в IT, от сборки ПК до директора департамента
01 / Ориентир
Что показывает исследование
К середине 2026 года генеративный ИИ перешёл от экспериментов к регулярному использованию: 88% организаций сообщают о применении ИИ хотя бы в одной бизнес-функции против 78% годом ранее. При этом существенный эффект на уровне EBIT в масштабе всей организации зафиксировало меньшинство компаний.
Разрыв между использованием и трансформацией остаётся большим. Исследование связывает успешное внедрение с регулярным отслеживанием KPI по ИИ-инициативам, чёткой дорожной картой, качественными корпоративными данными и управляемой человеческой проверкой.
Данные о продуктах, возможностях, ценах и лимитах перенесены из исходного исследования и не проверялись по внешним источникам. В самом исследовании указано, что такие сведения актуальны на середину 2026 года и могут различаться по регионам и тарифам.
02 / Как читать
Три параметра каждого сценария
Практическая задача
Что именно делает инструмент, в каком процессе и на каких данных.
Сложность
Низкая, средняя или высокая сложность с учётом интеграций и участия специалистов.
Автономность
Помощник сотрудника, совместное выполнение, полуавтоматический или контролируемый автономный процесс.
Начинайте с подразделения и бизнес-задачи. Затем сверяйте инструмент, ожидаемый результат, сложность и автономность. Для сценариев с влиянием на клиентов, финансы, право или безопасность человеческая проверка остаётся обязательной.
03 / Карта
16 направлений бизнеса
- 01Стратегическое управление и работа руководителей7 сценариев
- 02Маркетинг7 сценариев
- 03Продажи7 сценариев
- 04Клиентский сервис и техническая поддержка7 сценариев
- 05Разработка продуктов и исследования7 сценариев
- 06Производство и операционная деятельность7 сценариев
- 07Закупки и управление поставщиками7 сценариев
- 08Логистика и управление цепочками поставок7 сценариев
- 09Финансы, бухгалтерия и управленческий учёт7 сценариев
- 10HR, подбор, адаптация и развитие сотрудников7 сценариев
- 11Информационные технологии и разработка ПО7 сценариев
- 12Аналитика данных и Business Intelligence7 сценариев
- 13Юридическая работа и комплаенс7 сценариев
- 14Информационная безопасность и управление рисками7 сценариев
- 15Управление проектами и административная деятельность7 сценариев
- 16Управление качеством, охрана труда и устойчивое развитие7 сценариев
Направление 01 / 16
Стратегическое управление и работа руководителей
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Синтез рыночной разведки для совета директоров
Собирает данные о конкурентах, отрасли и трендах, готовит структурированную сводку для правления.
- Инструмент
- Perplexity Enterprise Pro или ChatGPT с Deep Research.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование и проверка информации с цитированием источников.
- Пример
- Перед стратегической сессией руководитель получает отчёт по пяти конкурентам за 20 минут.
- Результат
- Сокращение времени подготовки аналитики для топ-менеджмента.
Многоэтапная подготовка стратегического обзора
Собирает финансовые, рыночные и внутренние данные, формирует черновик презентации для правления автономно.
- Инструмент
- ChatGPT (агентные функции на базе Enterprise).
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, работа с файлами, создание документов.
- Пример
- Агент собирает квартальные отчёты, рыночные данные и внутренние KPI, готовит проект слайдов, оставляя спорные выводы на проверку руководителю.
- Результат
- Ускорение цикла подготовки управленческой отчётности.
Сценарное моделирование решений
Формирует несколько вариантов стратегических решений с оценкой рисков и последствий на основе вводных данных.
- Инструмент
- Claude Opus (глубокое рассуждение).
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ и генерация сценариев.
- Пример
- Руководитель описывает решение о выходе на новый рынок, получает три сценария с рисками.
- Результат
- Повышение обоснованности управленческих решений.
Разбор длинных документов и меморандумов
Извлекает ключевые тезисы, риски и противоречия из объёмных инвестиционных меморандумов и контрактов.
- Инструмент
- Claude или NotebookLM (длинный контекст, работа с источниками).
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Анализ документов с сохранением ссылок на источник.
- Пример
- Перед сделкой M&A совет директоров получает выжимку из 300-страничного меморандума с указанием разделов.
- Результат
- Снижение времени на первичную юридическую и финансовую проверку.
Мониторинг исполнения OKR и KPI подразделений
Анализирует данные из корпоративных систем и формирует еженедельные отчёты об отклонениях от целевых показателей.
- Инструмент
- ChatGPT Enterprise с коннекторами к внутренним системам.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ данных и автоматизация отчётности.
- Пример
- Агент подключается к CRM и BI-системе, ежедневно формирует сводку отклонений для директора.
- Результат
- Раннее выявление отставания подразделений от плана.
Подготовка речей и коммуникаций для сотрудников
Формирует черновики внутренних обращений руководителя с учётом тона компании и контекста ситуации.
- Инструмент
- ChatGPT или Claude с настроенным стилем компании.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация контента на основе заданного контекста.
- Пример
- Перед реструктуризацией готовится черновик обращения к сотрудникам, который редактируется HR-директором.
- Результат
- Сокращение времени подготовки внутренних коммуникаций.
Симуляция вопросов инвесторов и стресс-тест позиции
Генерирует вероятные вопросы инвесторов и аналитиков на основе финансовых данных компании для подготовки к встречам.
- Инструмент
- Claude или ChatGPT с загруженной финансовой отчётностью.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и генерация диалоговых сценариев.
- Пример
- Перед раундом инвестиций CEO тренируется отвечать на сложные вопросы, сгенерированные на основе отчёта о прибылях и убытках.
- Результат
- Повышение качества подготовки к переговорам с инвесторами.
Направление 02 / 16
Маркетинг
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Формирование Jobs to Be Done
Анализирует интервью клиентов и формулирует задачи для создания рекламы, посадочных страниц и социальных публикаций.
- Инструмент
- ChatGPT Enterprise или Claude.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ интервью и кластеризация информации.
- Пример
- Компания загружает расшифровки 20 клиентских интервью и получает карту потребностей.
- Результат
- Повышение точности позиционирования и конверсии рекламных материалов.
Адаптация контента под разные каналы
Собирает исходные материалы и готовит адаптированные черновики публикаций для разных социальных сетей компании.
- Инструмент
- ChatGPT или Gemini (мультимодальность).
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация контента и обработка изображений.
- Пример
- Одна статья превращается в посты для LinkedIn, Instagram и Telegram с учётом формата.
- Результат
- Сокращение времени подготовки контент-плана.
Автоматизированный анализ конкурентной рекламы
Отслеживает и систематизирует рекламные креативы конкурентов, выявляя повторяющиеся сообщения и офферы.
- Инструмент
- Perplexity Enterprise Pro с веб-поиском.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Исследование и проверка информации.
- Пример
- Маркетолог получает еженедельную сводку новых кампаний трёх конкурентов с ссылками на источники.
- Результат
- Более быстрая реакция на рыночные изменения.
Многоэтапный запуск кампании
Собирает бриф, исследует аудиторию, готовит тексты, медиаплан и таблицу бюджета для запуска кампании.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, работа с файлами, создание таблиц и документов.
- Пример
- Агент получает бриф на новый продукт, за несколько часов готовит пакет материалов и передаёт спорные вопросы бренд-менеджеру на согласование.
- Результат
- Ускорение цикла запуска кампании.
Анализ тональности и восприятия бренда
Обрабатывает отзывы, комментарии и упоминания бренда, выявляя изменения тональности и повторяющиеся темы.
- Инструмент
- Claude или ChatGPT с анализом данных (Advanced Data Analysis).
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и классификация текста.
- Пример
- Загружаются 5000 отзывов за квартал, система выделяет топ-5 повторяющихся жалоб.
- Результат
- Раннее выявление проблем с продуктом или сервисом.
Персонализация email- и лид-магнитов
Генерирует персонализированные версии писем и лид-магнитов на основе сегментов клиентской базы.
- Инструмент
- ChatGPT с интеграцией CRM через API.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Генерация контента и автоматизация рассылки.
- Пример
- Для трёх сегментов B2B-клиентов автоматически создаются разные версии коммерческого предложения.
- Результат
- Повышение отклика на email-кампании.
Видео- и аудиоконтент из текстовых материалов
Преобразует статьи и вебинары в видеоролики, подкасты и краткие аудиообзоры для соцсетей.
- Инструмент
- NotebookLM (Audio Overviews) в сочетании с видеогенераторами.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Обработка аудио и создание новых форматов контента.
- Пример
- Длинная white paper превращается в десятиминутный подкаст-обзор для рассылки клиентам.
- Результат
- Расширение охвата аудитории за счёт новых форматов.
Направление 03 / 16
Продажи
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Квалификация и приоритизация лидов
Анализирует данные CRM и поведенческие сигналы, ранжируя лиды по вероятности закрытия сделки.
- Инструмент
- Классическое машинное обучение в CRM в сочетании с ChatGPT для интерпретации.
- Сложность
- Средняя
- Автономность
- Помощник сотрудника.
- Возможность
- Анализ данных, не генеративная классификация.
- Пример
- Система выделяет топ-20 лидов недели с обоснованием приоритета для менеджера.
- Результат
- Повышение конверсии из лида в сделку.
Подготовка индивидуальных коммерческих предложений
Собирает данные о клиенте из CRM и переписки, формирует персонализированное предложение с учётом истории взаимодействия.
