В любой компании есть процессы, где сотрудник читает что-то неструктурированное — письмо, заявку, скан документа, сообщение в мессенджере — и вручную переносит информацию в систему. Раньше автоматизировать такую работу было сложно: классические программы требуют чётких форматов. Языковые модели меняют ситуацию — они умеют «понимать» текст и превращать его в структурированные данные.
Почему ИИ подходит именно для этого
Классическая автоматизация отлично справляется с данными в известном формате: выгрузка из 1С, ответ API, таблица с фиксированными колонками. Но письмо клиента может быть написано как угодно, счёт от каждого поставщика выглядит по-своему, а заявка в мессенджере — это просто «нужно 20 листов 2 мм, доставка в Брест на четверг».
Языковая модель извлекает из такого текста нужные поля: товар, количество, параметры, город, дату. А дальше в дело вступает обычная, предсказуемая автоматизация: запись в CRM, проверка остатков, создание заказа, уведомление менеджеру.
Сценарий 1: разбор входящих заявок
заявка приходит с сайта, на почту или в Telegram;
ИИ определяет тип обращения: новая заявка, вопрос по заказу, претензия, спам;
извлекает контакты, товары или услуги, объёмы, сроки, бюджет;
система создаёт сделку в CRM, заполняет поля и назначает ответственного;
срочные и крупные обращения сразу отмечаются для менеджера.
Сценарий 2: обработка документов
Счета, акты, накладные, спецификации и прайс-листы поставщиков в PDF и Excel. ИИ извлекает реквизиты, номера, даты, позиции и суммы, а система сверяет их с данными в учёте: совпадает ли сумма с заказом, есть ли такой поставщик, не задвоен ли документ.
Важно: для документов, где ошибка стоит денег, итоговая проверка должна оставаться за человеком или за жёсткими правилами сверки. ИИ готовит данные, но не проводит платежи.
Сценарий 3: сопоставление товаров
У поставщика товар называется «Труба профильная 40х20х2 ст3», у вас в каталоге — «Профильная труба 40*20, толщина 2 мм, Ст3». Сопоставлять тысячи таких позиций вручную долго. ИИ находит соответствия и предлагает варианты, а сотрудник подтверждает спорные случаи. Это особенно полезно при импорте данных от новых поставщиков и синхронизации между системами.
Сценарий 4: обработка обращений в поддержку
ИИ определяет тему и тональность обращения, находит связанный заказ, предлагает менеджеру черновик ответа по базе знаний. Менеджер проверяет, при необходимости правит и отправляет. Время ответа сокращается, а качество остаётся под контролем человека.
Как построить такую систему правильно
ИИ — только там, где нужен
Не стоит отдавать модели то, что решается обычным кодом. Посчитать сумму, проверить остаток, сравнить даты — задачи для программы, а не для нейросети. ИИ используется для понимания текста, всё остальное — классическая надёжная логика.
Структурированный результат
Модель должна возвращать не «свободный текст», а данные в строгом формате (например, JSON по заданной схеме), которые программа проверяет перед использованием. Если поле не заполнено или значение выглядит странно — запись отправляется на ручную проверку.
Человек в контуре
Для действий с последствиями — оплата, отгрузка, отправка клиенту — нужна точка подтверждения. По мере накопления статистики проверку можно ослаблять для простых и надёжных случаев.
Журнал и контроль качества
Каждое решение ИИ должно логироваться: что пришло на вход, что он извлёк, что с этим сделала система. Это нужно и для разбора ошибок, и для оценки того, насколько автоматизация действительно работает.
Данные и закон
Если в документах и заявках есть персональные данные, их обработка внешним ИИ-сервисом должна соответствовать требованиям закона о персональных данных. Иногда разумно обезличивать данные перед отправкой в модель или использовать модели, развёрнутые на собственных серверах.
Как оценить эффект
сколько времени сотрудники тратили на процесс до автоматизации и сколько — после;
какая доля записей проходит без ручных правок;
сколько ошибок находится при проверке;
насколько быстрее клиент получает ответ.
Итог
Лучшие результаты ИИ даёт не как отдельный «умный помощник», а как деталь в хорошо спроектированном процессе, где у каждого шага есть понятная ответственность и проверка. Если у вас есть процесс, в котором сотрудники вручную разбирают письма, заявки или документы, — напишите мне, оценим, что можно автоматизировать. Подробнее — автоматизация бизнес-процессов.
