Проверка договора ИИ начинается не с вопроса «есть ли тут риски», а с чек-листа фирмы: нейросеть сверяет каждое условие с вашей позицией и шаблоном и готовит проект протокола разногласий. Юрист проверяет отметки, правит формулировки и подписывает. Проверять есть что: в тесте Stanford RegLab и HAI в мае 2024 года даже юридические ИИ-сервисы ошибались больше чем в 17% ответов.
Модель получает договор целиком, вместе с приложениями, спецификациями и дополнительными соглашениями, и раскладывает его на условия: предмет, цена и порядок оплаты, сроки, приемка, ответственность, расторжение, подсудность. У каждого условия ссылка на пункт, чтобы юрист открыл исходный текст одним нажатием.
Дальше ИИ сравнивает договор с эталоном. Эталон задает фирма: типовой договор клиента, прошлые редакции с этим контрагентом или позиция по спорным условиям, которую партнер утвердил раньше.
Неясное условие ИИ отмечает как неясное и не толкует за юриста. По ст. 431 ГК суд сначала берет буквальное значение слов и выражений, а при неясности сопоставляет условие с другими условиями и смыслом договора в целом. Поэтому двусмысленная формулировка для модели повод задать вопрос, а не догадаться.
Системный промпт для ИИ-агента это постоянная инструкция, которую модель читает перед каждым диалогом: кто агент, чего добивается, чего не делает и как отвечает. Ниже шаблон из 7 частей и 12 правил, по которым инструкцию для одного агента можно написать за вечер.
Системный промпт отличается от вопроса в чате. Его пишут один раз, и модель получает его перед каждым сообщением клиента. В n8n его вводят в параметр «System Message» (системное сообщение) в настройках узла «AI Agent».
Рабочая инструкция состоит из 7 частей.
Роль. Кто агент и от чьего имени говорит: «консультант магазина инструментов», а не «полезный помощник». По документации Anthropic даже одно предложение о роли меняет поведение и тон модели.
Цель. Какой результат нужен от диалога: записать клиента, подобрать товар, передать заявку менеджеру.
Правила. Как агент работает: откуда берет цены, когда задает уточняющий вопрос, каким тоном говорит.
Техническое задание на ИИ-агента описывает процесс, метрику, данные, интеграции и порядок приемки, чтобы вы и подрядчик одинаково понимали результат. Для автоматизированных систем есть ГОСТ 34.602-2020, но одному агенту хватает короткой версии. Ниже шаблон по пунктам: бизнес-часть заполняет владелец процесса, техническую дополняет подрядчик.
Техническое задание (ТЗ) фиксирует, что агент делает, с какими данными и как вы примете работу. Без него подрядчик собирает то, что умеет, а спор о результате начинается после оплаты.
Для автоматизированных систем в России действует ГОСТ 34.602-2020: он введен с 1 января 2022 года вместо ГОСТ 34.602-89. Стандарт требует десять разделов, от общих сведений до источников разработки, и разрешает добавлять, объединять и выносить в приложения подразделы.
Для одного агента полный стандарт избыточен. Шаблон ниже держит то, что важно именно агенту: примеры обращений, знания, права и проверочный набор. Если заказчик требует ГОСТ, пункты шаблона ложатся в его разделы о требованиях к системе и о порядке контроля и приемки.
Запуск ИИ-агента начинается с одного процесса и одной метрики, записанной до старта. По данным MIT NANDA за 2025 год, 95% пилотов генеративного ИИ не дают измеримого эффекта на прибыль, поэтому судить агента нужно по числу, а не по впечатлению. Ниже порядок первых 30 дней: пилот, метрика, еженедельный разбор и условие расширения.
Пилот это проверка агента на одном рабочем процессе с реальными клиентами и датой окончания. Один процесс нужен, чтобы понять, что именно дало результат: агент или что-то другое.
Возьмите процесс с большим потоком однотипных обращений: прием заявок, запись клиентов, типовые вопросы поддержки. Чем больше обращений в день, тем быстрее набирается статистика.
Агента подключают к системе, где живет процесс, с первого дня: к CRM, системе записи или мессенджеру. Без подключения это демонстрация, а не пилот.