- Инструмент
- ChatGPT Enterprise с коннектором к CRM.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Работа с корпоративными данными и генерация документов.
- Пример
- Перед встречей менеджер получает готовый черновик КП с учётом прошлых возражений клиента.
- Результат
- Сокращение времени подготовки предложений.
Тренировка возражений и ролевые игры
Симулирует диалог с трудным клиентом, отрабатывая типовые возражения перед реальными переговорами.
- Инструмент
- Claude или ChatGPT в режиме диалога.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация диалоговых сценариев.
- Пример
- Новый сотрудник отдела продаж тренируется отвечать на возражения по цене перед первым звонком.
- Результат
- Сокращение адаптационного периода новых продавцов.
Анализ записей звонков и выявление паттернов успеха
Обрабатывает транскрипты звонков, выявляя фразы и приёмы, коррелирующие с успешным закрытием сделки.
- Инструмент
- Claude (длинный контекст) с загрузкой транскриптов.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ текста и выявление закономерностей.
- Пример
- Анализ 200 звонков выявляет три фразы, повышающие вероятность сделки.
- Результат
- Улучшение сценариев продаж на основе фактических данных.
Автоматическое заполнение CRM после звонка
Извлекает ключевые данные из записи или транскрипта звонка и автоматически заполняет поля CRM.
- Инструмент
- Codex-скрипт интеграции ASR-системы с CRM API.
- Сложность
- Высокая (требует разработчика).
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Автоматизация и программная интеграция.
- Пример
- После звонка данные о договорённостях автоматически попадают в карточку клиента без ручного ввода.
- Результат
- Сокращение административной нагрузки на продавцов.
Прогноз выручки на основе воронки продаж
Анализирует историческую динамику воронки и текущие сделки, формируя прогноз выполнения плана продаж.
- Инструмент
- Классическое машинное обучение в BI-системе, интерпретация через ChatGPT.
- Сложность
- Средняя
- Автономность
- Помощник сотрудника.
- Возможность
- Анализ данных, не генеративное предсказание.
- Пример
- Руководитель отдела продаж получает еженедельный прогноз с указанием сделок под риском.
- Результат
- Более точное планирование выручки.
Многоэтапная подготовка к крупной сделке
Исследует компанию-клиента, готовит бизнес-кейс, презентацию и таблицу ROI для сделки.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Исследование, работа с файлами, создание презентаций и таблиц.
- Пример
- Агент собирает публичную информацию о клиенте, готовит презентацию с расчётом окупаемости и передаёт на проверку менеджеру перед встречей.
- Результат
- Повышение качества подготовки к крупным сделкам.
Направление 04 / 16
Клиентский сервис и техническая поддержка
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Классификация и маршрутизация обращений
Автоматически определяет тему и приоритет обращения клиента, направляя его нужному специалисту.
- Инструмент
- Классическое машинное обучение или ChatGPT API с классификатором.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Автоматизация и классификация текста.
- Пример
- Обращение о возврате средств автоматически направляется в финансовый отдел, минуя общую очередь.
- Результат
- Сокращение времени первого ответа клиенту.
Черновики ответов для операторов поддержки
Предлагает оператору готовый черновик ответа на основе истории обращений клиента и базы знаний.
- Инструмент
- ChatGPT с подключённой базой знаний компании (RAG).
- Сложность
- Средняя
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация с использованием корпоративных знаний.
- Пример
- Оператор получает готовый ответ на типовой вопрос и лишь корректирует детали.
- Результат
- Сокращение среднего времени обработки обращения.
Автономный чат-бот первой линии
Самостоятельно отвечает на типовые вопросы клиентов, эскалируя сложные случаи живому оператору.
- Инструмент
- ChatGPT или Claude, встроенные в канал поддержки через API.
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Агентное выполнение с передачей эскалаций человеку.
- Пример
- Бот закрывает вопросы о статусе заказа без участия человека, сложные жалобы передаёт оператору.
- Результат
- Снижение нагрузки на линию поддержки первого уровня.
Анализ причин повторных обращений
Выявляет повторяющиеся причины обращений клиентов для устранения корневых проблем продукта или процесса.
- Инструмент
- Claude или ChatGPT с анализом больших массивов тикетов.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и выявление закономерностей.
- Пример
- Анализ 10 000 тикетов показывает, что 30% связаны с одной и той же ошибкой интерфейса.
- Результат
- Снижение количества повторных обращений после устранения проблемы.
Многоязычная поддержка без штата переводчиков
Переводит и адаптирует ответы поддержки на язык клиента с сохранением тона бренда.
- Инструмент
- Gemini или ChatGPT (сильная мультиязычность).
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация и перевод текста.
- Пример
- Одна база ответов обслуживает клиентов на восьми языках без отдельной команды.
- Результат
- Расширение географии поддержки без увеличения штата.
Автоматическое обновление базы знаний
Анализирует новые обращения и предлагает добавления или правки в статьи базы знаний поддержки.
- Инструмент
- Codex-скрипт в связке с ChatGPT для анализа расхождений.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ данных и автоматизация обновления документации.
- Пример
- Система выявляет вопрос, не покрытый базой знаний, и предлагает черновик новой статьи модератору.
- Результат
- Сокращение устаревания базы знаний.
Оценка качества обслуживания по звонкам
Анализирует записи звонков операторов на соответствие скрипту, эмпатию и решение проблемы клиента.
- Инструмент
- Claude с обработкой аудио/транскриптов.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ аудио и оценка по критериям.
- Пример
- Руководитель получает еженедельный отчёт по 100% звонков вместо выборочной проверки 5%.
- Результат
- Повышение равномерности качества обслуживания.
Направление 05 / 16
Разработка продуктов и исследования
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Синтез пользовательских исследований
Обрабатывает результаты опросов, интервью и UX-тестов, выделяя приоритетные проблемы пользователей.
- Инструмент
- NotebookLM или Claude с загрузкой всех источников.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и синтез инсайтов с цитированием.
- Пример
- Продуктовая команда загружает 15 UX-тестов и получает карту болевых точек с ссылками на конкретные интервью.
- Результат
- Сокращение времени перехода от исследования к продуктовым решениям.
Быстрое прототипирование интерфейсов
Создаёт работающий прототип интерфейса или функции на основе текстового описания идеи.
- Инструмент
- Codex (генерация кода для веб-прототипа).
- Сложность
- Средняя (постановка задачи доступна бизнес-пользователю, финальная проверка — разработчику).
- Автономность
- Совместное выполнение.
- Возможность
- Программирование и создание прототипов.
- Пример
- Продакт-менеджер описывает идею фильтра поиска, Codex создаёт кликабельный прототип за час; требует проверки разработчиком перед продакшеном.
- Результат
- Ускорение цикла проверки гипотез.
Анализ отзывов о конкурентных продуктах
Исследует публичные обзоры и форумы, чтобы выявить сильные и слабые стороны продуктов конкурентов.
- Инструмент
- Perplexity Enterprise Pro с проверяемым поиском.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование и проверка информации.
- Пример
- Команда получает отчёт о трёх главных жалобах на продукт конкурента с прямыми ссылками на отзывы.
- Результат
- Более обоснованные решения о приоритетах разработки.
Автоматическая генерация тестовой документации
Формирует тест-кейсы и сценарии тестирования на основе технического описания функции.
- Инструмент
- Codex или ChatGPT с доступом к спецификации.
- Сложность
- Средняя
- Автономность
- Помощник сотрудника.
- Возможность
- Программирование и генерация документации.
- Пример
- По описанию новой формы регистрации создаётся набор из 25 тест-кейсов для QA-команды.
- Результат
- Сокращение времени подготовки тестового покрытия.
Анализ научных публикаций и патентов
Исследует и суммирует релевантные научные статьи и патенты для оценки технической осуществимости идеи.
- Инструмент
- Perplexity или NotebookLM.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Исследование с проверкой первичных источников.
- Пример
- Команда R&D получает обзор 20 патентов по смежной технологии перед началом разработки.
- Результат
- Снижение риска патентных конфликтов на раннем этапе.
Автоматизация регрессионного тестирования кода
Анализирует изменения в коде и предлагает или запускает соответствующие тесты для проверки регрессий.
- Инструмент
- Codex с интеграцией в CI/CD.
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ кода и автоматизация тестирования, требует участия разработчика.
- Пример
- При каждом pull request Codex предлагает недостающие тест-кейсы для новой функции.
- Результат
- Снижение количества дефектов, попадающих в продакшен.
Многоэтапная подготовка отчёта о запуске продукта
Собирает данные о пилотном запуске из нескольких систем, анализирует метрики и готовит итоговый отчёт с рекомендациями.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, анализ данных, создание документов.
- Пример
- Агент собирает данные из аналитики, поддержки и опросов после запуска бета-версии, готовит отчёт и выносит спорные метрики на обсуждение команде.
- Результат
- Ускорение принятия решения о масштабировании продукта.
Направление 06 / 16
Производство и операционная деятельность
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Анализ причин простоев оборудования
Обрабатывает журналы обслуживания и датчиков, выявляя закономерности, предшествующие остановкам оборудования.
- Инструмент
- Классическое машинное обучение (предиктивная аналитика), интерпретация через ChatGPT.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, не генеративное прогнозирование.
- Пример
- Инженер получает отчёт о том, что определённая вибрация предшествует 70% отказов конвейера.
