Ответ вероятностен
На одном входе результат может отличаться, а текстовое объяснение модели — подсказка, а не доказательство. Если итог придётся защищать перед аудитором, решает правило в коде.
Автоматизация с помощью нейросетей отличается от обычной тем, что результат вероятностный: модель читает текст, скан или голос и иногда ошибается, поэтому вокруг неё ставят проверки и очередь для человека. Нейросеть оправдана, когда вход неструктурирован, а правила не записать. Ниже шесть типов таких задач, схема «модель размечает, код исполняет», то, что нужно после запуска (качество, дрейф, расход), и границы метода.
Лёгкий пилот на ваших примерах — 150 000–400 000 ₽, 2–8 недельКачество замеряем по полям и классам, а не «в среднем»Данные ограниченного доступа остаются в вашем контуре
Обычная программа повторяет то, что записал программист. Нейросеть повторяет то, чему научилась, и это меняет всю работу вокруг неё.
Автоматизация с помощью нейросетей строится вокруг модели, которая читает неструктурированный вход: письмо, скан, запись разговора, свободный комментарий. Обычный код сравнивает значения и следует правилам; модель оценивает смысл и отвечает с некоторой уверенностью. Из этого следуют три отличия, которые видны на каждом проекте.
Картина по участкам компании (продажи, поддержка, закупки, бухгалтерия) собрана на странице автоматизации бизнеса с помощью ИИ. Здесь другой взгляд: от самой нейросети, то есть от видов работы с данными, которые она выполняет. Как нейросети входят в компанию целиком, описано на странице внедрения нейросетей в бизнес.
Тип определяет способ проверки качества, поэтому сначала выясняют тип, а потом выбирают модель. Распознавание и извлечение для документов разобраны на странице интеллектуальной обработки документов и в статье «OCR или LLM для распознавания документов».
Модель отвечает за понимание входа, код — за действие. Права и проверки находятся в коде.
Автоматизация нейросетью почти никогда не означает «отдать процесс модели». Рабочая схема разделяет две работы: понимание неструктурированного входа выполняет модель, а проверку и исполнение — детерминированный код. Выбор между скриптом, роботом, агентом и таким гибридом разобран в статье «RPA, скрипт или ИИ-агент», а здесь схема показана на одном входе.
Что это даёт. Права есть у кода, а не у модели, поэтому текст сообщения не заставит систему сделать лишнее. Ошибку модели ловит проверка, а не отчёт в конце месяца. Модель можно заменить без переписывания исполнения: эталонный набор покажет, что изменилось. Если гибрида недостаточно, потому что шаги цепочки зависят друг от друга и заранее не расписаны, нужен агент с таблицей прав и подтверждений: смотрите страницу ИИ-агента для бизнеса.
Метрики подбирают под тип задачи; общий подход описан в статье «Как оценить качество LLM-системы». Здесь то, что смотрят регулярно: у каждой строки есть владелец.
На одном входе результат может отличаться, а текстовое объяснение модели — подсказка, а не доказательство. Если итог придётся защищать перед аудитором, решает правило в коде.
Длинный документ модель читает частями, и связи между разделами теряются, если их не проверять. Для больших документов добавляют нарезку и сверку итогов.
Качество на русском языке и в терминах вашей отрасли проверяется на ваших текстах, а не принимается по описанию разработчика модели.
Для данных ограниченного доступа модель работает на ваших серверах: облачные сервисы для них чаще не подходят по требованиям заказчика. Лицензия модели должна допускать коммерческое использование, перечень записываем в документацию.
Цены общие для всех наших работ (тарифы). Для этой темы ключевая работа обследования — пробный замер на небольшой части ваших примеров до выбора схемы.
Тип каждой задачи, выборка примеров, пробный замер, выбор схемы (код, модель или гибрид) и вилка бюджета. Вычитается из первого этапа.
