От скрипта до ИИ‑агента: как выбрать уровень автоматизации бизнеса

Итак, компании нужно ускорить обработку заявок. Можно настроить несколько правил, подключить программного робота, добавить языковую модель или поручить весь процесс ИИ-агенту. Каждый вариант решит задачу по-своему — и потребует разных затрат. В статье разберем, какие виды автоматизации процессов бывают и как не переплачивать за ненужную самостоятельность системы. 

Почему выбор стал сложнее

Раньше автоматизация выполняла действия по заданным правилам. Например, программа сохраняла заявку в CRM и передавала ее нужному менеджеру. Все, что не укладывалось в готовый сценарий, обрабатывал человек.

Теперь искусственному интеллекту можно поручить и отдельные решения: прочитать обращение, определить его тему и выбрать подходящий маршрут. При этом ИИ-агентами сегодня называют и чат-ботов, и обычные сценарии с языковой моделью и системы, способные самостоятельно планировать действия. Из-за этого границы между технологиями размываются.

Поэтому выбор процесса автоматизации усложнился. Между ручной работой и автономным виртуальным ассистентом есть несколько промежуточных вариантов. Чем больше свободы получает программа, тем сложнее и дороже ее контролировать.

Четыре уровня внедрения автоматизации процессов

По оценкам специалистов СберАналитики, российские компании чаще всего автоматизируют документооборот и обработку заявок: эти направления отметили 70% участников исследования. Следом идут бухгалтерия и финансовый учет — их выбрали 55% опрошенных. 

Допустим, компания получает от поставщиков счета, акты и договоры. Их нужно распознать, проверить, согласовать с ответственными сотрудниками и сохранить. Один и тот же процесс можно организовать по-разному.

Скрипты и правила для отдельных операций

Самый простой уровень подходит для коротких и повторяющихся задач. Скрипт выполняет заранее заданную команду: если происходит событие А, нужно сделать действие Б.

Например, программа может переименовать полученный от поставщика файл по установленному шаблону, переместить его в нужную папку и уведомить сотрудника. Но если документ назван неправильно или пришел в неожиданном формате, скрипт не поймет, что делать.

Для компаний это недорогой способ ускорить отдельные операции, в которых почти не бывает исключений.

RPA и BPM для предсказуемых процессов

Если нужно связать несколько действий в единый маршрут, используют роботизированную автоматизацию процессов (Robotic Process Automation, RPA) и управление бизнес-процессами (Business Process Management, BPM). 

RPA-робот повторяет действия сотрудника в программах: открывает файлы, копирует данные и заполняет формы. BPM-система управляет всем процессом и передает задачу от одного участника к другому по установленным правилам.

Например, робот переносит сумму и реквизиты из счета в бухгалтерскую систему. Затем BPM-система направляет документ руководителю, а после согласования — в финансовый отдел. Последовательность действий при этом известна заранее. Такие решения подходят для регулярных процессов с понятными этапами. Но каждое новое исключение придется отдельно добавлять в сценарий.

Классический процесс с отдельной ИИ-функцией

Иногда маршрут известен заранее, но один из его этапов трудно описать строгими правилами. Тогда в обычный процесс добавляют языковую модель, которая работает с текстом и документами.

Например, ИИ определяет, что перед ним договор, находит в нем сумму, срок действия и условия расторжения, а затем готовит краткое резюме для юриста. После этого документ движется по заранее настроенному маршруту согласования.

В этом случае искусственный интеллект решает отдельную задачу, но не управляет всем процессом. Бизнес получает пользу от нейросети, но не тратится на создание автономной системы.

Управляемый ИИ-агент для меняющегося маршрута

Иногда порядок действий невозможно полностью определить заранее. Программа получает цель, оценивает ситуацию и сама выбирает следующий шаг, но действует только в установленных границах.

Например, такой цифровой сотрудник проверяет комплект документов и обнаруживает, что к договору не приложен акт. Он запрашивает недостающий файл у поставщика, сверяет реквизиты с учетной системой и определяет, кому передать документы. А перед оплатой или другим важным действием обращается за подтверждением к сотруднику.

ИИ-агенты для бизнеса полезны там, где часто возникают исключения и маршрут зависит от содержания документов. Однако такая самостоятельность требует более тщательного тестирования, контроля и участия человека в решениях с высокой ценой ошибки.

Сравнительная таблица

Ни один уровень не лучше остальных сам по себе. Выбирать стоит самое простое решение, которое надежно справляется с задачей.