С вашей стороны нужен один ответственный: он дает доступы, примеры переписок и правила ответов и каждый день смотрит спорные случаи. Без такого человека агент учится на догадках того, кто его собирал.
Как работает ИИ в компании, проще всего показать на четырех этажах: данные, связь систем, анализ и действие. Верхние этажи дают результат, только если построены нижние. По оценке BCG, лишь 10% трудностей внедрения связаны с алгоритмами, остальное приходится на людей, процессы и технологию.
Если объяснять простыми словами, как устроен ИИ в компании, это не одна программа, а четыре этажа. Нижний собирает данные, второй связывает системы, третий анализирует, четвертый действует.
Удобно сравнить с человеком. Датчики и учетные системы служат органами чувств, связь систем похожа на нервную систему, анализ играет роль мозга, а ИИ-агенты и роботы становятся руками.
Правило одно: верхний этаж приносит пользу, только если под ним построены нижние. Модель без свежих цифр прогнозирует по вчерашней картине, а агент без доступа к учету отвечает наугад.
На схеме ниже этажи показаны с примерами технологий. Дальше разберем каждый: что на нем стоит и как понять, построен ли он у вас.
Как внедрить ИИ в бизнес так, чтобы результат измерялся рублями, а не фактом запуска: сначала составить карту ИИ-решений, потом внедрять по ней. Ниже 7 шагов, по которым мы ее составляем, и для каждого три строки: что делаем мы, что дает компания и что получается на выходе. Первый шаг, звонок на 15 минут, бесплатный.
Делаем: за 15 минут разговора знакомимся с компанией, слышим, где болит сильнее всего, и прикидываем, с какого процесса есть смысл начинать. Говорим прямо, нужна ли вам полная карта или хватит одного решения.
От компании: собственник или генеральный директор на звонке и короткий рассказ о бизнесе: отделы, системы, что уже пробовали с ИИ.
На выходе: понятный следующий шаг. Звонок бесплатный и ни к чему не обязывает.
Делаем: ИИ Due Diligence, комплексная проверка компании с одним вопросом: где ИИ даст деньги и где принесет риск. Приходим в компанию, проводим интервью с руководителями отделов, разбираем процессы, данные, системы и затраты.
Как создать ИИ-департамент, если в компании пока никто не отвечает за ИИ: начать с одного ответственного и одного процесса, а не с нового подразделения. Ниже порядок на три месяца по неделям: разбор, карта ИИ-решений, пилот с метрикой, обучение и отчет первому лицу.
По отраслевому опросу 700 компаний (декабрь 2025) у 74% российских компаний нет стратегии развития ИИ. Нанять людей в подразделение без цели значит платить зарплаты за поиск задач.
Нанять тоже непросто: в опросе ИСИЭЗ НИУ ВШЭ по данным Росстата (сентябрь 2026) 33% организаций называют барьером для ИИ нехватку специалистов. Пока идет поиск, процессы ждут.
Главные трудности при этом не технические. По исследованию BCG, около 70% трудностей при внедрении ИИ связаны с людьми и процессами, 20% с технологией и только 10% с алгоритмами. Поэтому первые шаги ниже про ответственного, владельцев процессов и правила, а не про серверы и модели.
Как оценить эффективность внедрения ИИ, если до старта никто не записал цифру? Никак: после запуска сравнивать не с чем, и эффект превращается в мнение. Ниже, как выбрать одну метрику в рублях, записать ее в договор и через 14 дней получить отчет с тремя числами.
По отчету MIT NANDA 2025 года 95% организаций не получили измеримой отдачи от генеративного ИИ. Слово «измеримой» здесь главное: без замера даже работающий ИИ выглядит как расход. В обзоре McKinsey (ноябрь 2025) та же картина с другой стороны: ИИ используют 88% организаций, а влияние на операционную прибыль видят 39%. Пользоваться ИИ и видеть его эффект в деньгах оказываются разными задачами.
Типичная картина: систему запустили, сотрудники говорят, что стало удобнее, а финансовый директор не видит изменений в отчетах. Через полгода проект закрывают как дорогой.