- Результат
- Снижение незапланированных простоев.
Генерация стандартных операционных процедур
Формирует черновики регламентов и инструкций на основе описания процесса от технического специалиста.
- Инструмент
- ChatGPT или Claude.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация документов на основе структурированного ввода.
- Пример
- Инженер описывает новый производственный процесс, получает готовый черновик СОП для проверки службой качества.
- Результат
- Сокращение времени подготовки регламентирующей документации.
Визуальный контроль качества продукции
Анализирует фотографии продукции для выявления дефектов на основе заданных критериев.
- Инструмент
- Специализированные модели компьютерного зрения (не универсальные LLM) в сочетании с Gemini для отчётности.
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Обработка изображений, классическое компьютерное зрение.
- Пример
- Система отмечает бракованные детали на линии по фотографиям с камер.
- Результат
- Снижение доли пропущенного брака.
Оптимизация производственного графика
Анализирует загрузку оборудования и заказы, предлагая оптимальную последовательность производственных операций.
- Инструмент
- Классические алгоритмы оптимизации (не LLM) с интерфейсом на базе ChatGPT для объяснения решений.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Классическая оптимизация плюс генеративное объяснение результата.
- Пример
- Планировщик получает объяснённый на простом языке график загрузки станков на неделю.
- Результат
- Повышение коэффициента использования оборудования.
Автоматизация отчётности по производственным показателям
Собирает данные из систем MES/ERP и формирует ежедневный отчёт по ключевым показателям производства.
- Инструмент
- Codex-скрипт интеграции с ERP плюс ChatGPT для текстового резюме.
- Сложность
- Средняя (требует разработчика для интеграции).
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация и генерация резюме.
- Пример
- Каждое утро руководитель цеха получает готовый отчёт без ручного сведения данных из трёх систем.
- Результат
- Сокращение времени на подготовку операционной отчётности.
Помощник оператора по регламентам и инструкциям
Отвечает на вопросы операторов о процедурах на основе внутренней документации без поиска в бумажных папках.
- Инструмент
- NotebookLM или ChatGPT с базой корпоративных регламентов.
- Сложность
- Средняя
- Автономность
- Помощник сотрудника.
- Возможность
- Работа с корпоративными знаниями через RAG.
- Пример
- Оператор на линии спрашивает голосом о порядке действий при сбое и получает точную выдержку из регламента.
- Результат
- Сокращение времени простоя из-за поиска информации.
Анализ энергопотребления и предложений по экономии
Обрабатывает данные датчиков энергопотребления, выявляя аномалии и возможности оптимизации.
- Инструмент
- Классическая аналитика данных с интерпретацией через Claude или ChatGPT.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, не генеративное моделирование.
- Пример
- Аналитик получает отчёт о цехе с наибольшим отклонением энергопотребления от нормы.
- Результат
- Снижение затрат на энергоресурсы.
Направление 07 / 16
Закупки и управление поставщиками
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Анализ и сравнение коммерческих предложений
Сравнивает условия нескольких поставщиков по цене, срокам и рискам, формируя рекомендацию.
- Инструмент
- ChatGPT или Claude с загрузкой всех предложений.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и сравнение данных.
- Пример
- Закупщик загружает пять предложений на поставку сырья и получает сравнительную таблицу с рекомендацией.
- Результат
- Сокращение времени на анализ тендерных предложений.
Проверка надёжности новых поставщиков
Исследует публичную информацию о финансовом состоянии, репутации и юридических рисках потенциального поставщика.
- Инструмент
- Perplexity Enterprise Pro.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование с проверкой источников.
- Пример
- Перед подписанием контракта закупщик получает отчёт о судебных делах и финансовой устойчивости компании-поставщика.
- Результат
- Снижение риска работы с недобросовестным поставщиком.
Автоматизация анализа договоров закупки
Извлекает ключевые условия, риски и отклонения от стандартных условий из договоров поставки.
- Инструмент
- Claude (длинный контекст для юридических текстов).
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и выявление отклонений.
- Пример
- Юрист получает список из десяти пунктов договора, отличающихся от типовой формы компании.
- Результат
- Сокращение времени юридической проверки договоров закупки.
Прогноз потребности в закупках
Анализирует историю потребления и производственный план для прогноза объёмов закупки на следующий период.
- Инструмент
- Классическое машинное обучение, интерпретация через ChatGPT.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, не генеративное прогнозирование.
- Пример
- Система предлагает объём закупки комплектующих на квартал с учётом сезонности.
- Результат
- Снижение излишков и дефицита запасов.
Автоматизация переговорной переписки с поставщиками
Готовит черновики писем с обоснованием запроса на снижение цены на основе рыночных данных.
- Инструмент
- ChatGPT Enterprise с исследовательской функцией.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование и генерация переговорных материалов.
- Пример
- Закупщик получает письмо-обоснование с ссылками на текущие рыночные цены на сырьё.
- Результат
- Повышение результативности переговоров о цене.
Многоэтапный аудит базы поставщиков
Собирает данные по всем действующим поставщикам, оценивает риски концентрации и предлагает план диверсификации.
- Инструмент
- Агентные функции ChatGPT Enterprise, подключённые к ERP.
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, анализ данных, создание отчёта.
- Пример
- Агент анализирует 200 поставщиков, выявляет зависимость от трёх ключевых, готовит план диверсификации для проверки директором по закупкам.
- Результат
- Снижение риска сбоев поставок из-за концентрации.
Автоматизация сверки счетов и заказов
Сопоставляет счета поставщиков с заказами на покупку и накладными, выявляя расхождения.
- Инструмент
- Codex-скрипт интеграции с учётной системой.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация и анализ данных.
- Пример
- Система автоматически помечает счета с расхождением суммы более 5% для проверки бухгалтером.
- Результат
- Сокращение ошибок и переплат по счетам поставщиков.
Направление 08 / 16
Логистика и управление цепочками поставок
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Прогнозирование сроков доставки
Анализирует исторические данные о перевозках для прогноза вероятной задержки конкретной поставки.
- Инструмент
- Классическое машинное обучение, отчёт формируется через ChatGPT.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, не генеративное предсказание.
- Пример
- Логист получает предупреждение о вероятной задержке контейнера за неделю до плановой даты.
- Результат
- Снижение случаев несвоевременного информирования клиентов о задержках.
Автоматическая обработка транспортных документов
Извлекает данные из накладных, коносаментов и таможенных деклараций в структурированную форму.
- Инструмент
- Gemini или ChatGPT с обработкой изображений документов.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Обработка изображений и извлечение данных.
- Пример
- Сканы 50 накладных за день автоматически превращаются в таблицу для учётной системы.
- Результат
- Сокращение ручного ввода данных логистическими операторами.
Оптимизация маршрутов доставки
Рассчитывает оптимальные маршруты с учётом ограничений транспорта, окон доставки и дорожной ситуации.
- Инструмент
- Классические алгоритмы маршрутизации (не LLM), не генеративный ИИ.
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Классическая оптимизация, LLM не является лучшим решением здесь.
- Пример
- Система строит маршрут для 30 точек доставки с минимальным пробегом.
- Результат
- Снижение транспортных расходов на километр.
Мониторинг новостей о нарушениях цепочки поставок
Отслеживает новости о забастовках, погодных условиях и геополитических событиях, влияющих на маршруты поставок.
- Инструмент
- Perplexity Enterprise Pro с настроенными темами поиска.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование и мониторинг с проверкой источников.
- Пример
- Система предупреждает о закрытии порта за два дня до официального объявления в местных СМИ.
- Результат
- Сокращение случаев непредвиденных задержек поставок.
Автоматизация складской документации
Формирует акты приёмки, накладные и отчёты о движении товара на основе данных складского учёта.
- Инструмент
- Codex-скрипт интеграции со складской системой (WMS).
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация документооборота.
- Пример
- При каждой отгрузке автоматически формируется комплект сопроводительных документов.
- Результат
- Сокращение времени оформления отгрузок.
Анализ причин возвратов и потерь при транспортировке
Обрабатывает данные о возвратах и повреждениях товара, выявляя закономерности по маршрутам и перевозчикам.
- Инструмент
- Claude или ChatGPT с анализом данных.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и выявление закономерностей.
- Пример
- Анализ показывает, что 40% повреждений происходит у одного конкретного перевозчика.
- Результат
- Снижение доли повреждённых поставок при пересмотре контракта с перевозчиком.
Многоэтапное построение плана реагирования на сбой поставки
Собирает данные о статусе заказов, ищет альтернативных поставщиков и готовит план действий при сбое.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, исследование, создание плана.
- Пример
- При задержке ключевой поставки агент ищет альтернативных поставщиков в регионе и готовит план перехода для утверждения руководителем логистики.
- Результат
- Сокращение времени простоя производства из-за сбоев поставок.
Направление 09 / 16
Финансы, бухгалтерия и управленческий учёт
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Автоматизация первичной обработки счетов
Извлекает данные из входящих счетов и накладных, формируя проводки для учётной системы.
- Инструмент
- Codex-скрипт интеграции OCR с 1С/SAP или ChatGPT для обработки изображений счетов.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Обработка изображений, программная автоматизация.
- Пример
- Бухгалтер получает готовые проводки по 100 счетам за день вместо ручного ввода.
- Результат
- Сокращение времени на обработку первичной документации.
