Когда в компании появляется идея AI‑функции, обсуждение часто сразу начинается с модели, интерфейса и интеграций. Но первый вопрос должен звучать иначе: улучшит ли AI конкретный рабочий процесс настолько, чтобы продуктом действительно пользовались? До полноценной разработки идею можно проверить почти вручную. 1. Выбрать одно повторяющееся действие, а не пытаться автоматизировать весь процесс. 2. Собрать 20–30 реальных примеров с типичными случаями и неприятными исключениями. 3. Временно воспроизвести будущую функцию с помощью готовой модели и человека, который проверяет каждый результат. 4. Сравнить результат с текущим способом работы: время, стоимость, качество и количество исправлений. 5. Зафиксировать ситуации, в которых AI ошибается или требует данных, которых у компании пока нет. 6. Заранее определить условие остановки эксперимента. Например, если сотрудник исправляет почти каждый ответ модели, проблема не решена — часть работы просто перенесли в проверку. Если результат хороший только на аккуратно подготовленных примерах, до продукта ещё далеко. Такая проверка одновременно отвечает на несколько дорогих вопросов: • достаточно ли данных; • нужен ли вообще отдельный интерфейс; • какие интеграции действительно обязательны; • где должен оставаться человек; • за какой результат готов платить заказчик процесса. Первый MVP может состоять из таблицы, готовой модели и ручной проверки. Его задача — не впечатлить демонстрацией, а получить доказательство пользы и набор реальных пограничных случаев. Разработку стоит начинать после того, как понятны процесс, критерий успеха и цена ошибки. Иначе компания рискует быстро и качественно построить функцию, которая никому не нужна. Какую AI‑идею в вашей компании можно было бы проверить вручную за одну неделю?