Первая причина: успех мерили тем, что система запущена. Запуск говорит о работе подрядчика, а не о деньгах компании.
Как проверить подрядчика по ИИ, если на сайтах у всех одинаковые обещания? Мы проверяем не презентацию, а работу решения на ваших примерах, его подключения, договор и выход из него. По оценке Gartner (июнь 2025), настоящих поставщиков ИИ-агентов около 130 из тысяч, которые так себя называют.
Первое, что выясняем: какую часть работы решение делает само, а где за ним стоит человек. Под словами «ИИ-агент» продают и чат-бота по сценарию, и ручную работу операторов поставщика.
Просим показать решение не на примерах поставщика, а на ваших: реальных обращениях, заявках или документах за прошлый месяц.
Считаем три цифры: какую долю случаев решение закрыло без человека, сколько ошибок допустило и сколько передало людям. Если поставщик отказывается от теста на ваших примерах, это уже ответ.
Тест повторяем на свежих примерах через неделю: так видно, настроено ли решение под показ или работает на любых случаях.
Эффект от внедрения ИИ мы считаем в рублях до старта, по формуле, которую можно проверить. По отчету MIT NANDA 2025 года, 95% организаций не получили измеримой отдачи от генеративного ИИ. Поэтому каждое решение в карте получает расчет и метрику, которые проверяются после запуска.
Эффект складывается из двух частей: экономии и роста. В расчет до старта берем только экономию, потому что ее можно посчитать по учету компании.
Экономия в месяц = число сотрудников на рутине x зарплата x 1,3 x доля работы, которую забирает ИИ. Коэффициент 1,3 учитывает налоги и взносы сверх зарплаты на руки.
Доля работы это не «заменим человека», а часть его дня: ответы на типовые вопросы, перенос заявок, сверки, отчеты. Ее оцениваем по каждому процессу отдельно.
От доли работы зависит почти весь результат: при той же численности и зарплате экономия растет и падает вместе с ней. Поэтому ее оцениваем по процессу, а не берем среднюю.
Чек-лист перед покупкой железа для ИИ нужен потому, что ошибку в железе не исправить обновлением: Mac Studio стоит от 650 000 ₽, сервер отдела около 2,5 млн ₽, сервер с четырьмя H100 от 10 млн ₽. Ниже пятнадцать вопросов, на которые стоит ответить письменно до оплаты счета, с числами из этого раздела на 29.09.2026. Если на один из них нет ответа, покупку лучше отложить на неделю и закрыть его пробой на арендованной карте.
1. Какая модель прошла экзамен на ваших 50 запросах и на какой квантизации. Экзамен это 50 реальных запросов с ожидаемыми ответами, и он важнее любого рейтинга. Берите наименьшую модель, которая его прошла: она дешевле по памяти и быстрее. Сеть строительных магазинов сравнила три модели за 27 запусков, и локальная модель на 9 млрд в 4 битах на одной видеокарте сравнялась с облачными на задачах из 2–3 шагов.
2. Сколько одновременных пользователей и агентов в пике. От этого зависят и память, и программа выдачи: LM Studio или Ollama для одного человека, vLLM для отдела. Оператор связи вписал в тендер 15 пользователей и отклик не более 400 мс: по такому требованию железо уже можно подобрать.
Как внедрить ИИ в клинику: в кейсах раздела, от регионов до частных сетей, повторяются одни и те же шаги. Ниже они в порядке выполнения, с примерами, документами и тем, что чаще всего ломается. Во всех шагах ИИ остается инструментом врача и администратора: он берет рутину, а решения о пациенте принимают люди.
1. Выбрать процесс с измеримой потерей: неявки, пропущенные обращения, минуты на документ. Потеря должна считаться в рублях или часах, иначе результат не с чем сравнить.
2. Снять базу до старта: тот же показатель за прошлый период и тем же способом, которым его будут мерить после запуска.
3. Разделить сервисный ИИ, который запускается без регистрации, и медицинский, который идет через реестр медизделий. Если программа сама интерпретирует данные пациента и влияет на решение врача, это медицинское изделие.
4. Оформить данные: поручение обработчику, согласие пациента, серверы в России.