Анализ отклонений бюджета от факта
Сравнивает плановые и фактические показатели, объясняя причины отклонений по статьям расходов.
- Инструмент
- ChatGPT Enterprise с Advanced Data Analysis.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и генерация текстового пояснения.
- Пример
- Финансовый директор получает объяснение, почему расходы на маркетинг превысили план на 15%.
- Результат
- Сокращение времени подготовки пояснительной записки к бюджету.
Подготовка черновиков финансовой отчётности
Формирует текстовые разделы отчёта на основе финансовых данных, оставляя цифры для верификации бухгалтером.
- Инструмент
- Claude или ChatGPT.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Генерация текста на основе структурированных данных.
- Пример
- Черновик пояснительной записки к квартальному отчёту готовится за минуты вместо нескольких часов.
- Результат
- Сокращение времени подготовки регулярной отчётности.
Выявление подозрительных транзакций
Анализирует потоки транзакций для выявления аномалий, указывающих на возможное мошенничество или ошибки.
- Инструмент
- Классическое машинное обучение (не генеративный ИИ) для аномалий, ChatGPT для формирования отчёта.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, классический ML.
- Пример
- Система помечает пять транзакций с нетипичным паттерном для проверки внутренним аудитом.
- Результат
- Раннее выявление финансовых злоупотреблений.
Многоэтапная подготовка финансовой модели
Собирает исторические данные, строит прогнозную модель и готовит презентацию для инвестиционного комитета.
- Инструмент
- Агентные функции ChatGPT Enterprise с Advanced Data Analysis.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ данных, программирование расчётов, создание презентации.
- Пример
- Агент строит модель денежных потоков на три года и выносит ключевые допущения на проверку финансовому директору.
- Результат
- Ускорение подготовки финансовых моделей для сделок.
Автоматизация сверки внутригрупповых расчётов
Сопоставляет данные между дочерними компаниями для выявления расхождений во внутригрупповых операциях.
- Инструмент
- Codex-скрипт для автоматической сверки данных из нескольких систем учёта.
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация и анализ данных, требует разработчика.
- Пример
- Система автоматически формирует список расхождений между филиалами перед консолидацией отчётности.
- Результат
- Сокращение времени подготовки консолидированной отчётности.
Ответы на вопросы сотрудников по финансовой политике
Отвечает на типовые вопросы сотрудников о командировочных расходах, лимитах и процедурах возмещения.
- Инструмент
- NotebookLM или ChatGPT с базой внутренних финансовых регламентов.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Работа с корпоративными знаниями.
- Пример
- Сотрудник получает точный ответ о лимите суточных без обращения в бухгалтерию.
- Результат
- Снижение нагрузки на бухгалтерию по типовым вопросам.
Направление 10 / 16
HR, подбор, адаптация и развитие сотрудников
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Скрининг резюме и первичный отбор кандидатов
Анализирует резюме на соответствие требованиям вакансии, формируя ранжированный список кандидатов.
- Инструмент
- ChatGPT или специализированный ATS с ИИ-модулем.
- Сложность
- Средняя
- Автономность
- Помощник сотрудника (требует проверки на дискриминационные искажения).
- Возможность
- Анализ документов и ранжирование.
- Пример
- Из 300 резюме система выделяет 20 наиболее подходящих с пояснением критериев отбора.
- Результат
- Сокращение времени первичного отбора кандидатов.
Подготовка вопросов для интервью под конкретную роль
Формирует список вопросов для собеседования на основе описания вакансии и резюме кандидата.
- Инструмент
- Claude или ChatGPT.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация контента на основе двух источников.
- Пример
- Рекрутёр получает индивидуальный список вопросов, учитывающий пробелы в опыте конкретного кандидата.
- Результат
- Повышение качества и глубины собеседований.
Персонализированные программы адаптации новых сотрудников
Формирует индивидуальный план онбординга на основе роли, опыта и подразделения нового сотрудника.
- Инструмент
- NotebookLM с базой корпоративных материалов по адаптации.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Работа с корпоративными знаниями и генерация плана.
- Пример
- Новый сотрудник получает персонализированный план первых 30 дней со ссылками на внутренние документы.
- Результат
- Сокращение срока выхода нового сотрудника на полную продуктивность.
Анализ текучести персонала и её причин
Обрабатывает данные exit-интервью и опросов удовлетворённости, выявляя ключевые факторы увольнений.
- Инструмент
- Claude или ChatGPT с анализом текстовых массивов.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и кластеризация тем.
- Пример
- HR-директор получает отчёт о трёх главных причинах увольнений в отделе продаж за год.
- Результат
- Снижение текучести за счёт устранения выявленных причин.
Многоэтапное построение системы обучения и развития
Анализирует пробелы в компетенциях по подразделению и формирует программу обучения с материалами и планом.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ данных, исследование, создание учебных материалов.
- Пример
- Агент анализирует результаты оценки компетенций команды, находит внешние курсы и готовит план развития для утверждения HR-бизнес-партнёром.
- Результат
- Повышение соответствия навыков сотрудников требованиям бизнеса.
Автоматизация ответов на типовые HR-запросы сотрудников
Отвечает на вопросы сотрудников об отпусках, льготах и внутренних процедурах на основе базы знаний компании.
- Инструмент
- ChatGPT или NotebookLM, интегрированный во внутренний портал.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Работа с корпоративными знаниями через RAG.
- Пример
- Сотрудник получает мгновенный ответ о порядке оформления больничного без обращения в HR.
- Результат
- Снижение нагрузки на HR-отдел по рутинным запросам.
Анализ вовлечённости персонала по результатам опросов
Обрабатывает открытые ответы опросов вовлечённости, выявляя темы и настроения по подразделениям.
- Инструмент
- Claude с анализом текстов открытых вопросов.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и классификация тональности.
- Пример
- Руководство получает разбивку настроений по десяти отделам с конкретными цитатами сотрудников.
- Результат
- Точечная работа с проблемными подразделениями вместо общих мер.
Направление 11 / 16
Информационные технологии и разработка ПО
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Ускоренная генерация и рефакторинг кода
Пишет, дополняет и переписывает код по текстовому описанию задачи с последующей проверкой разработчиком.
- Инструмент
- Codex (агентный режим, параллельные агенты в изолированных Git Worktree).
- Сложность
- Средняя
- Автономность
- Совместное выполнение (требует разработчика для ревью).
- Возможность
- Программирование.
- Пример
- Разработчик поручает Codex рефакторинг устаревшего модуля, проверяет diff перед мерджем.
- Результат
- Ускорение цикла разработки на измеримую величину для команд, интегрировавших ИИ в процесс.
Автоматическое тестирование и поиск уязвимостей
Анализирует код на наличие ошибок, уязвимостей и предлагает исправления перед релизом.
- Инструмент
- Codex Security (режим анализа безопасности).
- Сложность
- Высокая, требует разработчика.
- Автономность
- Полуавтоматический процесс.
- Возможность
- Анализ кода и автоматизация тестирования.
- Пример
- Перед релизом Codex сканирует изменённые файлы и находит потенциальную уязвимость внедрения кода.
- Результат
- Снижение числа уязвимостей, попадающих в продакшен.
Разбор незнакомой кодовой базы
Объясняет структуру и логику работы кода при передаче проекта новому разработчику или подрядчику.
- Инструмент
- ChatGPT с подключением к репозиторию через коннектор GitHub.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Анализ кода и объяснение на естественном языке.
- Пример
- Новый разработчик получает объяснение архитектуры legacy-системы за час вместо недели изучения.
- Результат
- Сокращение времени погружения новых членов команды.
Автономные фоновые агенты для вспомогательных задач
Выполняет фоновые задачи на компьютере разработчика — тестирование интерфейса, мелкие правки — без прерывания основной работы.
- Инструмент
- Codex с функцией «background computer use» (пока доступна только на macOS).
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Агентное выполнение с прямым управлением приложениями.
- Пример
- Пока разработчик работает над новой функцией, второй агент Codex тестирует изменения фронтенда в фоне.
- Результат
- Увеличение параллельности разработки без увеличения штата.
Создание внутренних инструментов без отдельной команды разработки
Технически подготовленный сотрудник описывает задачу, и создаётся рабочий внутренний инструмент или скрипт.
- Инструмент
- Codex, поставленный технически грамотным бизнес-пользователем (не обязательно профессиональным разработчиком).
- Сложность
- Средняя (постановка — бизнес-пользователь, финальная проверка безопасности — ИТ).
- Автономность
- Совместное выполнение.
- Возможность
- Программирование по описанию задачи.
- Пример
- Аналитик описывает задачу автоматизации выгрузки отчётов, получает работающий скрипт для регулярного запуска.
- Результат
- Снижение зависимости небольших задач от ИТ-отдела.
Автоматизация DevOps-процессов и написание документации
Генерирует конфигурации CI/CD, скрипты развёртывания и техническую документацию к коду.
- Инструмент
- Codex с интеграциями (GitLab Issues, CodeRabbit).
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Программирование и автоматизация инфраструктурных задач, требует разработчика.
- Пример
- Codex готовит pull request с обновлённой конфигурацией развёртывания и описанием изменений.
- Результат
- Сокращение времени на подготовку релизов.
Мониторинг и приоритизация технического долга
Анализирует кодовую базу целиком, выявляя участки с наибольшим риском и накопленным техническим долгом.