Когда повышать уровень автономности не нужно

Сначала определите задачи автоматизации процесса, а уже затем выбирайте технологию.

Не стоит все усложнять, если:

• Все шаги и исключения можно описать правилами. Если для каждой ситуации заранее известен порядок действий, с процессом справятся скрипт, RPA-робот или BPM-система. ИИ-агент здесь не даст заметного преимущества, но потребует дополнительных затрат.
• Данные поступают в известном формате. Например, поставщики присылают счета по единому шаблону, а нужные сведения всегда находятся в одних и тех же полях. Такие документы можно обрабатывать обычными средствами распознавания и строгими правилами.
• Процесс редко меняется. Стабильный маршрут проще настроить один раз. Например, счет поступает бухгалтеру, затем руководителю и после согласования отправляется на оплату. Если последовательность почти всегда одинакова, программе не нужно самостоятельно выбирать следующий шаг.
• Цена ошибки слишком высока. Перевод денег, подписание договора, удаление данных или отказ клиенту могут иметь серьезные последствия. ИИ способен подготовить информацию и предложить решение, но последнее действие лучше оставить человеку.
• Результат нельзя проверить или действие невозможно отменить. Чем труднее обнаружить и исправить ошибку, тем меньше самостоятельности стоит давать системе. Особенно это важно, если неверное действие сразу влияет на клиентов, финансы или репутацию компании.
• Задача выполняется слишком редко. Нет смысла разрабатывать сложное решение для операции, которая возникает несколько раз в год. В этом случае ручная работа может оказаться быстрее и дешевле.
• Внедрение и контроль обойдутся дороже ручной работы. При расчете нужно учитывать не только разработку, но и тестирование, подключение сервисов, оплату моделей, поддержку и проверку результатов. Если автоматизация не экономит больше ресурсов, чем требует, она не решает бизнес-задачу.

Главный ориентир — не максимальная самостоятельность, а минимально достаточный уровень автоматизации. Если простой сценарий выполняет работу дешевле, быстрее и надежнее, не нужно усложнять.

Сколько на самом деле стоит автономность

Расходы не заканчиваются после запуска. Чем больше решений система принимает самостоятельно, тем больше ресурсов требуется на ее тестирование, контроль и поддержку. Консалтинговая компания Gartner прогнозирует, что к концу 2027 года более 40% проектов с ИИ-агентами закроют из-за растущих затрат, неясной пользы или недостаточного контроля рисков.

В полную стоимость входят:

• Подключение систем и данных

Нужно связать решение с документооборотом, CRM, базами знаний и другими сервисами, настроить права доступа и подготовить данные. Стоимость этих работ зависит от количества систем и качества их API.

• Обращения к языковой модели

Цена зависит от выбранной модели и объема контекста. Например, Anthropic оценивает обработку 10 тысяч обращений в поддержку с помощью Claude Haiku 4.5 примерно в $37. Для более сложной Claude Sonnet 5 один миллион входных токенов стоит $2, а выходных — $10.

• Использование инструментов

Поиск, выполнение кода и работа в отдельных вычислительных средах могут оплачиваться дополнительно. Например, тысяча поисковых запросов через Claude API стоит $10, а час работы управляемого агента — $0,08 без учета токенов. Один агент может обращаться к инструментам несколько раз в рамках одной задачи.

• Тестирование и мониторинг

Систему проверяют на обычных, редких и ошибочных сценариях, а после запуска следят за качеством ее решений. Эти расходы сохраняются на всем протяжении работы.

• Хранение истории действий

Логи помогают понять, почему система приняла решение, найти причину сбоя и провести аудит.

• Участие человека

Сотрудники разбирают спорные случаи и подтверждают оплату, отправку документов или другие важные действия. Чем ниже требуемый процент ошибок, тем больше проверок понадобится.

• Исправление ошибок

Нужно учитывать не только время разработчиков, но и последствия неверных действий: повторную обработку документов, возврат платежей, претензии клиентов и простой сотрудников.

• Поддержка при изменении процесса

При появлении новых регламентов, форм документов и информационных систем автоматизацию придется обновлять и заново тестировать.

• Возможный ущерб

По данным IBM, нарушения безопасности, связанные с неконтролируемым использованием ИИ, затронули 20% исследованных организаций, переживших утечку. Такие случаи увеличивали среднюю стоимость инцидента на сумму до $670 тысяч. 

В итоге, автономные ИИ-агенты начинают экономить деньги только тогда, когда ценность их гибкости превышает стоимость интеграций, проверок, поддержки и возможных ошибок. Если процесс предсказуем, обычный сценарий часто оказывается выгоднее.