5. Пилот 14 дней на одном процессе с метрикой в договоре.
Внедрить локальный ИИ в компании надежнее в таком порядке: сначала правила про данные, потом одна задача, потом железо. Ниже восемь шагов с тем, что сделать, сколько это стоит и как понять, что шаг пройден, а после них ошибки, на которых внедрение чаще всего срывается, и люди, без которых оно не работает.
Разделите данные на три класса: можно наружу, только в российское облако, только внутри периметра. Агрохолдинг из кейсов раздела проводит вебинары для сотрудников и до конца 2026 года утверждает внутреннюю политику по ИИ. Результат шага: одна страница правил, подписанная руководителем.
Возьмите задачу с потоком: разбор обращений, проверка договоров, ответы по базе знаний, черновики документов. Запишите метрику до старта: минуты на документ, доля обращений без оператора, число ошибок. Оператор связи вписал в тендер отклик до 400 мс и точность рефакторинга не ниже 85%: так выглядит измеримая задача.
Собственник застревает в операционке не потому, что не умеет делегировать, а потому что без него никто не видит всю картину и не закрывает рутину. ИИ решает обе проблемы: картину собирает отчет, рутину берут агенты. Ниже путь в четыре шага.
Утренний отчет из 1С, CRM и банка. Пока цифры приходят только через вас, выйти из операционки нельзя. Когда они приходят сами, вы видите компанию, не участвуя в каждом разговоре.
Первая линия: заявки, запись, типовые вопросы клиентов. Это то, что чаще всего возвращается к собственнику, когда менеджер не успел. Агент отвечает за минуту в любое время и передает сложное людям.
У каждого процесса один ответственный человек, который разбирает спорные случаи агента. Вы не отвечаете на каждый вопрос, вы смотрите, как процесс работает по цифрам.
Как ставить задачи и проверять результат, когда в одном процессе работают люди и агенты, разобрано в материале про управление командой с помощью ИИ.
Вопрос, как заказать ИИ-проект госорганизации, сводится к трем вещам: задаче, техническому заданию и способу закупки. Ниже путь, который проходит организация от первого разговора до решения о масштабировании.
30 минут, бесплатно. Определяем одну задачу, где результат считается: поручения, обращения, проверка документов, сводная отчетность. Сразу обсуждаем, какие данные допустимы и где может работать модель.
Готовим описание задачи для ТЗ: входные данные, что делает агент, что остается человеку, метрика успеха и способ ее измерения, требования к данным и доступам, срок. Метрика записывается в договор.
Способ определяет заказчик по 44-ФЗ или по положению о закупке по 223-ФЗ. Небольшой объем пилота упрощает выбор способа, но решение всегда за заказчиком.
14 дней, от 150 000 ₽, один процесс, одна метрика. От вас: доступ к данным, допустимым для пилота, и один ответственный сотрудник, полчаса в день на спорные случаи.
Стратегия внедрения ИИ для компании на 20–200 человек это не документ на 50 страниц. Это план на квартал: что автоматизировать первым, что вторым, сколько это стоит и по какой цифре понять, что получилось. Так устроена работа ИИ-директора у клиентов ММООЗЗГГ.ru.
Список процессов с рутиной и потерями, отсортированный по деньгам. Первый процесс на пилот с метрикой. Второй и третий на сборку ИИ-отдела. Бюджет по этапам: пилот от 150 000 ₽, отдел от 450 000 ₽, сопровождение от 40 000 ₽ в месяц. Метрика по каждому этапу.
Как отсортировать процессы по деньгам и посчитать эффект до вложений, показано в материале о том, где ИИ сокращает издержки бизнеса.
Там, где больше всего одинаковых обращений и где результат считается: заявки, запись, поддержка, отчеты. Не там, где интереснее, а там, где цифра появится через 14 дней.
Еженедельная встреча по метрикам. Если пилот не дал цифру, процесс не масштабируется, а план пересматривается. В конце квартала отчет: что внедрено, что это дало, что дальше.