- Инструмент
- Codex в связке с ChatGPT для формирования приоритизированного отчёта.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ кода в масштабе всего репозитория.
- Пример
- Технический директор получает карту участков кода с наивысшим риском для планирования рефакторинга.
- Результат
- Более обоснованное распределение ресурсов разработки на техдолг.
Направление 12 / 16
Аналитика данных и Business Intelligence
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Диалоговый анализ данных без написания запросов
Отвечает на вопросы о данных на естественном языке, самостоятельно формируя и выполняя запросы к таблицам.
- Инструмент
- ChatGPT Advanced Data Analysis или Gemini в Google Sheets.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Анализ данных и программирование запросов.
- Пример
- Менеджер спрашивает «какой регион показал наибольший спад продаж в июне» и получает график с расчётом.
- Результат
- Снижение зависимости бизнес-пользователей от аналитиков для простых вопросов.
Автоматическая подготовка регулярной отчётности
Собирает данные из нескольких источников и формирует стандартизированный отчёт по заданному шаблону.
- Инструмент
- Codex-скрипт для сбора данных плюс ChatGPT для текстового резюме.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация и генерация резюме.
- Пример
- Еженедельный отчёт по продажам собирается автоматически из CRM, склада и финансовой системы.
- Результат
- Сокращение времени, затрачиваемого аналитиками на рутинную отчётность.
Объяснение аномалий в данных на понятном языке
Анализирует необычные отклонения в метриках и формулирует вероятные причины на естественном языке.
- Инструмент
- Claude или ChatGPT с доступом к данным через Advanced Data Analysis.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и генерация объяснения.
- Пример
- Система объясняет, что скачок расходов связан с разовой закупкой оборудования, а не системной проблемой.
- Результат
- Снижение времени на интерпретацию отчётов руководством.
Многоэтапное исследование и построение дашборда
Собирает данные из нескольких таблиц, строит визуализации и готовит интерактивный дашборд по запросу.
- Инструмент
- NotebookLM (генерация графиков и документов из источников) или ChatGPT с Advanced Data Analysis.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, программирование, создание визуализаций.
- Пример
- Аналитик загружает три квартальных отчёта, получает набор графиков и сводную таблицу для презентации.
- Результат
- Ускорение подготовки аналитических материалов для совещаний.
Прогнозная аналитика спроса и продаж
Строит статистические прогнозы на основе исторических рядов данных с учётом сезонности.
- Инструмент
- Классическое машинное обучение (не генеративный ИИ), интерпретация результатов через ChatGPT.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных, классические статистические модели.
- Пример
- Аналитик получает прогноз спроса на следующий квартал с доверительным интервалом.
- Результат
- Снижение ошибок планирования запасов.
Автоматизация очистки и подготовки данных
Выявляет дубликаты, пропуски и ошибки в данных, предлагая или выполняя автоматическую очистку.
- Инструмент
- Codex-скрипт на Python для обработки данных.
- Сложность
- Средняя (постановка доступна технически подготовленному аналитику).
- Автономность
- Полуавтоматический процесс.
- Возможность
- Программирование и автоматизация обработки данных.
- Пример
- Перед загрузкой в BI-систему скрипт автоматически исправляет 15% записей с некорректным форматом дат.
- Результат
- Повышение достоверности отчётов за счёт качества исходных данных.
Перевод бизнес-вопросов в аналитические гипотезы
Помогает сформулировать проверяемые гипотезы и метрики на основе размытого бизнес-вопроса руководителя.
- Инструмент
- Claude или ChatGPT в режиме диалога.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ и структурирование задачи.
- Пример
- Вопрос «почему падают продажи» превращается в пять конкретных гипотез с указанием нужных данных для проверки.
- Результат
- Повышение целенаправленности аналитической работы.
Направление 13 / 16
Юридическая работа и комплаенс
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Первичный анализ договоров и выявление рисков
Извлекает ключевые условия и нетипичные пункты из договора, сравнивая со стандартной формой компании.
- Инструмент
- Claude (длинный контекст для юридических текстов).
- Сложность
- Низкая
- Автономность
- Совместное выполнение — окончательное решение всегда за юристом.
- Возможность
- Анализ документов.
- Пример
- Юрист получает список из семи пунктов договора аренды, отклоняющихся от типового шаблона компании, для дальнейшей проверки.
- Результат
- Сокращение времени первичного юридического ревью.
Мониторинг изменений законодательства
Отслеживает изменения в отраслевом регулировании, релевантные деятельности компании.
- Инструмент
- Perplexity Enterprise Pro с настроенным мониторингом тем.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Исследование с проверкой первоисточников.
- Пример
- Комплаенс-офицер получает уведомление об изменении требований к обработке персональных данных со ссылкой на официальный документ.
- Результат
- Снижение риска несоответствия новым нормам из-за упущенных изменений.
Подготовка черновиков типовых юридических документов
Формирует черновики NDA, стандартных договоров и писем на основе шаблонов компании.
- Инструмент
- ChatGPT или Claude с загруженными шаблонами компании.
- Сложность
- Низкая
- Автономность
- Совместное выполнение (юрист проверяет перед отправкой).
- Возможность
- Генерация документов на основе образца.
- Пример
- Черновик NDA для нового партнёра готовится за пять минут вместо получаса ручной работы.
- Результат
- Сокращение нагрузки на юридический отдел по типовым запросам.
Анализ внутренних политик на соответствие новым нормам
Сравнивает существующие внутренние политики компании с требованиями нового законодательства, выявляя пробелы.
- Инструмент
- Claude с загрузкой внутренних документов и текста регуляций.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и выявление расхождений.
- Пример
- После публикации нового отраслевого стандарта система указывает три политики компании, требующие обновления.
- Результат
- Снижение риска штрафов за несоответствие регуляторным требованиям.
Многоэтапная подготовка due diligence
Собирает и систематизирует документы для юридической проверки при сделке, выделяя противоречия и пробелы.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, работа с файлами, анализ документов.
- Пример
- Агент систематизирует сотни документов сделки в структурированный отчёт, помечая противоречия для проверки юристом.
- Результат
- Сокращение сроков подготовки due diligence при сделках.
Ответы на вопросы сотрудников о внутренних политиках
Отвечает на вопросы сотрудников о правилах компании на основе утверждённых внутренних документов.
- Инструмент
- NotebookLM с загруженными политиками компании.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Работа с корпоративными знаниями с указанием источника.
- Пример
- Сотрудник получает ответ о правилах использования служебного транспорта со ссылкой на конкретный пункт регламента.
- Результат
- Снижение количества обращений к юридическому отделу по типовым вопросам.
Отслеживание правового статуса судебных дел и претензий
Систематизирует статус текущих судебных дел и претензий компании, формируя сводный отчёт для руководства.
- Инструмент
- ChatGPT Enterprise с подключением к внутренней базе документов по делам.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Работа с корпоративными файлами и создание отчётов.
- Пример
- Юридический отдел получает еженедельную сводку по 30 активным делам с указанием сроков и статусов.
- Результат
- Снижение риска пропуска процессуальных сроков.
Направление 14 / 16
Информационная безопасность и управление рисками
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Анализ и приоритизация уязвимостей
Обрабатывает результаты сканирования систем, приоритизируя уязвимости по реальному риску для бизнеса.
- Инструмент
- Codex Security или специализированные средства анализа безопасности.
- Сложность
- Высокая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ кода и систем безопасности, требует специалиста по безопасности.
- Пример
- Команда безопасности получает список из 10 критических уязвимостей из 200 найденных сканером, ранжированных по реальному риску.
- Результат
- Более эффективное распределение ресурсов на устранение угроз.
Обнаружение фишинговых писем и социальной инженерии
Анализирует входящие письма на признаки фишинга и мошенничества с объяснением подозрительных элементов.
- Инструмент
- Специализированные ИИ-фильтры почты (классические модели), не универсальный LLM-чат.
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Классическое машинное обучение, автоматическая классификация.
- Пример
- Система блокирует письмо, имитирующее запрос от финансового директора, с пояснением признаков подделки.
- Результат
- Снижение числа успешных фишинговых атак.
Симуляция сценариев кибератак для обучения персонала
Генерирует реалистичные сценарии социальной инженерии для тренировки бдительности сотрудников.
- Инструмент
- ChatGPT или Claude для генерации сценариев (используется службой безопасности).
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Генерация контента для обучения.
- Пример
- Отдел безопасности проводит квартальную симуляцию фишинговой атаки с разными сценариями для разных отделов.
- Результат
- Повышение доли сотрудников, распознающих подозрительные письма.
Анализ политики использования корпоративных ИИ-инструментов
Оценивает риски утечки данных через несанкционированное использование персональных ИИ-аккаунтов сотрудниками.
- Инструмент
- Специализированные решения мониторинга SaaS (не LLM), в сочетании с ChatGPT для подготовки политики.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ рисков и генерация регламентирующих документов.
- Пример
- Компания выявляет, что 30% сотрудников используют личные аккаунты ChatGPT для рабочих задач, и вводит корпоративную альтернативу.
- Результат
- Снижение риска утечки конфиденциальных данных через теневой ИИ.
Автоматизация мониторинга журналов безопасности
Анализирует журналы систем безопасности, выявляя аномальные паттерны доступа.
- Инструмент
- Codex-скрипт для агрегации логов плюс специализированный SIEM с ИИ-модулем.
