Когда начал делать свой проект по автоматизации HR-процессов, изначально хотел добавить туда как можно больше ИИ. Казалось мне логичным: раз нейросеть умеет анализировать данные, значит пусть делает все. Но чем дальше разбирал процессы, тем чаще задавался вопросом: а ИИ здесь точно нужен?

Начал раскладывать каждую задачу на части: 1. Какие данные нужно получить? 2. Что с ними нужно сделать? 3. В каком виде нужен результат? 4. Что должно произойти дальше? И оказалось, что большая часть задач вообще не требует ИИ

Забрать данные, переложить, посчитать, проверить условия и показать результат - с этим прекрасно справляются обычные скрипты и автоматизация. А ИИ интересен там, где уже нужно: классифицировать → обобщить → сформулировать То есть там, где недостаточно просто выполнить заданное правило

Поэтому сейчас в новых проектах смотрю на автоматизацию немного иначе: где есть понятные правила - достаточно робота (скриптов) где нужно разбираться в смысле и контексте - лучше подключать ИИ

А интереснее - вообще не выбирать что-то одно, а использовать оба подхода внутри одного процесса