Содержание
С чего начинать выбор ИИ для бизнеса
| Признак | Процесс подходит | Процесс не подходит |
|---|---|---|
| Частота | операция повторяется постоянно | случается редко |
| Измеримость | известно, сколько минут занимает сейчас | никто не знает, сколько уходит времени |
| Данные | лежат в системе, справочники в рабочем состоянии | живут в переписке и в головах |
| Форма ввода | документы разных форматов, свободный текст, исключения | строго одинаковые формы без исключений |
| Приёмка | есть человек, готовый сказать, какой ответ верный | сказать некому |
| Цена ошибки | ошибку видно и её ловит проверка, ошибка стоит дешево | ошибка уходит дальше незамеченной, стоит дорого |
Многие процессы могут отсеяться по признаку «форма ввода» — и это хорошо. Если формы стабильны, а исключений почти нет, задачу дешевле закрыть обычной автоматизацией для бизнеса или программным роботом. ИИ‑модель окупается там, где вход разный: письма с вложениями в трёх форматах, сканы разного качества, формулировки, которые каждый пишет по-своему.
Вариант «ничего не делать» выигрывает, когда процесс редкий, объём небольшой, а цена ошибки высокая при том, что проверять результат некому. Однако важно понимать, что пока процесс не автоматизирован на уровне компании, сотрудники продолжают носить рабочие данные в публичные ИИ‑сервисы, что может противоречить правилам ИБ.
Какие бывают типы ИИ‑решений и для каких задач они подходят
| Класс решения | Что делает | Когда подходит |
|---|---|---|
| Корпоративный ассистент | отвечает сотруднику, ищет по документам, готовит черновики писем и отчётов | много ручной работы с текстом, разбросанной по разным людям |
| Чат-бот по базе знаний | отвечает по регламентам и архиву компании с указанием источника ответа | одни и те же вопросы приходят в поддержку и в кадры |
| Обработка документов | извлекает данные из писем, счетов, актов, сканов и переносит в систему | входящий поток вырос, а заносят его руками |
| Машинное зрение | распознаёт по фото и видео дефекты, комплектность, нарушения | контроль ведётся глазами и выборочно |
| Прогнозная аналитика | считает спрос, платежи, риск дефолта по накопленным данным | решения принимаются по интуиции, данные при этом есть |
| ИИ‑агент | выполняет цепочку действий и записывает результат в рабочую систему | процесс состоит из нескольких шагов, а не из одного ответа |
Чем ИИ‑агент отличается от чат-бота, ассистента и RPA
Программный робот из класса RPA действует по жёсткому сценарию и на неструктурированном входе ломается. Поэтому в проектах выбирают гибридное решение, обеспечивающее качество и стабильность результата: робот забирает и раскладывает файлы, модель читает содержимое, робот заносит результат. Спрашивая, какие есть ИИ‑агенты для бизнеса и какой из них взять, полезно сначала проверить, не решается ли задача роботом без ИИ.
- 1Робот забирает и раскладывает файлы
- 2Модель читает содержимое
- 3Робот заносит результат
Какие модели ИИ существуют и как выбрать подходящую
ИИ‑модели различаются не «качеством», а тем, с чем они работают. Вопрос «какая нейросеть лучше» на этом уровне ответа не имеет, и выбирать по рейтингам бессмысленно: лидер тестов меняется быстрее, чем идёт согласование бюджета, а на вашей задаче результат может быть другим. Практических критериев три, и первый отвечает на вопрос, какую ИИ‑модель выбрать: тип модели должен совпадать с формой входных данных.
| Тип модели | С чем работает | Под какие классы решений идёт |
|---|---|---|
| Языковая | текст: письма, регламенты, договоры, ответы | ассистент, чат-бот по базе знаний, обработка документов |
| Мультимодальная | текст вместе с изображением: сканы, фото документов | обработка документов, машинное зрение |
| Речевая | звонки, встречи, диктовка: распознавание и синтез | ассистент, чат-бот |
| Компьютерное зрение | фото и видео: дефекты, комплектность, нарушения | машинное зрение |
| Прогнозная | числовые ряды и таблицы: спрос, платежи, риски | прогнозная аналитика |
Любой из этих типов работает и в облаке поставщика, и на локальном сервере — где именно, решает не модель, а контур, и об этом отдельный разговор ниже.
