Направление выросло из собственной практики. Сначала мы автоматически классифицировали входящие заявки, чтобы срочные не терялись в общей очереди. Потом добавили подсказки инженеру по базе знаний. Обе задачи оказались полезными, поэтому мы разобрались, как переносить такое к клиентам.
С чего начинаем
С поиска задачи, у которой есть цифра. Сколько времени уходит на разбор входящей почты, сколько документов в месяц перебивается руками, сколько повторяющихся вопросов приходит в поддержку. Если цифры нет, внедрять нечего: результат будет невозможно оценить.
Дальше собираем пилот на реальных данных компании и сравниваем с тем, как задача решается сейчас. Пилот короткий, обычно две-три недели, и его цель не впечатлить, а понять, сходится экономика или нет.
Что делаем чаще всего
Разбор и маршрутизация входящих обращений, извлечение данных из документов, подготовка черновиков ответов, поиск по внутренней базе знаний. Это задачи, где ошибка не критична, потому что результат проверяет человек, а выигрыш во времени заметен сразу.
Где не советуем
Там, где цена ошибки высокая и проверить результат некому: расчёты, юридические заключения, решения по деньгам. Ещё осторожно относимся к передаче персональных данных во внешние сервисы: если задача требует таких данных, разбираемся с правовой стороной до начала работ, а не после.
И отдельно: ИИ не заменяет порядок в процессах. Если заявки приходят в личные сообщения, а документы лежат на рабочих столах, никакая модель это не исправит. Сначала процесс, потом автоматизация.