Александр, спасибо за такой развернутый и профессиональный разбор со стороны безопасности! Вы абсолютно правы, если речь идет о загрузке в общий ИИ чувствительных данных — коммерческой тайны, зарплат или условий сделок. Тут риски огромны.Но я имела в виду принципиально другой кейс — работу с общедоступными внутренними регламентами. Например, политика компании, правила адаптации, инструкции по охране труда или оформлению командировок. С этими документами и так знакомят каждого сотрудника при трудоустройстве.Если изолировать ИИ от интернета и обучить его строго на этих открытых текстах, рисков утечки нет, так как данные не секретны. При этом мы получаем колоссальную выгоду: сотруднику не нужно отвлекать кадры или HR, чтобы найти нужный пункт в 100-страничном документе — бот ответит за секунду. Мне кажется, именно с таких безопасных "пилотов" крупному бизнесу и стоит начинать интеграцию ИИ, вместо тотальных запретов.

Булат, спасибо за мнение! Да, что бы создавать LLM с нуля — это задача уровня ИТ-гигантов с миллиардными бюджетами. Но никто и не говорит создавать технологию с нуля.Сегодня «свой ИИ» для компании можно собирать как конструктор. Для этого берутся готовые open-source платформы, модель «запирают» внутри корпоративного сервера, и она работает только на локальных документах компании. Данные обрабатываются в закрытом контуре и никуда не уходят. Бизнесу нужна именно интеграция, а не разработка новой технологии, и это решается силами обычной команды ИТ-интеграторов, без штата ученых

Не совсем соглашусь. Риск ошибок действительно есть, поэтому результат ИИ нужно проверять, особенно когда речь идет о цифрах, документах или профессиональных решениях.

Но по моему опыту это не отменяет экономию времени. Проверить и скорректировать готовый результат во многих задачах значительно быстрее, чем выполнять всю работу с нуля.

Другое дело, что ИИ не заменяет предметную экспертизу. Если человек сам не способен понять, где модель ошиблась, тогда ИИ действительно может не ускорить работу, а просто ускорить ошибку.

Ольга, согласна, публичный ИИ часто заставляет перепроверять за ним ошибки. Но в закрытом контуре он работает иначе — как умный робот-ассистент, который наизусть знает все политики компании.Ему можно задать вопрос в чате: «Какой лимит на тимбилдинг?», и он сразу ответит: «50к на отдел». Или загрузить документ на 50 страниц и попросить тезисно вытащить только сроки оплаты, чтобы не перечитывать всё вручную. Информационная база обновляется в реальном времени, поэтому ИИ выдает только факты, экономя часы рутины

Татьяна, согласна, что для 1-2 человек разворачивать систему нет смысла. Но если говорить про регулярную работу и большие объёмы, то ручное обезличивание — это ловушка.На маскирование данных (убрать названия компаний, ФИО, суммы) уйдет столько времени, что вся экономия от использования ИИ просто испарится. Сотрудник избавится от одной рутины, но получит новую — рутину «шифровальщика». К тому же включается человеческий фактор: на 20-м документе глаз замылится, и конфиденциальные данные всё равно улетят в сеть.

А вот это, кстати, уже хорошая задача для ИТ-отдела: создать внутренний шифровальщик, который при загрузке, например, экселя, будет самостоятельно шифровать нужные столбцы и направлять ключи инициатору.

Татьяна, да, а это супер-альтернатива) как вариант!Только вот в неструктурированном договоре или письме ИТ-отделу придется попотеть. С Excel всё просто — там данные четко по столбцам. А вот если сотруднику нужно прогнать через ИИ сложный договор, претензию или хаотичный текст, написать алгоритм для автоматического вылавливания ФИО и сумм — это уже задача со звездочкой.Хотя для табличной рутины ваша идея — прямо спасение! 👍

Андрей, отличные альтернативы, спасибо!Корпоративные контракты и правда сильно упрощают жизнь компаниям. Но с обычными базами знаний есть проблема — сотрудники их редко читают. ИИ ведь как раз и любят за формат «живого» диалога, когда не нужно самому искать нужную строчку в регламенте на 50 страниц.Может, идеальный вариант — это совместить юридическую защиту и самую простую готовую модель, развернутую внутри компании?