Второй критерий — доступность. Часть зарубежных моделей недоступна по оплате. Российские и открытые модели можно поставить в собственный контур, и тогда вопрос переходит из юридической плоскости в инфраструктурную. Если у ИТ‑службы есть план по отечественному программному обеспечению, проверьте, есть ли решение в реестре отечественного ПО, до того, как впишете его в закупку.
Третий критерий снимает напряжение вокруг всего выбора: модель стоит делать сменной деталью. Между решением и моделью ставят шлюз — единую точку доступа для всех обращений к моделям. Тогда поставщика можно сменить, не переписывая интеграции, базу знаний и настроенные сценарии. Устаревает модель, а не то, что построено вокруг неё.
Способы использования моделей: сервис, API, платформа или своя инфраструктура
Один и тот же класс ИИ‑решения можно получить четырьмя способами. Разделяет их один признак: что останется у компании, когда поставщик поднимет цену или уйдёт.
| Способ | Что остаётся у компании | Что требует | Чем платим |
|---|---|---|---|
| Готовый сервис по подписке | настройки и накопленная переписка | согласия службы ИБ и учётных записей | помесячно за пользователя |
| Прямое подключение по API | своя обвязка, промпты, логика | разработки и своего учёта расходов | за объём обращений |
| ИИ‑платформа: шлюз и конструктор | данные, база знаний, сценарии, единый учёт | внедрения и интеграции | лицензиями плюс объём |
| Своя инфраструктура | всё, включая модель | серверов, людей, процессов обновления | железом и командой |
Проверочный вопрос к любому способу использования ИИ‑модели звучит одинаково: что мы забираем с собой, если через год уйдём. Ответ «данные, база знаний, настроенные сценарии, интеграции и накопленные примеры» означает нормальную степень привязки. «Ничего, всё внутри сервиса» тоже допустимо, но тогда это осознанная аренда.
Облачное, локальное или гибридное развёртывание
| Контур | Когда подходит | Что это значит на практике |
|---|---|---|
| Облако поставщика | пилоты и быстрые запуски, переменная нагрузка, данные несущественные или обезличенные | данные и запросы уходят наружу; нужны договор обработки данных и проверка политик ИБ и локализации |
| Локальный, на своих серверах | строгие требования регуляторов и службы ИБ, коммерческая тайна и персональные данные, ограниченный доступ в интернет | своя инфраструктура с графическими ускорителями, процессы сопровождения моделей, регулярные обновления; выше капитальные затраты и дольше внедрение |
| Гибридный | нужен баланс безопасности, стоимости и качества | требует продуманной архитектуры: шлюзы, обезличивание, кэш и поиск по документам, очереди, мониторинг |
Перед разговором со службой безопасности стоит выяснить одну вещь: что физически уходит наружу в каждом варианте. Между «уходит документ целиком», «уходит фрагмент» и «уходит обезличенный запрос» разница принципиальная. К ней добавляются три вопроса, которые ИБ задаст всё равно: где обрабатывается, что остаётся у поставщика после ответа, используются ли данные для обучения его моделей.
Локальный контур — не теория: на проектах Первого Бита модель работает на собственном сервере без выхода наружу. Вопрос об утечке снимается физически.
Требование закрытого контура, которое появляется после старта проекта, меняет экономику целиком. Поэтому решение службы ИБ по контуру берётся до выбора поставщика. В облачном и гибридном вариантах нагрузку на ИБ можно снизить: обезличить персональные данные и фильтровать исходящий трафик.