Чек-лист: как выбрать уровень AI-автоматизации бизнес-процессов

Ниже собраны основные критерии выбора ИИ-агента: они помогут понять, действительно ли системе нужно самостоятельно принимать решения или с задачей справится более простое решение.

1. Можно ли заранее описать весь маршрут?

Перечислите этапы процесса, условия перехода между ними и возможные исключения.

• Если порядок действий всегда одинаков, достаточно скрипта, RPA или BPM.
• Если сложность возникает только на одном этапе, в обычный процесс можно добавить ИИ-функцию.
• Если следующий шаг зависит от ситуации и все варианты нельзя перечислить заранее, может потребоваться управляемый ИИ-агент.

2. В каком виде поступают данные?

Проверьте, одинаковы ли структура документов, названия полей и источники информации.

• Таблицы, формы и документы по единому шаблону удобно обрабатывать правилами.
• Тексты и изображения разного вида могут потребовать отдельной ИИ-функции.
• Если данные приходится искать в нескольких системах, а набор источников меняется, пользу может принести ИИ-агент.

3. Как часто возникают исключения?

Изучите реальные случаи, а не только официальный регламент.

• Если отклонения редки и известны, их можно добавить в сценарий.
• Если необычные ситуации возникают регулярно, но не меняют весь маршрут, достаточно ИИ на отдельном этапе.
• Если каждое исключение требует нового плана действий, фиксированная схема может стать слишком сложной.

4. Нужно ли выбирать инструменты и источники?

Определите, всегда ли система заранее знает, где взять данные и что с ними сделать.

• Если инструменты и источники постоянны, их можно закрепить в сценарии.
• Если системе нужно самой решить, где искать информацию, какую базу проверить и какой сервис вызвать, это аргумент в пользу управляемого ИИ-агента.

5. Можно ли проверить результат автоматически?

Заранее определите, как система или сотрудник поймут, что задача выполнена правильно.

• Суммы, даты, реквизиты и статусы можно сверять по строгим правилам.
• Резюме документа или классификацию обращения можно проверять выборочно.
• Если для оценки результата каждый раз требуется эксперт, расходы на контроль могут свести пользу автоматизации к минимуму.

6. Можно ли отменить действие?

Проверьте, получится ли вернуть процесс в исходное состояние после ошибки.

• Переименование файла или создание черновика обычно легко отменить.
• Отправленное письмо, измененная запись или проведенный платеж исправить сложнее.
• Перед необратимыми действиями система должна запрашивать подтверждение человека.

7. Какова цена ошибки?

Оцените не только прямые расходы, но и возможный ущерб клиентам, репутации и безопасности.

• При низком риске системе можно дать больше самостоятельности.
• При средней цене ошибки нужны ограничения, автоматические проверки и журнал действий.
• Финансовые, юридические и другие критичные решения лучше оставлять человеку, даже если ИИ готовит данные и рекомендации.

8. Сколько сейчас стоит ручная работа?

Посчитайте, сколько времени сотрудники тратят на одну операцию и на весь объем задач за месяц.

Учитывайте не только выполнение процесса, но и поиск информации, исправление ошибок, согласования и ожидание между этапами. Если ручная работа обходится дешевле разработки и контроля, сложная автоматизация не окупится.

9. Как часто выполняется задача?

Чем больше операций, тем заметнее потенциальная экономия.

• Частые и однотипные действия выгодно передавать скриптам или RPA.
• Регулярные задачи с анализом текста подходят для процесса с ИИ-функцией.
• Сложный ИИ-агент оправдан только при достаточном объеме работы или высокой ценности каждого результата.

10. Готова ли инфраструктура компании?

Проверьте, выполняет ли компания основные требования автоматизации бизнес-процессов: есть ли у системы доступ к нужным данным и инструментам.

Для ИИ-агента потребуются стабильные API, настроенные права доступа, качественные данные, хранение истории действий, мониторинг и механизм подтверждения важных операций. Если такой основы пока нет, сначала нужно подготовить инфраструктуру или выбрать менее автономное решение.

Как принять взвешенное решение

Начинайте с самого простого уровня:

1. Проверьте, можно ли решить задачу скриптом или набором правил.
2. Если операций много, но маршрут известен, рассмотрите RPA или BPM.
3. Если один этап требует анализа текста, изображений или документов, добавьте отдельную ИИ-функцию.
4. Переходите к управляемому ИИ-агенту, только если предыдущие уровни не справляются с частыми исключениями и меняющимся маршрутом.

