Оцифровка процесса и своя ИИ-модель

Сначала сильная модель учится на вашем процессе под контролем людей. Потом типовую работу забирает своя компактная модель в вашем контуре, а топ-модель переходит на следующий процесс.

1СamoCRMБитрикс24ПочтаTelegramGigaChatYandexGPTОткрытые моделиСвой сервер

Что мешает сейчас

Счёт за ИИ растёт вместе с объёмом

Каждая заявка, письмо или документ идёт в дорогую модель, даже если задача типовая и повторяется тысячи раз.

Процесс живёт в головах

Регламенты устарели, решения принимаются «по опыту». Модели не на что опереться, поэтому она ошибается.

Данные нельзя отдавать наружу

Персональные данные и коммерческая тайна должны оставаться в контуре компании. Внешние сервисы под вопросом.

Нет способа проверить качество

Без эталона непонятно, стала ли модель работать лучше или хуже после изменений.

Агенты работают. Вы решаете.

Что берут на себя агенты и какие решения остаются за людьми.

Делают агенты

Карта процесса

Агенты разбирают регламенты, переписки и документы и собирают, как процесс устроен на самом деле, с исключениями.

Эталон качества

Вместе с вашими экспертами фиксируем набор задач с правильными ответами. По нему проверяем любую модель.

Топ-модель под контролем

Сильная модель делает работу, человек проверяет и правит. Каждое проверенное решение сохраняется как пример.

Дообучение своей модели

На накопленных примерах дообучаем компактную или открытую модель под ваши задачи.

Маршрутизатор задач

Типовые задачи уходят своей модели, сложные и неуверенные — топ-модели или человеку.

Мониторинг качества

Каждую неделю сверяем ответы с эталоном. Если качество просело, маршрутизатор возвращает задачи топ-модели.

Решает человек

  • Какие процессы оцифровывать первыми и что считать правильным ответом
  • Проверка решений модели в первые недели
  • Порог уверенности, ниже которого задача уходит человеку
  • Решение о переводе процесса на свою модель
1СamoCRMБитрикс24ПочтаTelegramGigaChatYandexGPTОткрытые моделиСвой сервер

Оцифровка процессов с ИИ начинается не с модели, а с того, как работа устроена на самом деле. Я собираю процесс в карту и эталон качества, запускаю на нём сильную модель под контролем людей, а когда накопятся проверенные примеры, перевожу типовые задачи на свою компактную модель. Топ-модель освобождается и уходит на следующий процесс.

Как это работает по шагам?

Четыре этапа, каждый со своим результатом. Можно остановиться после любого из них.

ЭтапЧто делаемРезультат
1. ОцифровкаРазбираем регламенты, переписки, документы, решенияКарта процесса и эталон качества
2. Топ-модельСильная модель работает, люди проверяютПроцесс автоматизирован, копится датасет
3. Своя модельДообучаем компактную модель, ставим маршрутизаторТиповое — на своей модели, сложное — на топ-модели
4. МасштабМониторим качество, топ-модель идёт дальшеСледующий процесс в работе

Почему не начинать сразу со своей модели?

Потому что ей не на чем учиться. Пока процесс не оцифрован и нет проверенных примеров, своя модель повторит хаос, который есть в данных. Топ-модель на первом этапе работает как учитель: делает работу лучше всех доступных вариантов, а люди проверяют и правят. Каждое исправление становится обучающим примером.

Сколько можно сэкономить?

Условный пример: 1 000 типовых задач на топ-модели стоят около 3 900 ₽, на своей модели в контуре — в десятки раз меньше. Но в процессе всегда остаются сложные случаи, которые маршрутизатор отдаёт топ-модели или человеку. Поэтому по процессу целиком экономия обычно в 5–20 раз. Точный расчёт делаем на вашем объёме — можно прикинуть в калькуляторе окупаемости.

Как не потерять качество?