Дообучение ИИ‑модели: когда оно нужно, а когда можно обойтись без него
Приспособить ИИ‑модель к своим данным можно тремя способами, и они идут по возрастанию цены и срока.
- 01Инструкция модели (промпт). Задача описывается словами: что искать, в каком виде отдавать, чего не делать. Самая дешёвая ступень. Хватает, когда общего знания языка достаточно, а специфика формулируется в паре абзацев.
- 02База знаний. Модель отвечает по вашим документам и указывает источник ответа. Подрядчики называют этот способ RAG. Ступень закрывает корпоративные задачи: регламенты, архивы, инструкции, переписку. Основная работа здесь не техническая: документы надо оцифровать и вычистить, папку с файлами загрузить недостаточно.
- 03Дообучение. Вы собираете обучающие выборки, модель учится на них и проходит проверку. Самая дорогая и самая долгая ступень. Нужна, когда предметный язык компании из документов не выводится.
Пилотирование и оценка результата внедрения ИИ‑решения
До старта пилота зафиксируйте пять вещей.
- Процесс и объём: сколько операций берём и за какой период.
- Метрика и её текущее значение: минуты на операцию, доля обработанного без участия человека, число возвратов на доработку.
- Порог: при каком значении признаём успех и при каком останавливаемся.
- Приёмщик: человек, который говорит, какой ответ верный.
- Что остаётся компании, если пилот закрыт: подготовленные данные, разметка, интеграции.
- 2 неделиИИ‑диагностика
- 2–4 неделиПрототип
- 1 месяцПилот
- от 3 месяцевМасштабирование
Сроки, на которые ориентируется направление искусственного интеллекта Первого Бита, такие. ИИ‑диагностика — обследование процессов и данных — занимает две недели. Прототип идёт от двух до четырёх недель, пилотный проект — месяц, а вместе прототип с пилотом — от шести до восьми недель. Две недели диагностики в эти шесть-восемь не входят: она идёт до них. Нижняя граница верна, если диагностика признала данные пригодными; когда справочники требуют нормализации, её считают отдельно и до пилота.
Все эти числа доводят до конца пилота, и на совещании точку отсчёта лучше называть вслух. Дальше идёт масштабирование на подразделения и филиалы — от трёх месяцев. Когда руководитель спрашивает, через сколько ИИ‑решение заработает по-настоящему, отвечать надо этим числом, а не сроком пилота.
Экономика ИИ‑решения: полная стоимость владения и окупаемость
Структура расходов на ИИ для бизнеса известна заранее.
| Статья расхода | Когда платим | От чего зависит |
|---|---|---|
| ИИ‑диагностика и постановка задачи | разово | число процессов и состояние данных |
| Подготовка данных и справочников | разово, иногда повторно | объём справочников и степень их запущенности |
| Разработка и интеграция | разово | число затронутых систем и сложность обмена |
| Лицензии на платформу | постоянно | число пользователей или рабочих мест |
| Плата за объём обращений (токены) | по объёму | сколько запросов и насколько длинные документы |
| Инфраструктура | постоянно, если контур свой | серверы с ускорителями, хранение, дежурство |
| Сопровождение: промпты, база знаний, переобучение | постоянно | как часто меняются процесс и документы |
Плата за объём обращений ведёт себя не как остальные статьи и обычно удивляет: она растёт вместе с использованием, то есть успех внедрения увеличивает счёт. Ограничить его можно лимитами на пользователя и на подразделение.
Это уже заметно в глобальной статистике. В опросе McKinsey «The state of AI in 2026» (август 2026 года, 1 719 респондентов из 97 стран) каждый пятый участник сообщил, что операционные расходы на ИИ, включая оплату токенов, уже ограничивают его использование. Влияние ИИ на операционную прибыль (EBIT) видят 37% компаний — столько же, сколько годом ранее (McKinsey).
