// page

20 бизнес-процессов: где нужен ИИ, а где достаточно обычной автоматизации

Экспертный классификатор 20 бизнес-процессов: обычная автоматизация, LLM, RAG, гибридные решения и контроль человеком. Методика, ограничения и JSON.

Автор: Антон ДаблешевичОбновлено:

Открытый классификатор ToxaDab · Версия 0.1.0

Не каждый бизнес-процесс требует ИИ. Если входные данные структурированы, а правила однозначны, начните с обычной автоматизации. LLM помогает работать со свободным текстом, RAG — отвечать по документам, а гибридный подход — сочетать понимание текста с проверяемыми действиями.

Статус: методические рекомендации. Это экспертная классификация типовых сценариев, а не результаты клиентских внедрений. Здесь нет измеренных процентов экономии или гарантий результата. Подход и сложность уточняются после изучения конкретных данных и систем.

7Обычная автоматизация
5Языковая модель (LLM)
2Поиск по документам + LLM (RAG)
4LLM + правила / API
2Решение принимает человек

20 процессов и способы проверки результата

Сначала выберите подход к задаче, затем проверьте его на обезличенной выборке. Метрики ниже — критерии будущей проверки, а не уже полученные результаты.

Показано 20 из 20 процессов

Экспертная классификация бизнес-процессов · ToxaDab v0.1.0
Процесс / входные данныеПодход и сложностьОбоснованиеКонтроль человекомМетрика проверкиОграничение
PROC-001Передача заявки с сайта в CRMПродажи · Структурированные поля формы Обычная автоматизацияСложность: Низкая Поля и правила передачи заранее известныРазбор ошибок и дублейДоля успешно переданных заявокНужны доступный API и корректная обработка ошибок
PROC-002Разбор свободного текста заявкиПродажи · Описание потребности клиента LLM + правила / APIСложность: Средняя LLM извлекает смысл, правила проверяют поляПроверка неоднозначных обращенийТочность извлечения обязательных полейНельзя додумывать отсутствующие контакты или условия
PROC-003Поиск дублирующихся клиентов в CRMПродажи · Телефон, email, идентификаторы Обычная автоматизацияСложность: Средняя Сопоставление выполняется по заданным правиламПодтверждение неоднозначного объединенияДоля ошибочных объединенийСовпадение имени не доказывает идентичность клиента
PROC-004Подготовка резюме переписки с клиентомПродажи · История сообщений Языковая модель (LLM)Сложность: Низкая Требуется кратко передать содержание диалогаПроверка перед ответственными действиямиДоля фактически корректных резюмеМодель может пропустить важную договоренность
PROC-005Классификация входящих писемПоддержка · Тема и текст письма Языковая модель (LLM)Сложность: Низкая Категория определяется по смыслу сообщенияПроверка низкоуверенных случаевF1 по согласованным категориямНужны примеры категорий и тестовая выборка
PROC-006Напоминания менеджерам о следующем контактеПродажи · Дата и статус сделки в CRM Обычная автоматизацияСложность: Низкая Срабатывание определяется датами и статусамиНастройка исключенийДоля своевременных напоминанийАвтоматическая отправка клиенту требует отдельных правил
PROC-007Ответы поддержки по базе знанийПоддержка · Вопрос клиента и утвержденные документы Поиск по документам + LLM (RAG)Сложность: Средняя Ответ должен опираться на найденные источникиЭскалация при отсутствии подтвержденияДоля ответов, подтвержденных источникамиУстаревшие документы приводят к неверным ответам
PROC-008Принятие решения по сложной претензииПоддержка · Жалоба, договор, история обслуживания Решение принимает человекСложность: Высокая Решение может иметь правовые и финансовые последствияРешение принимает уполномоченный сотрудникДоля решений без последующих исправленийИИ может готовить сводку, но не заменяет ответственного
PROC-009Формирование счета по подтвержденному заказуФинансы · Товары, количество, цены и реквизиты Обычная автоматизацияСложность: Средняя Расчет должен быть детерминированнымКонтроль реквизитов и условий отправкиДоля счетов без исправленийНужны актуальные цены и правила учета
PROC-010Подготовка черновика договораДокументы · Утвержденный шаблон и условия сделки LLM + правила / APIСложность: Высокая LLM готовит текст, правила контролируют обязательные поляОбязательное юридическое согласованиеКоличество существенных замечаний к черновикуГенерация текста не гарантирует юридическую корректность
PROC-011Извлечение реквизитов из документовДокументы · PDF, сканы, фотографии LLM + правила / APIСложность: Средняя OCR и извлечение полей дополняются проверкой форматаПроверка сомнительных значенийТочность извлечения по каждому полюКачество зависит от изображения и типа документа
PROC-012Сравнение двух версий документаДокументы · Исходный и измененный тексты Языковая модель (LLM)Сложность: Средняя Нужно объяснить смысл измененийПроверка существенных расхожденийДоля найденных существенных измененийТочное текстовое сравнение лучше выполнять алгоритмически
PROC-013Поиск ответов во внутренних регламентахЗнания компании · Вопрос сотрудника и корпоративные документы Поиск по документам + LLM (RAG)Сложность: Средняя Нужен поиск по разрешенным документам с цитатамиПроверка спорных и чувствительных вопросовТочность ответов с проверяемыми ссылкамиНеобходимы права доступа и контроль версий документов
PROC-014Еженедельный отчет по KPIАналитика · Проверенные числовые данные Обычная автоматизацияСложность: Низкая Расчет и вывод показателей задаются формуламиКонтроль источников и аномалийСовпадение отчета с исходными даннымиLLM не нужна для вычисления заданных формул
PROC-015Текстовое объяснение изменений KPIАналитика · Проверенные показатели за два периода Языковая модель (LLM)Сложность: Средняя Нужно сформулировать понятную сводку измененийПроверка причинно-следственных утвержденийДоля утверждений, подтвержденных даннымиИзменение показателя само по себе не доказывает причину
PROC-016Оповещение о минимальном остатке товараСклад · Остаток и установленный порог Обычная автоматизацияСложность: Низкая Условие оповещения определяется числовым правиломПересмотр порогов и исключенийДоля пропущенных критичных остатковНужны своевременные данные складской системы
PROC-017Сопоставление предложений поставщиковЗакупки · Прайсы, письма, коммерческие предложения LLM + правила / APIСложность: Средняя LLM извлекает условия, правила нормализуют сравнениеПодтверждение выбора и закупкиТочность сопоставления цен и условийНужно учитывать валюту, НДС, доставку и комплектацию
PROC-018Подготовка краткой сводки резюме кандидатаHR · Резюме и требования вакансии Языковая модель (LLM)Сложность: Средняя Нужно извлечь подтвержденный опыт и навыкиРешение о найме принимает человекТочность извлечения фактов из резюмеНельзя подменять факты предположениями и допускать дискриминацию
PROC-019Расчет заработной платыФинансы · Табель, ставки, утвержденные правила Обычная автоматизацияСложность: Высокая Финансовые вычисления должны быть воспроизводимымиПроверка и утверждение выплатКоличество расчетных ошибокТребуется соблюдение действующих правил учета и права
PROC-020Окончательное решение о выдаче кредитаФинансы · Заявка и финансовые сведения Решение принимает человекСложность: Высокая Высокие финансовые и правовые рискиРешение по утвержденной процедуреДоля решений, соответствующих установленным правиламИИ может помогать с документами, но автономное решение не рекомендуется