Главное правило: ни одна модель не переключается без проверки на эталоне. Маршрутизатор смотрит на уверенность своей модели и отправляет сомнительные задачи выше. Каждую неделю сверяем ответы с эталоном, и если качество просело, задачи автоматически возвращаются топ-модели, пока своя модель не дообучится.

Почему со мной?

В Wildberries я строил продуктовый и проектный офис: 10 команд, 150+ человек, 30+ инициатив, включая ИИ/ML. Эффект портфеля — более 1,5 млрд ₽ в месяц. Знаю, как довести модель от пилота до процесса, который работает каждый день, и как считать её эффект в деньгах. Свою платформу не продаю, поэтому выбираю модели под задачу: GigaChat, YandexGPT, открытые модели или их сочетание.

Начать можно с одного процесса. Подойдут документы и закупки или база знаний: там много типовых задач и понятен правильный ответ. Если процессов много, начнём со стратегии и портфеля ИИ. Оставьте заявку — разберу ваш процесс бесплатно.

Честно о результате

Что измеряем до и после

  • Стоимость 1 000 задачСчитаем на топ-модели и после перевода типовых задач на свою модель.
  • Качество по эталонуДоля правильных ответов на эталонном наборе до и после переключения.
  • Доля задач на своей моделиСколько работы маршрутизатор отдаёт своей модели без потери качества.
  • Время ответаСвоя модель в контуре обычно отвечает быстрее внешнего сервиса.

Когда ИИ здесь не нужен

  • Задач меньше нескольких сотен в день: проще и дешевле платить за топ-модель.
  • Каждая задача уникальна и нет критерия «правильно»: модели не на чем учиться.
  • Процесс меняется каждую неделю: своя модель не успеет за изменениями.

Как проходит внедрение

Начинаем с малого и меряем эффект в деньгах до того, как масштабировать.

Бесплатный разбор

Смотрю процесс, данные и системы. Честно говорю, где ИИ даст эффект, а где не нужен.

1–2 дня

Карта решений

Процессы по эффекту и сложности, метрики «до», план пилота и бюджет.

до недели

Пилот на реальном процессе

Агенты работают в ваших системах. Необратимые шаги — только с подтверждением человека.

4–6 недель

Масштабирование

Переносим на другие отделы и процессы, считаем эффект каждый месяц.

по результату

Частые вопросы

Правда ли можно сократить затраты на ИИ в 100 раз?
На отдельных массовых и узких задачах цена одной операции на своей модели бывает в десятки и до сотни раз ниже, чем на топ-модели. По процессу целиком экономия обычно в 5–20 раз: сложные случаи остаются топ-модели и людям.
Сколько данных нужно для своей модели?
Зависит от задачи. Для узкой классификации или извлечения полей хватает нескольких тысяч проверенных примеров, для сложных ответов нужно больше. Это видно на этапе топ-модели.
Можно ли обучать свою модель на ответах ChatGPT или Claude?
Условия провайдеров ограничивают использование ответов для создания конкурирующих моделей. Поэтому проверяем условия заранее, учим на данных, проверенных вашими людьми, и выбираем модели с подходящей лицензией.
Где будет работать своя модель?
В вашем контуре: на своём сервере или в российском облаке. Персональные данные не уходят наружу, это закрывает требования 152-ФЗ.
Сколько длится такой проект?
Оцифровка и запуск топ-модели — 4–6 недель, как обычный пилот. Перевод типовых задач на свою модель — ещё 1–2 месяца, когда накопятся примеры.

Связанные решения

Почитать по теме

Разберу вашу задачу

Расскажите, какую работу хотите отдать агентам. Я лично посмотрю задачу и предложу, с чего начать. Бесплатно.

  1. РазборБесплатно. Смотрю процесс и данные, говорю, где ИИ даст эффект, а где не нужен.
  2. Карта решенийПроцессы по эффекту и сложности, план пилота и метрики.
  3. Пилот 4–6 недельРаботает на реальном процессе, эффект меряем до и после.

Телефон: +7 926 065-77-93Почта: askerov.russ@gmail.com

Бесплатный разбор