Считать эффект приходится временем на операцию. Замеры по нашим проектам такие.
| Операция | Было | Стало |
|---|---|---|
| Расчёт доставки на заказ | 20 минут | 2–3 минуты |
| Обработка заявки из письма | 30 минут | 5–7 минут |
| Подготовка отчёта | 4 часа | 20–30 минут |
| Разбор пакета протоколов | 120–180 минут | 15–20 минут |
Проверка человеком остаётся, и экономия считается уже с её учётом. И прежде, чем считать новый бюджет, проверьте, что уже оплачено: часть функций может оказаться внутри лицензий, которые компания продлевает каждый год.
Риски и ограничения ИИ, которые стоит учитывать заранее
| Где буксует | Как узнать заранее | Что делать |
|---|---|---|
| Данные не готовы | справочники дублируются, сканы разного качества, часть сведений живёт в переписке | нормализация справочников отдельным этапом до пилота |
| Пилот не переживает переход в работу | в пилоте нет ни владельца процесса, ни плана переноса | назначить владельца до старта, а не после демонстрации |
| Служба ИБ подключилась поздно | контур не согласован, а решение уже выбрано | переезд в закрытый контур после старта переписывает смету |
| Некому подтвердить качество | метрика не назначена, «правильный ответ» никто не определил | приёмщик и порог названы в условиях пилота |
| Люди работают по-старому | доступ устроен через отдельное окно, которого нет в их маршруте | доступ из той системы, где человек уже работает |
Ошибки модели — не теоретический риск. По данным McKinsey «The state of AI in 2025», 51% компаний, использующих ИИ, уже столкнулись хотя бы с одним негативным последствием, и самое частое из них — неточность ответов: о нём сообщила почти треть респондентов (McKinsey).
На этот вопрос отвечает механика. Результат модели появляется в учётной системе непроведённым документом или заполненными полями формы, а проведение выполняет сотрудник. Ответственность остаётся на человеке, и цена ошибки не выходит за пределы того, что он видит на экране перед подтверждением.
Последнее ограничение — самое неочевидное. Модель со временем начинает отвечать хуже: меняются документы, меняется процесс, меняются формулировки. Выглядит это как «стало хуже, и никто не заметил»: тихая деградация ничем о себе не сообщает, поэтому качество приходится мониторить постоянно.
Интеграция ИИ с существующими системами и готовность команды
Соединять ИИ‑решение придётся с тем, что уже работает: учётными системами и CRM, документооборотом, корпоративными порталами и базами знаний, внутренними базами данных и сервисами, доступными по интерфейсу обмена. Отдельного разговора требует не сам обмен, а состояние данных на той стороне. По опыту проектов именно оно определяет срок.
Готовность команды к внедрению ИИ видна по одному признаку: назначены ли конкретные люди. Обучение пользователей идёт своим этапом и своей программой, но начинается не с него. Подрядчик внутреннюю команду не заменяет: он делит с ней зоны, и делить их лучше на берегу.
| Что нужно | Чья сторона | К какому моменту |
|---|---|---|
| Доступ к данным и системам | компания | к этапу подготовки данных |
| Интеграция, сопровождение модели, переобучение | подрядчик или смешанная команда | с этапа интеграции и дальше |
| Владелец процесса, приёмщик качества, решение службы ИБ по контуру | компания | из условий пилота выше |
Итоговый алгоритм выбора ИИ‑решения
Показать алгоритм выбора проще на одном процессе. Возьмём разбор входящих писем с вложениями.
- Процесс. Поток идёт постоянно, на занесение данных из одного письма уходят минуты, приёмщик очевиден: тот же сотрудник, который сейчас заносит руками. Пять признаков процесс проходит сразу, а шестой — цену ошибки — закрывает механика: результат попадает в систему непроведённым документом, и сотрудник видит его перед проведением. Формы вложений разные, поэтому обычной автоматизацией задача не закрывается.