Чтобы ИИ хорошо отвечал на вопросы, его все равно надо обучить. Чтобы эксперт ответил на все вопросы, даже самые неудобные.

Если получится выйти на такой диалог с экспертом, то можно своими силами сделать базу знаний в виде ответов на часто задаваемые вопросы 🙂

Это размышления о том, как сделать что-то полезное до тяжеловесных проектов с ИИ 😊

Спасибо)

Дмитрий, абсолютно согласна! Про готовые модели с Hugging Face — это отличная мысль.Обучать с нуля за миллионы рублей действительно нет смысла. А вот взять готовую открытую модель и развернуть её на одном сервере внутри компании — как раз тот самый баланс. И данные в безопасности, и бюджет цел. 👏

И не справилась такая модель с lang chain и n8n начал врать в каждом экспертном вопросе. Все упускают из внимания регрессию в обработке данных. Нейронки сжимают контекст чтобы уложиться в параметры и выбрасывают огромные куски информации даже при детальной настройке. Верификация результатов займет больше времени и денег, чем зарплата отдельного сотрудника. Если хочется, чтобы прямо успешно нейронка автоматизировала, то будьте любезны 100 млн. Положить на железо и настройку. Это уже пройденный этап в больших компаниях. Маленькие нейронки там используются в сервисах, оптимизирующих запросы пользователей под детальные промпты, инструментарий, сбор данных через mcp, квантование полного запроса и затем переотправки на большую модель в облаке, с дорогим мощным железом для обработки данных. Нейронки между собой поддерживают протокол общения помогающий сжать траффик. И то на опыте использования могу сказать, что инженерные задачи выполняются даже в этом случае плохо.😩 Только рутина белых воротничков хорошо 👌 удовлетворительно тестирование чего-либо. Внедрение ИИ окупится только через 10 лет автоматизации процессов и развития самого ИИ. Чем LLM "умнее", тем больше ресурсов она требует, тем больше железа вам нужно будет купить/арендовать. Видимая польза есть, но экономическая выгода от неё очень расплывчата.

Ого, спасибо за детальный фидбек из практики! Про регрессию данных и выкидывание кусков контекста — это очень ценное замечание. Получается, по вашему опыту, локальный ИИ для корпораций сегодня — это утопия?Но вы сами отлично подметили в конце: «Только рутина белых воротничков хорошо». А ведь в крупных компаниях именно эта рутина (проверить типовой договор, найти пункт в регламенте, ответить на однотипный вопрос новичка) сжирает до 70% времени линейных сотрудников.И тут возникает удивительный парадокс: то, что кажется бизнесу самым «легким» и рутинным, технически автоматизировать правильным образом сложнее всего. Спасибо, что подсветили эту изнанку!

открою большую тайну, автоматизировать абсолютно любой процесс можно было и без ИИ. 🤖 это можно сравнить с перелетами. Можно на самолете в эконом классе, но модно на ракете spaceX или космолетах virgin ... главное знать что автоматизировать.

Кирилл, про бардак в процессах — это 100% в точку, тут даже вопросов нет. Но я смотрю на это приземлённо, со стороны обычного сотрудника. Обычные программы круто автоматизируют таблицы, но они не умеют читать тексты.

Когда нужно вычитать документ, на который вручную уйдёт 20 минут, проще за 2 минуты загрузить его в ИИ и получить готовую выжимку. Мелкой рутины за день набегает вагон, и безопасный внутренний ИИ стал бы для людей просто спасением. Хотя я, конечно, вижу ситуацию только со своей стороны и не знаю всей технической изнанки.

Да конечно это выглядит легко и классно, пока не начинаешь с этим работать на постоянной основе и считать деньги. 🫰 дорого 🤑 это, но да 🙂‍↕️ прикольно ускоряет бюрократию.