Методика классификации

Единица классификации — типовой бизнес-процесс. Рекомендуемый подход определяется характером входных данных, требованиями к точности и последствиями ошибки. Это предварительная оценка: объём данных, интеграции, права доступа и реальные исключения могут изменить рекомендацию.

Обычная автоматизация rules
Вход структурирован, правила однозначны. Вычисления и действия воспроизводимы.
Языковая модель (LLM) llm
Требуется понимание или преобразование свободного текста. Факты и выводы проверяются.
Поиск по документам + LLM (RAG) rag
Ответ должен опираться на актуальные документы, доступные пользователю, с проверяемыми ссылками.
LLM + правила / API hybrid
LLM извлекает или формулирует информацию; правила и API проверяют значения и выполняют действия.
Решение принимает человек human
Высокий риск или неоднозначность. ИИ может помогать с материалами; ответственность за решение остаётся у человека.

Как определена сложность

  • Низкая: один тип входных данных, понятный результат, без критичных действий во внешних системах.
  • Средняя: несколько этапов, интеграции, проверка качества или регулярные исключения.
  • Высокая: сложные права доступа, чувствительные данные, множество систем или существенные последствия ошибок.

Как проверить рекомендацию

  1. Опишите границы процесса и сформируйте обезличенную тестовую выборку с ожидаемыми результатами.
  2. Зафиксируйте текущий способ работы и критерий приёмки до запуска пилота.
  3. Сравните предложенный подход с текущим процессом, учитывая ошибки, время и стоимость.
  4. Разберите исключения и согласуйте условия передачи результата сотруднику.

Все сценарии предусматривают участие сотрудника. Фильтр «Человек принимает итоговое решение» выделяет два процесса с подходом human; в остальных строках конкретный контроль описан отдельно. Подразделения добавлены для навигации; один процесс может встречаться в нескольких командах.

Данные, версия и условия использования

Автор: Антон Даблешевич · ToxaDab. Версия 0.1.0 · 20 записей. Опубликовано: 2026-10-12.

Скачать JSON · JSON Schema

Можно ссылаться на материал и использовать классификацию для предварительной оценки. Открытая лицензия на копирование и распространение файла пока не назначена.

При ссылке на материал укажите название, автора, версию и URL страницы. Изменения методики и измеренные результаты пилотов будут публиковаться в следующих версиях; текущая версия не содержит полевых испытаний.

Проверить процесс вашей компании

Классификатор помогает поставить первые вопросы. Быстрый аудит применяет эти критерии к вашим данным, системам и ограничениям. Результат — разбор процессов и план первого пилота; внедрение оценивается отдельно.

Посмотреть условия быстрого аудита →