Один из самых полезных уроков в AI-автоматизации я получил не на успешном кейсе, а на провале.

Один из самых полезных уроков в AI-автоматизации я получил не на успешном кейсе, а на провале.

Мы собрали цепочку: бот принимал заявки, LLM классифицировала запросы, CRM сама создавала карточки, а менеджеру уходил готовый краткий бриф. На бумаге — идеально. На практике система начала «ускорять хаос»: модель путала типы заявок, часть полей заполнялась слишком уверенно, а бот без проверки отправлял это дальше. В итоге команда тратила больше времени на исправления, чем раньше на ручную обработку.

Главная ошибка была не в модели, а в отсутствии точки контроля. Мы попытались автоматизировать решение до того, как автоматизировали проверку.

После этого добавили простой принцип: LLM предлагает, правило или человек подтверждает. И неожиданно процесс стал не только стабильнее, но и быстрее.

Вывод простой: в автоматизации выигрывает не тот, кто убрал больше людей из цепочки, а тот, кто убрал больше неопределенности 🤖