Какие задачи уже сегодня можно делегировать нейросетям, чтобы сэкономить ресурсы и упростить рабочие процессы, рассказывает Дмитрий Сытин, основатель и CEO Руллы.
Привет! Меня зовут Дмитрий Сытин, я основатель и руководитель нескольких IT-сервисов. Я скептически отношусь к идее, что искусственный интеллект вскоре заменит людей, но уверен: большие языковые модели уже сегодня способны заметно упростить рабочие процессы. Делюсь задачами, которые можно смело передать нейросетям – и тем самым сберечь время и силы вашей команды.
Каждая новая технология требует осмысленного применения. Вспомним, как с блокчейном пытались «встроить его везде», а в итоге интерес быстро угас. С искусственным интеллектом, уверен, будет иначе.
Но просто отправить в нейросеть задание вроде «написать статью» или «собери код» – недостаточно. Чтобы большие языковые модели (LLM) приносили настоящую пользу, их нужно обучать под конкретные задачи и правильно встраивать в процессы. Это требует усилий, но результат точно оправдает ожидания.
Вот четыре направления, которые уже сегодня можно смело передать ИИ – и тем самым высвободить ресурсы команды для действительно важной и творческой работы.
Задача 1. Рутинные задачи и вспомогательные процессы
Полдня в никуда – так выглядит работа многих команд: найти нужную информацию в переписке, прочитать километры чатов, свести таблицы, передать задачи вручную. Все это отнимает десятки часов в месяц.
Хорошая новость: с этим теперь справляется ИИ.
Что умеет AI-Ассистент:
-
Саммари переписок. Больше не нужно пролистывать чаты – ассистент сгенерирует краткое содержание обсуждения, даже если вы подключились в середине.
-
Итоги созвонов. Встреча закончилась – в личку прилетело четкое резюме без стенограммы на 100 страниц.
-
Автоматическое создание задач. AI сам поставит задачи в трекере, укажет дедлайны и ответственных.
-
Поиск в документах. ИИ найдет нужную строчку в проектной документации за секунды, а не за два дня.
Повторяющиеся действия – больше не проблема
Вместо ручного слияния Excel-таблиц или переноса данных между системами – автоматизация.
Да, раньше для этого использовали RPA, но она слепо следует алгоритму. Если в колонке с городами окажутся цифры – будет путаница.
ИИ решает это умнее: он проверит данные, поймет контекст, отличит города от чисел, найдет нужные связи и сам все расставит по местам.
Задача 2. Контроль за результатами – без лишней бюрократии
ИИ больше не просто игрушка для гиков – его можно обучить понимать, как работают ваши процессы, и вовремя подсвечивать, где что-то пошло не так.
Как это работает
Подключаем нейросеть к корпоративным системам – ERP, CRM, HR, 1С, SAP, почта, хранилища. Главное – соблюдение инфобезопасности, остальное решаемо.
Дальше ИИ начинает анализировать цифровые следы: замечает, где в работе затыки, кто зависает на задачах, когда растут расходы и откуда появляются узкие горлышки.
Но он не просто фиксирует сбой – он предлагает, что с этим делать.
Личный опыт
В начале 2010-х я работал в «Утконосе» – отвечал за доставку. Тогда в системе иногда всплывали мелкие отклонения, которые через пару часов превращались в снежный ком. Мы это логировали, но в реальном времени реагировать не могли – ресурсов не было.
Если бы тогда был ИИ, он бы поднял тревогу заранее:
«Ребята, у вас просадка по комплектованию заказов. Через три часа склад встанет, делайте что-то!»
Сейчас такая технология доступна всем – и вот как ее можно применить.
Контроль выполнения задач
ИИ не просто ставит задачи в трекер – он следит за их исполнением.
Каждую неделю мы на планерке прогружаем в нейросеть список поручений. К концу недели AI сам пишет сотрудникам:
«Привет! Что по задаче?»
Когда приходит результат, он проверяет его: анализирует текст, скан или даже фото. Если не соответствует условиям – просит доделать.
По нашим данным, распознавание сканов с ИИ улучшилось с 86% до 96%.
Анализ процессов
Если вы работаете по канбану, нейросеть может стать отличным процессным аналитиком.
Она увидит:
-
сколько времени уходило на разные типы задач,
-
где bottleneck-и,
-
какова пропускная способность команды.
А потом предложит улучшения: где ограничить WIP, сколько сделать каденций, и что тормозит delivery.
Немного футуризма
На базе ИИ уже можно строить систему, похожую на SIEM – только не для ИБ, а для бизнес-процессов. Она анализирует события, оценивает риски, сигналит об аномалиях и готовит отчеты о здоровье всей вашей цифровой инфраструктуры.
Такого решения пока нет на рынке – но оно точно не за горами.
Задача 3. Автоматизация типовых документов – без боли и копипаста
Многие команды тратят часы, а то и дни на однотипные документы: ТЗ, брифы, отчеты – все по шаблону, только чуть-чуть меняется содержание. Это утомительно и плохо влияет на продуктивность. Хорошая новость: все это можно отдать нейросети.
Я знаю команду разработчиков, которая научила ChatGPT превращать хаос в структуру. Им бизнес присылает требования в стиле: «ну, чтоб тут что-то появлялось». Они отправляют это в ИИ – и через пару минут получают внятный, логичный документ.
Повторяющийся код – тоже к ИИ
Еще один лайфхак: если в разработке часто всплывают одни и те же фрагменты кода (например, валидация параметров или стандартные проверки), можно настроить промпт – и ИИ начнет штамповать нужные куски под ваш шаблон. Разработчику остается только вставить и слегка адаптировать.
Задача 4. Исследования на основе открытых данных – быстро и с умом
Когда команде нужно проверить гипотезу, изучить конкурентов или понять рынок – начинается ручной поиск: гуглим, читаем, анализируем, сводим в таблицы. Долго и утомительно. И вот здесь ИИ может взять на себя всю черновую работу.
Раньше были системы, которые просто собирали новости и считали тональность. Сейчас ИИ умеет больше:
-
делает выводы из разрозненной информации,
-
оценивает риски,
-
дает рекомендации.
Пример из практики
Допустим, вы выводите на рынок новое средство от кашля. ИИ может:
-
изучить историю аналогичных препаратов,
-
найти, какие проблемы возникали у конкурентов (побочки, жалобы, отзывы),
-
подсказать, на что обратить внимание в клинических испытаниях,
-
рассказать, какие регуляторные барьеры вас ждут,
-
помочь с маркетингом и позиционированием.
А еще – конкурентный анализ
Спросите у ИИ, кто в отрасли работает с похожими продуктами, и попросите сравнить по функциональности, ценам, популярности. Да, ИИ не идеален, но он даст сильную основу для принятия решений – и сэкономит десятки часов на ручной ресерч.
