При обсуждении AI-проекта я бы начинал не с выбора модели, а с вопроса: что сейчас приходится делать человеку и что именно мы хотим изменить? «Отвечать на вопросы сотрудников» — пока слишком широкая формулировка. А вот «помогать первой линии поддержки находить актуальные инструкции и готовить ответ со ссылкой на источник» — уже задача, для которой можно обсуждать архитектуру и критерии качества. Перед выбором инструментов я хочу прояснить пять вещей: — Кто будет пользоваться системой? — Какую конкретную операцию она должна упростить? — Где лежат нужные данные и кто отвечает за их актуальность? — Какие ошибки допустимы, а где обязательно участие человека? — По каким показателям мы поймём, что решение полезно? Возьмём условный пример: сотрудник пишет «не работает VPN». Что должен сделать ассистент? Найти инструкцию? Уточнить симптомы? Проверить доступность сервиса? Создать заявку? Передать её нужной группе поддержки? Это разные задачи. Я бы не закладывал для них одну и ту же логику только потому, что интерфейс везде выглядит как чат. Поэтому мой подход — сначала описать рабочий сценарий, границы ответственности и критерии проверки. И только потом выбирать модель, поиск по базе знаний и интеграции. Мне важно не просто встроить AI в процесс, а понимать, какой участок работы он действительно улучшает. Хорошее начало проекта для меня — не «какую нейросеть возьмём?», а «какую проблему решаем и как проверим результат?». Коллеги, что сложнее в ваших проектах: собрать техническое решение или договориться, что именно считать успехом?