Мессенджеры это один из главных каналов общения с клиентами у малого и среднего бизнеса, и первый вопрос на разборе почти всегда звучит так: «можно, чтобы в Telegram отвечал агент?» Можно, и это короткий пилот. Ниже по дням: как запустить ИИ-агента в Telegram и MAX за 14 дней и что нужно от компании.
Бот или канал, где пишут клиенты (или согласие создать нового бота). Доступ к CRM, куда агент будет писать сделки. Переписки с клиентами за месяц, чтобы агент учился отвечать так, как принято у вас. Правила: прайс, сроки, что обещать нельзя. Один ответственный с получасом в день на спорные случаи.
Определяем, на что агент отвечает сам, что передает человеку и по какой метрике меряем результат: время до первого ответа и доля диалогов, оказавшихся в CRM. Записываем в договор. Заводим агенту отдельную учетную запись в CRM с правами только на его процесс.
Агент подключается к боту через официальные инструменты мессенджера и к CRM. Учится на ваших переписках: как называть услуги, как отвечать на торг, когда передавать. Настраиваем передачу человеку в тот же чат, чтобы клиент не переходил никуда. Для MAX смотрим, какие бизнес-инструменты доступны вашему аккаунту сейчас: они меняются.
Владельцы салонов и клиник спрашивают одно и то же: «а он точно запишет правильно?» Ниже, как работает ИИ-администратор на одном обращении: по шагам, от сообщения до напоминания, и что происходит, когда что-то идет не по плану.
Клиент звонит или пишет в Telegram, VK, чат сайта: «Можно на стрижку в субботу после обеда?» Агент читает это как запись: услуга, день, время. Если канал телефон, голосовой агент отвечает сразу, без удержания.
В вашей системе записи он видит то же, что администратор: свободные окна, мастеров, длительность услуги. Предлагает два-три варианта: «В субботу есть 14:30 у Анны и 16:00 у Марии».
Клиент выбирает, агент уточняет имя и телефон, если их еще нет в базе, и создает запись в системе. Сразу подтверждает: «Записала вас на субботу 14:30 к Анне, адрес такой-то».
Накануне вечером напоминание с возможностью подтвердить или перенести. В день визита короткое напоминание за час-два, если вы так настроили. Перенос агент делает сам в свободное окно.
«Агент обработал 3 000 диалогов» ничего не говорит о деньгах. Ниже пять метрик ИИ-агента, по которым мы оцениваем пилот, как их измерить до старта, чтобы было с чем сравнивать, и какие цифры обычно врут.
Медиана, а не среднее: одно письмо, отвеченное через три дня, портит среднее, а медиана показывает, что видит обычный клиент. Измеряется в CRM или мессенджере до пилота за месяц и во время пилота. Это первая победа агента: минута вместо часов.
Сколько диалогов агент довел до результата сам: ответил, записал, завел сделку. Считать только те, где клиент не написал повторно тот же вопрос. Для поддержки наш ориентир с главной 80% типовых вопросов, точную долю для вашего процесса показывает пилот.
Главная метрика для продаж. До агента менеджеры заводят в CRM часть заявок, остальные живут в чатах. После агента каждая квалифицированная заявка это сделка с историей. Считается как отношение сделок к обращениям.
Малому бизнесу не нужен «проект внедрения ИИ» на полгода. Чтобы внедрить ИИ в малый бизнес, нужен один агент на одном процессе, который через две недели либо показал цифру, либо нет. Так устроен наш пилот на 14 дней от 150 000 ₽. Ниже этапы внедрения ИИ по дням: что происходит, что нужно от вас и как считается результат.
Бесплатный созвон. Смотрим, где у вас теряются заявки и время: сколько обращений в день, кто на них отвечает, за сколько, что происходит вечером и в выходные. Итог разбора: один процесс для пилота и черновик метрики. Обычно это прием заявок, запись клиентов или типовые вопросы поддержки.
Выбираем один процесс, не три. Формулируем метрику так, чтобы ее можно было измерить без споров: время до первого ответа, доля заявок, заведенных в CRM, доля вопросов, закрытых без оператора. Фиксируем в договоре цену, срок и метрику. От вас в эти дни: доступ к CRM или системе записи, примеры реальных переписок за месяц, прайс и правила, по которым отвечают ваши люди.