- Класс ИИ‑решения. Вход неструктурированный, результат должен попасть в учётную систему. Это обработка документов — та самая связка с программным роботом: робот забирает почту, модель читает содержимое, робот заносит результат.
- Модель. Вложения приходят и текстом, и сканами, значит нужна мультимодальная, а не только языковая. Доступность проверяется здесь же: если содержимое писем нельзя выпускать наружу, часть вариантов отпадает на этом шаге.
- Способ использования. Коммерческая переписка через подписку на публичный сервис не проходит по требованиям безопасности. Остаются платформа и своя инфраструктура.
- Контур. Если служба ИБ запретила внешний контур, модель ставится на свои серверы: в смете появляется инфраструктура, срок растёт. Без запрета пилот идёт в облаке и переезжает в закрытый контур позже, без переписывания интеграций.
Восемь вопросов, на которые отвечает только подрядчик. Задайте их на встрече: по ответам видно, понимает ли собеседник, о чём говорит.
- Сколько это стоит у нас, при нашем объёме и наших системах?
- Сколько займёт на нашем ландшафте и что удлиняет срок именно в нашем случае?
- Пригодны ли наши данные и во что обойдётся привести их в рабочий вид?
- Сколько часов это займёт у наших людей и у каких именно, по стадиям?
- Как выглядит инцидент «стало отвечать хуже», кто его замечает, и кто чинит?
- Что происходит с процессом, если модель или шлюз недоступны: поток встаёт или уходит людям?
- Кто персонально ведёт проект и какой у него опыт на компаниях нашего размера?
- Что из обещанного оформляется обязательством в договоре?
На каких платформах Первый Бит Спортивная строит ИИ‑решения
Первый Бит Спортивная не привязан к одному поставщику: платформу подбирают под процесс, требования службы ИБ к контуру и бюджет — по тому же алгоритму, что описан выше.
PIX Оператор
Когда выбирают: нужен ИИ‑агент внутри учётной системы — запросы на естественном языке, построение отчётов, ввод документов в «1С». По данным разработчика, в октябре 2026 года PIX Оператор на локальной модели решил задачу из экзамена «1С:Специалист-консультант» по «1С:Бухгалтерии предприятия» за 2 часа 53 минуты при лимите экзамена в 3 часа (CNews).
Yandex AI Studio
Когда выбирают: чат-боты по базе знаний, ассистенты и агенты для поддержки, HR и финансов; когда важно быстро запустить пилот в облаке и при необходимости перенести решение в закрытый контур.
GigaCowork
Когда выбирают: нужен корпоративный ассистент для офисных сотрудников — подготовка документов, протоколы встреч, регулярные отчёты и проверки, — который можно настроить без разработки.
Открытые модели
Открытые модели — модели с открытыми весами (например, семейств Qwen и DeepSeek), которые разворачиваются на собственных серверах компании. Данные не покидают контур, работа не зависит от доступности внешних сервисов, а плата за токены заменяется расходами на инфраструктуру с графическими ускорителями и сопровождение. Открытую модель можно дообучить на данных компании.
Когда выбирают: коммерческая тайна и персональные данные, требование службы ИБ работать без выхода наружу, ограниченный доступ в интернет.
Выбор платформы остаётся обратимым, если между ней и рабочими системами стоит шлюз: тогда поставщика можно сменить, не переписывая интеграции, базу знаний и сценарии.
Что делать дальше
Выбор ИИ для бизнеса решается не тем, какую модель взять, а тем, какой процесс отдать и в каком контуре его держать: модель сменится, решения о процессе и контуре останутся. Поручили разбираться вам: возьмите эти восемь вопросов на разговор с экспертом направления. Решение о бюджете за вами. Первым шагом идёт ИИ‑диагностика: две недели, на выходе задачи, выстроенные по приоритету.
