы в документах, а не в модели.
Дни 11–20. Уберите дубли и устаревшие версии, добавьте недостающие документы, повторите проверку.
Дни 21–30. Подключите сотрудников, соберите обратную связь, зафиксируйте метрику: сколько вопросов закрывается без участия человека.
Такой план не требует бюджета на разработку и даёт проверяемый результат уже в первый месяц.
Что дальше
Если хотите понять, как устроен ассистент по документам изнутри — посмотрите как работает RAG-система. Если документы чувствительные — вариант с развёртыванием в своём контуре. А если задача ограничивается ответами на сайте, начните с чат-бота для сайта.