- Сложность
- Высокая
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Программная автоматизация и анализ данных, требует специалиста по безопасности.
- Пример
- Система выявляет вход в систему в нетипичное время из нового региона и уведомляет команду безопасности.
- Результат
- Сокращение времени обнаружения инцидентов безопасности.
Подготовка отчётов о киберинцидентах
Собирает данные об инциденте безопасности и формирует структурированный отчёт для руководства и регуляторов.
- Инструмент
- ChatGPT или Claude с загрузкой технических логов инцидента.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и генерация отчёта.
- Пример
- После инцидента команда безопасности за час подготавливает отчёт для регулятора вместо нескольких дней.
- Результат
- Соблюдение сроков обязательного уведомления о нарушении данных.
Оценка рисков при внедрении новых ИИ-инструментов
Анализирует новый ИИ-сервис на соответствие требованиям безопасности и конфиденциальности перед внедрением.
- Инструмент
- Claude или ChatGPT для структурирования чек-листа оценки риска, дополненного ручной юридической проверкой.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ и структурирование информации.
- Пример
- Перед подключением нового ИИ-коннектора к CRM служба безопасности проверяет его по стандартному чек-листу рисков.
- Результат
- Снижение вероятности утечки данных через непроверенные интеграции.
Направление 15 / 16
Управление проектами и административная деятельность
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Автоматическое формирование протоколов совещаний
Преобразует запись или транскрипт встречи в структурированный протокол с задачами и ответственными.
- Инструмент
- ChatGPT, Claude или Gemini (обработка аудио и текста).
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Обработка аудио и генерация документа.
- Пример
- После совещания участники получают протокол с перечнем задач через пять минут вместо ручного составления.
- Результат
- Сокращение времени на административную подготовку итогов встреч.
Отслеживание статуса проектных задач по нескольким источникам
Собирает данные о статусе задач из разных систем управления проектами и формирует сводный отчёт.
- Инструмент
- ChatGPT Enterprise с коннекторами к корпоративным приложениям.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Работа с корпоративными приложениями и создание отчётов.
- Пример
- Руководитель проекта получает единый статус-отчёт по задачам, разбросанным между тремя системами.
- Результат
- Сокращение времени на ручную сверку статусов проекта.
Автоматизация планирования и координации встреч
Согласовывает время встречи между несколькими участниками, учитывая часовые пояса и загруженность календарей.
- Инструмент
- ChatGPT с интеграцией календаря (или специализированные планировщики).
- Сложность
- Средняя
- Автономность
- Автономный процесс с человеческим контролем.
- Возможность
- Работа с корпоративными приложениями и автоматизация.
- Пример
- Агент подбирает время встречи для пяти участников из разных офисов без обмена десятком писем.
- Результат
- Сокращение времени на административную координацию встреч.
Многоэтапная подготовка проектной документации
Собирает вводные данные, формирует устав проекта, план рисков и график на основе брифа.
- Инструмент
- Агентные функции ChatGPT Enterprise.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, создание документов и таблиц.
- Пример
- Агент по брифу нового проекта готовит пакет из устава, плана рисков и графика Ганта, вынося спорные сроки на согласование руководителю проекта.
- Результат
- Ускорение запуска новых проектов.
Анализ рисков проекта на основе исторических данных
Сравнивает параметры нового проекта с прошлыми похожими проектами, выявляя типичные риски и задержки.
- Инструмент
- Claude с загрузкой архива прошлых проектных отчётов.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и выявление закономерностей.
- Пример
- Руководитель проекта получает предупреждение о риске задержки на основе опыта трёх похожих прошлых проектов.
- Результат
- Снижение вероятности повторения прошлых ошибок планирования.
Автоматизация подготовки типовых административных писем
Формирует стандартные письма, приказы и служебные записки на основе внутренних шаблонов.
- Инструмент
- ChatGPT или Claude с загруженными шаблонами компании.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Генерация документов на основе образца.
- Пример
- Приказ о командировке готовится автоматически на основе заявки сотрудника.
- Результат
- Сокращение времени административного персонала на типовой документооборот.
Анализ загрузки команды и распределение задач
Анализирует текущую загрузку участников проекта и предлагает более сбалансированное распределение задач.
- Инструмент
- ChatGPT Enterprise с данными из системы управления задачами.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и рекомендации.
- Пример
- Руководитель получает предупреждение о перегрузке одного участника команды и предложение по перераспределению задач.
- Результат
- Снижение риска выгорания и срыва сроков из-за неравномерной нагрузки.
Направление 16 / 16
Управление качеством, охрана труда и устойчивое развитие
Семь сценариев из основного исследования. Параметры, инструменты, примеры и уровни автономности сохранены без внешней актуализации.
Анализ отчётов об инцидентах охраны труда
Обрабатывает отчёты об инцидентах, выявляя повторяющиеся причины и участки повышенного риска.
- Инструмент
- Claude или ChatGPT с анализом текстовых отчётов за период.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и кластеризация причин.
- Пример
- Специалист по охране труда получает отчёт о трёх повторяющихся причинах травматизма на конкретном участке за год.
- Результат
- Снижение числа повторяющихся инцидентов после устранения корневых причин.
Автоматизация подготовки отчётов ESG и устойчивого развития
Собирает данные из разных подразделений и формирует консолидированный отчёт по показателям устойчивого развития.
- Инструмент
- Агентные функции ChatGPT Enterprise, подключённые к внутренним системам учёта.
- Сложность
- Высокая
- Автономность
- Полуавтоматический процесс.
- Возможность
- Агентное выполнение, работа с корпоративными данными, создание отчёта.
- Пример
- Агент собирает данные о выбросах и энергопотреблении из трёх подразделений и готовит проект годового ESG-отчёта для проверки.
- Результат
- Сокращение времени подготовки нефинансовой отчётности.
Проверка соответствия продукции стандартам качества
Анализирует техническую документацию продукции на соответствие требованиям отраслевых стандартов.
- Инструмент
- Claude с загрузкой стандарта и спецификации продукта.
- Сложность
- Средняя
- Автономность
- Совместное выполнение.
- Возможность
- Анализ документов и сравнение с нормативом.
- Пример
- Инженер по качеству получает список пунктов спецификации, не соответствующих требованиям нового стандарта ISO.
- Результат
- Снижение риска несоответствия продукции при сертификации.
Помощник по регламентам охраны труда для сотрудников на местах
Отвечает на вопросы сотрудников о правилах безопасности на конкретном участке на основе внутренних инструкций.
- Инструмент
- NotebookLM или ChatGPT с базой инструкций по охране труда.
- Сложность
- Низкая
- Автономность
- Помощник сотрудника.
- Возможность
- Работа с корпоративными знаниями.
- Пример
- Сотрудник на объекте получает мгновенный ответ о требуемых средствах защиты для конкретной операции.
- Результат
- Повышение соблюдения правил безопасности на местах.
Анализ обратной связи по устойчивому развитию от стейкхолдеров
Обрабатывает отзывы инвесторов, клиентов и НКО об экологических и социальных практиках компании.
- Инструмент
- Claude или ChatGPT с анализом больших текстовых массивов.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Анализ данных и выявление тем.
- Пример
- Компания получает сводку основных ожиданий инвесторов по climate-повестке перед годовым собранием.
- Результат
- Более точное соответствие ESG-стратегии ожиданиям стейкхолдеров.
Автоматизация аудита процессов качества
Сопоставляет фактическое выполнение процессов с регламентами, выявляя отклонения по данным из систем контроля.
- Инструмент
- Codex-скрипт для сбора данных из систем контроля качества плюс ChatGPT для формирования отчёта.
- Сложность
- Средняя
- Автономность
- Полуавтоматический процесс.
- Возможность
- Программная автоматизация и анализ данных.
- Пример
- Система автоматически формирует список отклонений от регламента контроля качества за месяц.
- Результат
- Сокращение времени на подготовку внутреннего аудита качества.
Прогнозирование рисков устойчивости цепочки поставок
Исследует поставщиков на предмет экологических и социальных рисков (детский труд, выбросы, нарушения регуляций).
- Инструмент
- Perplexity Enterprise Pro с проверяемым поиском по открытым источникам.
- Сложность
- Низкая
- Автономность
- Совместное выполнение.
- Возможность
- Исследование с проверкой первичных источников.
- Пример
- Перед подписанием долгосрочного контракта компания получает отчёт о экологических нарушениях у потенциального поставщика с ссылками.
- Результат
- Снижение репутационного риска через цепочку поставок.
