Внутренняя AI-система редко начинается с вопроса «какую модель взять». Сначала нужно понять, кто будет ей пользоваться, какие данные она увидит и какие действия ей вообще разрешены. Если эти ответы появляются после разработки, получается красивый чат с опасно широкими правами.
Сначала — один рабочий процесс
Допустим, компания хочет ускорить проверку кандидатов, подготовку коммерческих предложений или работу с базой знаний. Не надо сразу строить «корпоративного AI-сотрудника». Выберите один процесс, где есть понятный вход, результат и владелец. Это даст реальное тестирование на данных компании.
Роли важнее интерфейса
Генеральный директор, HR, служба безопасности, бухгалтерия и менеджер не должны видеть одинаковый набор данных. Ролевая модель проектируется до агентов: кто создаёт запись, кто может её открыть, кто меняет статус, кто видит файл после завершения этапа. AI наследует эти ограничения, а не обходит их.
Данные должны помнить происхождение
Если система делает вывод, полезно понимать, на чём он основан: документ, поле CRM, письмо, открытый источник. Для внутренней работы это критично. Без provenance уверенный текст модели легко принять за факт.
Поэтому в серьёзной системе рядом с ответом важны ссылки на исходные данные, журнал действий и возможность восстановить, кто и когда изменил запись.
AI не должен напрямую управлять всем
Критические операции лучше отделять. Модель может предложить действие, но создание платежа, изменение прав доступа или отправка чувствительного документа проходит через правила и подтверждение. Для автоматических операций задаются лимиты, допустимые инструменты и сценарии отката.
Интеграции — место, где проект становится настоящим
Внутренняя система начинает приносить пользу, когда перестаёт быть отдельным окном. CRM, почта, календарь, 1С, файловое хранилище, мессенджеры — обычно именно между ними сотрудники копируют данные руками. Но каждую интеграцию стоит добавлять по необходимости, а не ради красивой схемы архитектуры.
Как выглядит разумный MVP
Одна роль или небольшая группа пользователей. Один процесс. Ограниченный набор данных. Журналирование. Ручное подтверждение критических действий. Набор тестовых кейсов — в том числе плохих и неоднозначных. После этого уже видно, где AI действительно экономит время, а где только добавляет ещё одно место для проверки.
И только затем имеет смысл расширять систему: подключать новые отделы, агентов, автоматические действия и аналитику. Корпоративная AI-система хороша не тогда, когда в ней много возможностей. Хороша — когда сотрудники понимают, что ей можно поручить и почему результату можно доверять.