Задачи идут через 1С, почту, сканы и CRM: схема обменов и источник данных по каждому полю.
Классификация писем, извлечение полей из одного вида документов или ответы по базе знаний на вашей выборке, режим подсказки.
Модель, проверки кодом, очередь оператора и запись в 1С или CRM, замер на живом потоке.
Мониторинг качества и дрейфа, журнал, права, обучение, передача исходников и эталонного набора.
Еженедельная выборка, пополнение эталона, проверка при смене модели; часы не сгорают в пределах квартала.
Определяем тип каждой задачи, собираем с вашими специалистами примеры с правильным результатом и делаем пробный замер.
Записываем метрику, порог приёмки и то, что идёт человеку при низкой уверенности. Часть выборки закрываем от настройки.
Модель и проверки работают рядом с сотрудниками, ничего не записывая. Разбираем расхождения с их решениями.
Включаем запись в учёт с подтверждением человека, затем самостоятельные действия только там, где ошибка заметна и обратима.
Каждый этап имеет приёмку, цену и право остановиться; мониторинг качества включается с первого дня.
Еженедельная выборка, пополнение эталона и проверка при смене версии модели.
Поиск по смыслу по вашим регламентам и договорам описан на странице RAG-системы на заказ. Речь, распознавание записей и голосовой ввод — на странице голосового ИИ-ассистента. Где модель встаёт в рабочий процесс и кто подтверждает её результат, разобрано на странице интеграции ИИ в бизнес-процессы. Порог уверенности, по которому спорное уходит человеку, объясняет статья «Порог уверенности модели».
Три подхода, измерение точности по полям и проверки против выдуманных данных.
Шесть критериев, матрица ситуаций и стоимость владения.
Эталонная выборка, метрики по типам задач и замер после запуска.
Модель читает неструктурированный вход (письмо, скан, голос) и возвращает данные в заданной структуре. Код проверяет их по справочникам и правилам и исполняет действие, а сомнительные случаи уходят человеку. Права и действия остаются у кода, а не у модели.
Да. Для данных ограниченного доступа модель работает на ваших серверах: облачные сервисы для них чаще не подходят по требованиям заказчика. Размер серверов под выбранную модель определяется на обследовании по замеру на вашей выборке.
Робот повторяет записанные действия и ломается при смене входа. Нейросеть справляется с разнообразным входом, но её результат вероятностный. Поэтому их соединяют: модель размечает, код исполняет. Выбор зависит от входа, доли исключений и цены ошибки.
На выборке ваших примеров с известным правильным ответом: по полям для извлечения, по классам для классификации, по доле верных источников для поиска. Часть выборки не показывают ни модели, ни исполнителю, а пороги приёмки записывают до замера.
Со временем меняются формы документов, поставщики, названия и термины, и модель хуже справляется с новым. Признаки: растёт доля случаев с низкой уверенностью и очередь оператора. Поэтому после запуска качество замеряют на свежей выборке, а эталон пополняют.
Сначала обследование: 200 000 ₽ за одну-две задачи, 350 000 ₽ при нескольких системах; в него входит пробный замер на ваших примерах. Пилот одного типа задач — 150 000–400 000 ₽, схема с записью в учёт — 400 000–1 200 000 ₽. Дальше вывод в эксплуатацию от 1 500 000 ₽ этапами и сопровождение от 20 000 ₽ в месяц. Цену называем после обследования.
Нет. Нейросеть готовит данные и основания, а подпись, платёж, скидку и отказ подтверждает человек с правом подписи. Арифметику и налоги считает код.
Открытые модели, которые можно развернуть у вас. Конкретную подбираем по замеру на вашей выборке, а не по рейтингу. Внешний программный интерфейс допустим для данных, которые это позволяют.
Мы в Ростове-на-Дону, работаем с заказчиками по всей России: удалённо и в вашем контуре. Доступ к системам и обследование согласуем на старте с вашей службой безопасности.