Первым стоит автоматизировать процесс с частым однотипным входом, доступным источником данных и результатом, который можно проверить. Хорошие кандидаты: разбор обращения, поиск по каталогу, подготовка документа и передача исключения сотруднику. Не начинайте с цели «заменить отдел» или «автоматизировать все продажи». Пилот должен пройти один маршрут от события до результата и показать, где модель полезнее обычных правил.
Пять признаков подходящего процесса
Процесс удобен для первого пилота, если:
- входы уже существуют в цифровом виде;
- сотрудник повторяет похожие шаги;
- есть система, которой команда доверяет как источнику;
- правильный результат можно принять или отклонить;
- ошибка обнаруживается до необратимого действия.
Последний пункт влияет на режим запуска. Черновик коммерческого предложения легко проверить до отправки. Автоматический возврат денег требует других прав и контроля.
Четыре проверки перед выбором задачи
Повторяется
Есть поток похожих обращений или документов.
Данные доступны
Есть API, выгрузка или проверяемый источник.
Результат проверяется
Можно показать запись, документ или корректный ответ.
Ошибку можно остановить
Есть ручное подтверждение или безопасная передача исключения.
Если маршрут полностью описывается правилами и кнопками, языковая модель может не понадобиться.
Оценка кандидата за час
Возьмите последние 20–50 примеров и заполните простую таблицу:
| Вопрос | Что записать |
|---|---|
| Что запускает работу? | сообщение, файл, статус заказа |
| Что ищет сотрудник? | карточка, прайс, расписание, инструкция |
| Что меняется? | ответ, запись, документ, задача |
| Как выглядит правильный результат? | ID, статус, набор обязательных полей |
| Какие исключения встречаются? | пустые данные, конфликт цен, нет прав |
| Сколько стоит ошибка? | исправление, потерянное время, риск клиенту |
Если результат нельзя описать, автоматизацию рано оценивать. Сначала нужно выровнять сам процесс.
Кандидат 1. Входящие обращения
В DOLOROSA агент отвечал на повторяемые вопросы в Avito: цена, наличие, фотографии и правила покупки. При этом торг, спор и проверка физического состояния вещи оставались у менеджера.
Такой процесс подходит, когда данные о товаре доступны через API, а история диалога связана с конкретным объявлением. Если карточки пустые и сотрудники каждый раз вспоминают ответ по памяти, сначала надо привести в порядок данные.
Кандидат 2. Запись и расписание
Для EST.EPIL агент получал услуги, сотрудников, даты и свободное время из YCLIENTS. Модель разбирала фразу клиента, а API подтверждал факты.
Здесь важно разделить чтение и запись. Подбор свободного окна можно автоматизировать раньше. Создание, перенос и отмена требуют защиты от дублей и ясного подтверждения пользователя.
Кандидат 3. Документы и поиск по номенклатуре
В REGION SNAB входом было тендерное ТЗ в PDF, Excel или изображении. Система извлекала позиции, искала их во внутренних источниках, сравнивала характеристики и собирала черновик КП.
Такой процесс хорошо делится на этапы. Сначала автоматизируется извлечение и поиск, затем расчёт, потом сборка документа. Менеджер видит источник каждой строки и проверяет спорные аналоги.
Кандидат 4. Подготовка фотографий
В товарном контуре можно выбрать кадр, заменить фон, собрать обложку и подготовить очередь на загрузку. Публиковать результат без просмотра опасно: генеративная модель способна сгладить дефект, изменить надпись или дорисовать деталь.
Поэтому автоматизация заканчивается статусом ready_review, а публикация запускается отдельным подтверждением.
Что оставить на потом
Плохой первый пилот имеет редкие случаи, слабые данные и высокую цену ошибки. Сюда часто попадают юридические решения, финансовые списания, кадровые оценки и обещания клиенту, которые нельзя отменить.
Не стоит начинать и с процесса, где люди спорят о правильном результате. Модель только ускорит существующую неоднозначность.
Где ИИ не нужен
Если правило помещается в несколько условий и не требует понимания свободного текста, обычная автоматизация проще. Webhook, проверка статуса и отправка шаблонной инструкции могут работать без языковой модели.
Модель добавляется в конкретной точке: разобрать формулировку, сопоставить похожие названия, извлечь структуру из документа или подготовить объяснение по найденным фактам.
Что считать результатом пилота
До запуска зафиксируйте время сотрудника, число ручных шагов, долю исключений и стоимость ошибки. После пилота сравните тот же маршрут. Число вызовов модели само по себе ничего не говорит о пользе.
Geron Labs проводит такой разбор на реальных примерах. На первом созвоне достаточно одного процесса, нескольких обезличенных входов и доступа к описанию рабочей системы.
Читайте также: Как сопоставлять свободный текст заявки с номенклатурой 1С, Как ИИ обрабатывает Excel, PDF и фотографии, а где нужна ручная проверка, Как внедрить ИИ в бизнес и проверить пилот до большой разработки.
Как это устроено в наших проектах
LISVENT: заявки и 1С
Как Geron Labs связала свободный текст заявки с номенклатурой 1С: файловый обмен, смысловой поиск, проверка моделей и подтверждение менеджера.
REGION SNAB: КП-агент
Рабочее место для Регионснаб: разбор тендера, поиск товаров в прайсах и интернете, проверка характеристик, расчёт и Excel/PDF.
РДК: заявки и выдача доступов
Автоматизация РДК: email, Telegram и MAX, проверка заявки, объект и оборудование в M4, решение менеджера, инструкции, SMS и GSM-реле.