Блог об ИИ для бизнеса
Разбираем ИИ без хайпа: как это работает, где окупается и на что смотреть при внедрении.
Компьютерное зрение на конвейере: как принять систему контроля брака
Что проверять при приемке машинного зрения на линии: учет изделий, время реакции, отбраковку, пропущенные кадры, сбои и нагрузку на ручной контроль.
Читать статьюИИ-помощник разработчика в закрытом контуре
Как внедрить помощника разработчика для закрытого кода: собрать контекст репозитория, ограничить действия, настроить проверки и измерить время до принятой правки.
Читать статьюHR-ассистент для сотрудников: от вопроса до заявки
Как внедрить HR-ассистента для сотрудников: связать регламенты с кадровой системой, проверять доступ к личным данным, оформлять заявки и передавать обращения кадровику.
Читать статьюИИ-агент для заказов: из переписки в 1С
Как обрабатывать заказы покупателей с помощью ИИ: учитывать правки и отмены, исключать повторную запись, проверять результат в 1С и передавать спорное менеджеру.
Читать статьюИИ для анализа договоров: проверка по правилам компании
Как проверять договоры с помощью ИИ: собрать приложения, описать правила, найти отклонения и сравнить редакции. Что должно попасть в отчет для юриста.
Читать статьюИИ в закупках: как сравнивать предложения поставщиков
Как сопоставлять товары и условия поставщиков с помощью ИИ: характеристики, аналоги, единицы измерения, доставка и спорные позиции. Что проверяет закупщик.
Читать статьюКакие процессы отдавать ИИ первыми: как выбрать один для старта
Как выбрать первый процесс для ИИ: частота, базовая линия, читаемый вход, проверка спорного, владелец и узкие границы. Что общего у семи наших проектов и с чего начинать не стоит.
Читать статьюБаза знаний для чат-бота: что подготовить до разработки и кто ее ведет
Что собрать в базу знаний до разработки бота: источники, карта частых вопросов, действующие версии документов, противоречия и права доступа. Кто ведет базу после запуска.
Читать статьюОтчет по вопросу на русском: как работает text-to-SQL и где он ошибается
Как языковая модель превращает вопрос руководителя в SQL-запрос, где она ошибается по смыслу и что нужно витрине, доступам и проверкам, чтобы цифрам в отчете можно было верить.
Читать статьюКак принять ИИ-ассистента у подрядчика и проверить, что он не врет
Как принять ИИ-ассистента у подрядчика: проверочный набор с закрытой частью, пороги по цене ошибки, проверки на отказ и что должно остаться у вас после сдачи.
Читать статьюИИ, RPA или обычный скрипт: что выбрать для задач в 1С и CRM
Когда в 1С и CRM хватит обычной интеграции, когда нужен RPA-робот, а когда языковая модель. Шесть признаков для выбора и разбор типовых задач с примерами.
Читать статьюДанные не готовы к ИИ: какие дефекты чинить и сколько это стоит
Что стоит за фразой «данные не готовы»: дубли в справочниках, текст вместо полей, расхождения между 1С и CRM, перезаписанная история. Как найти дефекты до старта.
Читать статьюLLM или классическая модель: когда генеративная нейросеть лишняя
Где языковая модель проигрывает градиентному бустингу и статистике: числа, таблицы, прогнозы, классификация на потоке. Как выбрать подход и когда их совмещать.
Читать статьюСотрудники уже отправляют документы в ChatGPT: запрещать или дать свой ассистент
Почему запрет на ChatGPT не работает, какие данные нельзя отправлять во внешние сервисы и как устроить корпоративный ассистент: от правил и шлюза до модели в контуре.
Читать статьюСколько стоит ИИ после запуска: из чего складываются 15–25% в год
Во что обходится ИИ-решение после сдачи: оплата модели, обновление базы знаний, контроль качества, смена версий модели, время сотрудников. С примером расчета.
Читать статьюJev от TypeSafe в торговых ботах: типизированные решения вместо текста
Jev возвращает типизированное решение с калиброванной вероятностью. Где такая модель встает в контур торгового бота, чего она не умеет и как ее проверять.