20 приоритетов
Наиболее ценные сценарии
Сводная выборка исходного исследования объединяет эффект, сложность и основной риск каждого приоритетного сценария.
| № | Подразделение | Бизнес-задача | Инструмент | Ожидаемый эффект | Сложность | Основной риск |
|---|---|---|---|---|---|---|
| 1 | Клиентский сервис | Черновики ответов операторам | ChatGPT + RAG | Сокращение времени обработки обращения | Средняя | Некорректные ответы без проверки |
| 2 | Продажи | Подготовка персонализированных КП | ChatGPT Enterprise + CRM | Сокращение времени подготовки предложений | Средняя | Утечка данных клиента через коннектор |
| 3 | ИТ/Разработка | Ускорение написания и рефакторинга кода | Codex | Ускорение цикла разработки | Средняя | Ошибки в непроверенном коде |
| 4 | Аналитика | Диалоговый анализ данных | ChatGPT Advanced Data Analysis | Снижение зависимости от аналитиков | Низкая | Неверная интерпретация без валидации |
| 5 | Маркетинг | Формирование Jobs to Be Done | Claude / ChatGPT | Повышение точности позиционирования | Низкая | Искажение при малой выборке интервью |
| 6 | HR | Скрининг резюме | ChatGPT + ATS | Сокращение времени отбора | Средняя | Дискриминационные искажения модели |
| 7 | Финансы | Обработка входящих счетов | Codex + OCR | Сокращение времени обработки документов | Средняя | Ошибки распознавания сумм |
| 8 | Юридический | Первичный анализ договоров | Claude | Сокращение времени ревью | Низкая | Пропуск нетипичного риска без юриста |
| 9 | Закупки | Проверка надёжности поставщиков | Perplexity Enterprise Pro | Снижение риска работы с недобросовестным поставщиком | Низкая | Неполнота публичных данных |
| 10 | Стратегия | Синтез рыночной разведки | Perplexity / Deep Research | Сокращение времени подготовки аналитики | Низкая | Устаревшие или неточные источники |
| 11 | Продукт/R&D | Синтез пользовательских исследований | NotebookLM | Ускорение перехода от исследования к решению | Низкая | Потеря нюансов при обобщении |
| 12 | Логистика | Обработка транспортных документов | Gemini / ChatGPT | Сокращение ручного ввода данных | Средняя | Ошибки распознавания при плохом сканировании |
| 13 | Производство | Помощник оператора по регламентам | NotebookLM | Сокращение времени поиска информации | Средняя | Неполная база регламентов |
| 14 | Инфобезопасность | Оценка рисков теневого ИИ | Специализированный мониторинг + ChatGPT | Снижение риска утечки данных | Средняя | Сопротивление сотрудников контролю |
| 15 | Проекты | Автоматические протоколы совещаний | ChatGPT / Gemini | Сокращение административной нагрузки | Низкая | Неточная транскрипция акцентов |
| 16 | Качество/ESG | Автоматизация ESG-отчётности | ChatGPT Enterprise агент | Сокращение времени подготовки отчёта | Высокая | Ошибки в консолидации данных |
| 17 | Клиентский сервис | Анализ причин повторных обращений | Claude / ChatGPT | Снижение количества повторных обращений | Средняя | Неверная классификация корневых причин |
| 18 | Продажи | Анализ записей звонков | Claude | Улучшение сценариев продаж | Средняя | Конфиденциальность записей клиентов |
| 19 | ИТ | Автоматизация тестирования безопасности | Codex Security | Снижение уязвимостей в релизе | Высокая | Ложноположительные и ложноотрицательные результаты |
| 20 | Стратегия | Мониторинг KPI подразделений | ChatGPT Enterprise + BI-коннектор | Раннее выявление отставания от плана | Средняя | Неверная интерпретация метрик без контекста |
Черновики ответов операторам
Клиентский сервис
- Инструмент
- ChatGPT + RAG
- Эффект
- Сокращение времени обработки обращения
- Сложность
- Средняя
- Риск
- Некорректные ответы без проверки
Подготовка персонализированных КП
Продажи
- Инструмент
- ChatGPT Enterprise + CRM
- Эффект
- Сокращение времени подготовки предложений
- Сложность
- Средняя
- Риск
- Утечка данных клиента через коннектор
Ускорение написания и рефакторинга кода
ИТ/Разработка
- Инструмент
- Codex
- Эффект
- Ускорение цикла разработки
- Сложность
- Средняя
- Риск
- Ошибки в непроверенном коде
Диалоговый анализ данных
Аналитика
- Инструмент
- ChatGPT Advanced Data Analysis
- Эффект
- Снижение зависимости от аналитиков
- Сложность
- Низкая
- Риск
- Неверная интерпретация без валидации
Формирование Jobs to Be Done
Маркетинг
- Инструмент
- Claude / ChatGPT
- Эффект
- Повышение точности позиционирования
- Сложность
- Низкая
- Риск
- Искажение при малой выборке интервью
Скрининг резюме
HR
- Инструмент
- ChatGPT + ATS
- Эффект
- Сокращение времени отбора
- Сложность
- Средняя
- Риск
- Дискриминационные искажения модели
Обработка входящих счетов
Финансы
- Инструмент
- Codex + OCR
- Эффект
- Сокращение времени обработки документов
- Сложность
- Средняя
- Риск
- Ошибки распознавания сумм
Первичный анализ договоров
Юридический
- Инструмент
- Claude
- Эффект
- Сокращение времени ревью
- Сложность
- Низкая
- Риск
- Пропуск нетипичного риска без юриста
Проверка надёжности поставщиков
Закупки
- Инструмент
- Perplexity Enterprise Pro
- Эффект
- Снижение риска работы с недобросовестным поставщиком
- Сложность
- Низкая
- Риск
- Неполнота публичных данных
Синтез рыночной разведки
Стратегия
- Инструмент
- Perplexity / Deep Research
- Эффект
- Сокращение времени подготовки аналитики
- Сложность
- Низкая
- Риск
- Устаревшие или неточные источники
Синтез пользовательских исследований
Продукт/R&D
- Инструмент
- NotebookLM
- Эффект
- Ускорение перехода от исследования к решению
- Сложность
- Низкая
- Риск
- Потеря нюансов при обобщении
Обработка транспортных документов
Логистика
- Инструмент
- Gemini / ChatGPT
- Эффект
- Сокращение ручного ввода данных
- Сложность
- Средняя
- Риск
- Ошибки распознавания при плохом сканировании
Помощник оператора по регламентам
Производство
- Инструмент
- NotebookLM
- Эффект
- Сокращение времени поиска информации
- Сложность
- Средняя
- Риск
- Неполная база регламентов
Оценка рисков теневого ИИ
Инфобезопасность
- Инструмент
- Специализированный мониторинг + ChatGPT
- Эффект
- Снижение риска утечки данных
- Сложность
- Средняя
- Риск
- Сопротивление сотрудников контролю
Автоматические протоколы совещаний
Проекты
- Инструмент
- ChatGPT / Gemini
- Эффект
- Сокращение административной нагрузки
- Сложность
- Низкая
- Риск
- Неточная транскрипция акцентов
Автоматизация ESG-отчётности
Качество/ESG
- Инструмент
- ChatGPT Enterprise агент
- Эффект
- Сокращение времени подготовки отчёта
- Сложность
- Высокая
- Риск
- Ошибки в консолидации данных
Анализ причин повторных обращений
Клиентский сервис
- Инструмент
- Claude / ChatGPT
- Эффект
- Снижение количества повторных обращений
- Сложность
- Средняя
- Риск
- Неверная классификация корневых причин
Анализ записей звонков
Продажи
- Инструмент
- Claude
- Эффект
- Улучшение сценариев продаж
- Сложность
- Средняя
- Риск
- Конфиденциальность записей клиентов
Автоматизация тестирования безопасности
ИТ
- Инструмент
- Codex Security
- Эффект
- Снижение уязвимостей в релизе
- Сложность
- Высокая
- Риск
- Ложноположительные и ложноотрицательные результаты
Мониторинг KPI подразделений
Стратегия
- Инструмент
- ChatGPT Enterprise + BI-коннектор
- Эффект
- Раннее выявление отставания от плана
- Сложность
- Средняя
- Риск
- Неверная интерпретация метрик без контекста
Два уровня внедрения
Быстрые победы и стратегические проекты
Быстрые победы
Горизонт 2-4 недели, без сложной интеграции. Пилот возможен на облачных версиях инструментов с группой 5-10 пользователей.
- Синтез рыночной разведки для совета директоров через Perplexity Enterprise Pro
- Диалоговый анализ данных через ChatGPT Advanced Data Analysis
- Формирование Jobs to Be Done в маркетинге через Claude
- Тренировка возражений в продажах через ролевые игры с ChatGPT
- Подготовка вопросов для интервью в HR
- Проверка надёжности новых поставщиков через Perplexity
- Мониторинг изменений законодательства через Perplexity
- Автоматическое формирование протоколов совещаний через ChatGPT или Gemini
- Помощник сотрудников по внутренним политикам через NotebookLM
- Персонализированные программы адаптации новых сотрудников через NotebookLM
Стратегические внедрения
Требуются ИТ-команда, качественные корпоративные данные, роли ответственности и пилотный период от трёх месяцев.
- Автономный чат-бот первой линии поддержки с эскалацией
- Автоматизация сверки счетов и заказов через Codex-интеграцию с учётной системой
- Предиктивная аналитика простоев оборудования на базе классического ML
- Оптимизация маршрутов доставки через алгоритмы маршрутизации
- Автоматизация ESG-отчётности через агентов ChatGPT Enterprise
- Автоматизация DevOps-процессов через Codex с интеграциями CI/CD
- Система мониторинга журналов безопасности с ИИ-анализом аномалий
- Многоэтапный аудит базы поставщиков через агентные функции
- Система прогнозирования спроса на базе ML для планирования запасов
- Интеграция ChatGPT Enterprise с CRM для автозаполнения после звонков
Выбор инструмента
Матрица возможностей
Оценки перенесены из исходного исследования. Они не являются текущим сравнительным тестом и не обновлялись по внешним данным.