Если результат трудно проверить, действие нельзя отменить, а цена ошибки высока, повышать автономность не стоит. Подходящий уровень — не самый технологичный, а самый простой из тех, которые надежно решают задачу.

Гибридный подход

Необязательно передавать весь процесс одной технологии. Надежнее распределить задачи:

• правила проверяют обязательные условия;
• RPA или API переносят данные и выполняют другие предсказуемые действия;
• языковая модель анализирует тексты и документы;
• ИИ-агент выбирает маршрут там, где возможны разные сценарии;
• человек подтверждает дорогостоящие, публичные и необратимые действия.

Например, языковая модель извлекает данные из договора, правила проверяют обязательные поля, агент решает, кому направить документ, а сотрудник подтверждает подписание. Такой подход дает системе гибкость, но сохраняет контроль над важными решениями.

Как проверить выбранную архитектуру на практике

Начните с описания текущего процесса. Зафиксируйте его этапы, участников, источники данных и частые исключения. Посчитайте, сколько времени занимает задача, как часто возникают ошибки и сколько стоит ручная работа. Без этих показателей будет трудно понять, принесла ли автоматизация реальную пользу.

Затем выберите минимально достаточный уровень.

• Если маршрут можно заранее описать правилами, начните со скрипта, RPA или BPM. 
• Если сложность возникает только при работе с текстом и документами, добавьте отдельную ИИ-функцию. 
• ИИ-агент нужен лишь тогда, когда система должна сама выбирать дальнейшие действия.

Проверять решение лучше на одном узком сценарии с понятным результатом. Например, не автоматизировать весь документооборот, а начать с проверки входящих договоров. Пилот должен работать с реальными данными, но не получать доступ к критичным действиям без подтверждения сотрудника.

Во время тестирования используйте не только типичные примеры. Добавьте документы с пропущенными полями, необычным форматом, противоречивыми данными и недоступными источниками. Проверьте, замечает ли система проблему, просит ли уточнение и передает ли сложный случай человеку вместо случайного решения.

После пилота сравните качество, скорость и полную стоимость нового процесса с исходными показателями. Учитывайте расходы на модель, интеграции, проверки, исправление ошибок и участие сотрудников. Более быстрое решение не обязательно выгоднее, если его результаты приходится постоянно перепроверять.

Наконец, заранее определите условия остановки и отката. Например, процесс нужно приостановить, если доля ошибок превышает допустимый уровень, расходы выходят за бюджет или система выполняет действие без обязательного подтверждения. Возможность быстро вернуться к прежней схеме снижает риски и позволяет проверять архитектуру без передачи ей лишней самостоятельности.

Как освоить новые инструменты и внедрить ИИ в бизнес-процессы

Чтобы самостоятельно выбирать уровень автоматизации, недостаточно уметь писать запросы нейросети. Нужно понимать, как подключать модели к рабочим системам, ограничивать их действия и проверять, приносит ли решение пользу бизнесу. 

Какие знания нужны для самостоятельной автоматизации

Начать стоит с возможностей и ограничений языковых моделей. Следующий шаг — программные интерфейсы (API), интеграции и платформы без кода, с помощью которых можно связать модель с таблицами, мессенджерами и другими сервисами. Для работы с внутренними документами понадобятся базы знаний и генерация с дополненным поиском (RAG), а для вариативных процессов — контролируемые ИИ-агенты.

Все это изучают на практическом курсе «Нейросети для работы». На нем также рассказывают, как выбирать безопасные инструменты автоматизации бизнес-процессов с учетом их возможностей, стоимости и масштабируемости. 

Почему учиться лучше на собственном проекте

Студенты курса разрабатывают собственные ИИ-решения. Работа над своим проектом помогает сразу проверить знания на реальной задаче: описать процесс, подобрать инструменты, собрать прототип и изучить его ограничения. Перед полноценной разработкой студенты проверяют концепцию и оценивают, стоит ли переходить к минимально жизнеспособному продукту.

https://www.youtube.com/watch?v=ao5z52ud87w&t=1s

Такой опыт помогает не зависеть от чужих обещаний: самостоятельно оценивать решения, ставить понятные задачи разработчикам и контролировать качество результата.

Заключение

Хорошая система автоматизации бизнес-процессов может сочетать правила, RPA, языковые модели и ИИ-агентов. Начинайте с простого решения и усложняйте его, только если оно не справляется с реальными задачами. Так бизнес сможет сократить расходы, сохранить контроль и получить измеримый результат.