Читать статьюСколько снимков нужно детектору дефектов и почему разметка дороже модели
От чего зависит размер обучающей выборки для машинного зрения, почему редкий дефект ломает расчет, сколько стоит разметка изображений и как снимать, чтобы не переснимать.
Читать статьюКомпьютерное зрение на производстве: когда окупается, а когда нет
Где контроль на камерах окупается, где остается дорогой игрушкой, что определяет результат сильнее модели и как посчитать выгоду до начала пилота.
Читать статьюСколько стоит внедрение ИИ: из чего складывается смета
Из чего складывается стоимость ИИ-проекта: этапы, скрытые статьи расходов, ориентиры по деньгам и срокам. Как посчитать окупаемость до того, как платить.
Читать статьюКак посчитать окупаемость ИИ-проекта
Формула расчета окупаемости ИИ, три разобранных примера и типичные ошибки: почему эффект переоценивают и что забывают вычесть.
Читать статьюСвоя ИИ-команда или подрядчик: что выбрать
Сравнение своей ML-команды и подрядчика: полная стоимость, сроки выхода на результат, риски. Когда нанимать, когда отдавать наружу и как совмещать.
Читать статьюПочему пилоты ИИ не доходят до промышленной эксплуатации
Семь причин, по которым удачный пилот ИИ так и не становится рабочей системой, и что закладывать в проект с самого начала, чтобы этого избежать.
Читать статьюИИ и 152-ФЗ: что можно и нельзя с персональными данными
Как соблюсти 152-ФЗ в ИИ-проекте: основания обработки, обезличивание, трансграничная передача, локализация. Практические решения и типичные ошибки.
Читать статьюGigaChat, YandexGPT или открытая модель: что выбрать бизнесу
Сравнение подходов к выбору языковой модели для российской компании: облачные российские сервисы против открытых моделей в своем контуре.
Читать статьюКак развернуть LLM в закрытом контуре: железо, модели, стоимость
Практическое руководство по развертыванию языковой модели на своем железе: выбор GPU, размер модели, квантизация, стоимость владения и подводные камни.
Читать статьюИмпортозамещение в ИИ: чем заменить зарубежные сервисы
Что делать российской компании, если ИИ-решение построено на зарубежных сервисах: варианты замены, порядок перехода и что ломается при миграции.
Читать статьюRAG или дообучение: как выбрать и сколько стоит каждый путь
Чем RAG отличается от дообучения, когда нужен каждый подход, сколько они стоят и почему в большинстве корпоративных задач выбор очевиден.
Читать статьюПочему ИИ-ассистент врет и что с этим делать
Откуда берутся галлюцинации языковых моделей, почему их нельзя устранить полностью и какие приемы реально снижают долю выдуманных ответов.
Читать статьюСколько данных нужно, чтобы обучить модель
Практические ориентиры по объему данных для разных типов ИИ-задач, что делать при их нехватке и почему качество разметки важнее количества примеров.
Читать статьюПочему модель в проде деградирует и как это заметить
Почему точность модели падает после запуска, какие бывают виды дрейфа данных, что мониторить и когда переобучать. Практический разбор.
Читать статьюКак автоматизировать обработку документов: от скана до поля в системе
Как устроен конвейер обработки документов: распознавание, извлечение полей, проверка и передача в учетную систему. Что определяет качество и как считать эффект.
Читать статьюГолосовой бот вместо IVR: когда это окупается
Чем голосовой ассистент отличается от классического IVR, какие сценарии он реально закрывает, что определяет качество и когда проект окупается.
Читать статьюИИ-агенты в корпоративных системах: что они реально умеют
Чем ИИ-агент отличается от чат-бота, какие задачи он закрывает в CRM и ERP, какие права ему давать и что обязательно предусмотреть до запуска.
Читать статьюОстались вопросы после чтения?
Разберем вашу ситуацию предметно — на ваших процессах и данных, без общих слов про трансформацию.