Исследование информации
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Средне
- Codex
- Слабо
- Claude
- Средне
- Gemini
- Средне
- Perplexity
- Сильно
- NotebookLM
- Средне
Работа с корпоративными знаниями
- ChatGPT
- Слабо
- ChatGPT Work/Enterprise
- Сильно: коннекторы
- Codex
- Слабо
- Claude
- Сильно: Projects
- Gemini
- Сильно: Workspace
- Perplexity
- Сильно: Internal Knowledge Search
- NotebookLM
- Сильно: источники
Анализ документов
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Сильно
- Codex
- Слабо
- Claude
- Сильно: длинный контекст
- Gemini
- Сильно
- Perplexity
- Средне
- NotebookLM
- Сильно
Анализ данных
- ChatGPT
- Сильно: ADA
- ChatGPT Work/Enterprise
- Сильно
- Codex
- Средне
- Claude
- Средне
- Gemini
- Сильно: Sheets
- Perplexity
- Слабо
- NotebookLM
- Сильно: код в облаке
Создание контента
- ChatGPT
- Сильно
- ChatGPT Work/Enterprise
- Сильно
- Codex
- Слабо
- Claude
- Сильно
- Gemini
- Сильно
- Perplexity
- Средне
- NotebookLM
- Средне
Программирование
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Средне
- Codex
- Сильно
- Claude
- Сильно: Claude Code
- Gemini
- Средне
- Perplexity
- Слабо
- NotebookLM
- Слабо
Автоматизация
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Сильно: агенты
- Codex
- Сильно
- Claude
- Средне
- Gemini
- Сильно: Studio skills
- Perplexity
- Слабо
- NotebookLM
- Слабо
Агентное выполнение
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Сильно
- Codex
- Сильно: фон и планирование
- Claude
- Средне: Cowork
- Gemini
- Сильно: Agent Platform
- Perplexity
- Слабо: Comet Assistant
- NotebookLM
- Слабо
Интеграции
- ChatGPT
- Средне
- ChatGPT Work/Enterprise
- Сильно: SharePoint, GitHub, Drive
- Codex
- Сильно: 100+ плагинов
- Claude
- Средне
- Gemini
- Сильно: экосистема Google
- Perplexity
- Средне: Connectors
- NotebookLM
- Средне: Workspace
Работа с конфиденциальными данными
- ChatGPT
- Ограничено
- ChatGPT Work/Enterprise
- Сильно: SOC 2, без обучения на данных
- Codex
- Средне
- Claude
- Сильно: SOC 2
- Gemini
- Сильно
- Perplexity
- Сильно: SOC 2 Type II
- NotebookLM
- Сильно: без обучения
Пригодность для малого бизнеса
- ChatGPT
- Хорошо
- ChatGPT Work/Enterprise
- Дорого для малых команд
- Codex
- Требует навыков
- Claude
- Хорошо
- Gemini
- Хорошо: в Workspace
- Perplexity
- Хорошо: от 40 долларов за место
- NotebookLM
- Хорошо: в Workspace
Пригодность для крупных компаний
- ChatGPT
- Ограничено: нет админ-контроля
- ChatGPT Work/Enterprise
- Отлично
- Codex
- Отлично: с ИТ-командой
- Claude
- Отлично
- Gemini
- Отлично
- Perplexity
- Отлично
- NotebookLM
- Отлично
Управление внедрением
Риски и меры управления
Конфиденциальность
Риск. Использование персональных аккаунтов сотрудников для рабочих задач вместо корпоративных версий с контролем данных.
Мера управления. Корпоративные тарифы Enterprise/Work с SSO и запрет персональных аккаунтов для рабочих данных, закреплённый в политике.
Фактические ошибки
Риск. Неточность и галлюцинации остаются системным свойством генеративных моделей.
Мера управления. Обязательная человеческая проверка для юридически значимых, финансовых и клиентских решений; инструменты с цитированием там, где важна проверяемость.
Ошибки автономных агентов
Риск. Многоэтапные задачи без контроля могут привести к нежелательным действиям в приложениях и системах.
Мера управления. Принцип наименьших привилегий, подтверждение перед необратимыми действиями и логирование автоматических операций.
Авторские права
Риск. Сгенерированный контент может воспроизводить защищённые материалы.
Мера управления. Юридическая проверка материалов для публикации и отказ от прямого копирования стилистики узнаваемых произведений.
Юридическая ответственность
Риск. Компания может отвечать за ложные утверждения, созданные или распространённые с помощью ИИ.
Мера управления. Юридическая экспертиза перед публичным использованием ИИ-контента и предупреждения о возможных неточностях.
Зависимость от поставщика
Риск. Глубокая интеграция процессов в один ИИ-сервис повышает риск vendor lock-in.
Мера управления. Мультивендорная стратегия и хранение данных в собственной инфраструктуре, а не только в среде поставщика.
Качество корпоративных данных
Риск. Неполные и загрязнённые данные снижают эффективность RAG-систем и агентов.
Мера управления. Инвентаризация и очистка данных до подключения ИИ, создание единого источника достоверной информации.
Сопротивление сотрудников
Риск. Страх замещения и недоверие к результатам затрудняют внедрение.
Мера управления. Прозрачная коммуникация, обучение и вовлечение команд в выбор пилотных сценариев.
Shadow AI
Риск. Неконтролируемое использование ИИ повышает риски безопасности и качества.
Мера управления. Единый реестр разрешённых инструментов и мониторинг использования корпоративными средствами безопасности.
Недостаточная проверка
Риск. Результаты проверяются неравномерно, хотя решения могут влиять на клиентов, финансы и право.
Мера управления. Обязательные контрольные точки review для категорий высокого риска во внутреннем регламенте.
Дорожная карта
План внедрения на 90 дней
- Недели 1-2
Диагностика процессов
Интервью с руководителями, поиск узких мест, оценка готовности данных и выбор 3-5 быстрых пилотов с высоким эффектом и минимальным риском.
- Недели 3-6
Инструменты и метрики
Выбор комбинации инструментов, определение метрик успеха: время, точность и удовлетворённость пользователей; подготовка данных и документов.
- Недели 7-10
Обучение и пилоты
Практические сессии и запуск пилотов в контролируемых группах из 10-30 пользователей на подразделение с ежедневной обратной связью.
- Недели 11-12
Оценка и правила
Сопоставление результатов с метриками, фиксация рисков и подготовка правил: разрешённые инструменты, обязательная проверка, обращение с конфиденциальными данными.
- Неделя 13+
Масштабирование
Решение о расширении успешных пилотов, дорожная карта следующего квартала и назначение ответственных за поддержку и развитие ИИ-инициатив.
Выводы руководителю
От инструмента к рабочему процессу
Наибольший эффект возникает не от разовой замены инструмента, а от перестройки процессов вокруг новых возможностей. Начинать стоит с быстрых побед без сложной интеграции, чтобы получить обучающий эффект и доверие сотрудников, прежде чем инвестировать в стратегические проекты с участием ИТ.
Генеративный ИИ подходит для создания контента, анализа документов и диалогового взаимодействия. Там, где нужна точная оптимизация маршрутов, прогнозирование или обнаружение аномалий, исследование рекомендует рассматривать классические алгоритмы машинного обучения как более надёжное и объяснимое решение.
Устойчивое внедрение требует формализованных правил, обязательных точек человеческой проверки для решений с высоким риском и постоянного отслеживания измеримых KPI.
Материалы
Источники
- McKinsey. The state of AI
- McKinsey. State of AI trust in 2026: Shifting to the agentic era
- LinkedIn. AI's 2025 Reality: Widespread Adoption, Narrow Impact, and the ...
- LinkedIn. McKinsey's AI report 2025: Best practices and challenges
- Libertify. State of AI 2025: McKinsey Report
- TechCrunch. OpenAI takes aim at Anthropic with beefed-up Codex that gives it more power over your desktop
- OpenAI. ChatGPT Enterprise
- Marketing Agent Blog. OpenAI Codex Gets Always-On Agent Mode to Challenge Claude Code
- Perplexity Help Center. What is Enterprise Pro?
- Google Cloud Blog. What's new in Gemini Enterprise
- Google Blog. Do better research with NotebookLM
- Google Cloud Blog. Introducing Gemini Enterprise Agent Platform
- Google Blog. 5 ways to use NotebookLM Plus for your business
- OpenAI. Introducing Codex
- Fluxio. OpenAI Codex Complete Guide 2026
- Skycrumbs. ChatGPT Enterprise in 2026: Features, Pricing, and ROI
- Lao Zhang AI. OpenAI Codex in March 2026: What's New and What It Can ...
- LayerX. Enterprise AI and SaaS Data Security Report 2025
- Harmonic Security. GenAI in the Enterprise: It's Getting Personal
- IntuitionLabs. Claude Enterprise Guide 2026: Deployment & Training ...
- Fast.io. Claude Enterprise in 2026: Features, Security, and Pricing
- Google Workspace Blog. 10 more announcements for Workspace at Google Cloud Next ...
- Perplexity Help Center. Which Perplexity Subscription Plan is right for you?
- Google Workspace. NotebookLM: AI-Powered Research and Learning ...
- Rajesh Beri. Perplexity Enterprise Pro
- OpenAI Help Center. ChatGPT Enterprise and Edu - Models & Limits
- Transparency Coalition. German court holds Google liable for AI hallucination
- Gowling WLG. Key takeaways on duty of care for generative AI providers ...
- InnFactory. Claude for Enterprise: Anthropic in Business Use (2026)
Следующий шаг
