Короткий ответ
Это сценарий, в котором программа выполняет большинство шагов по жёстким правилам, а один шаг отдаёт модели ИИ: прочитать письмо, определить тип заявки, написать черновик ответа или извлечь данные из документа. Ответ модели вероятный, а не точный, поэтому всё, что уходит клиенту, касается денег или договора, сначала утверждает человек — пока не измерена доля ошибок.
Автоматизация с ИИ простыми словами: правила плюс шаг, который читает
Когда ищут, что такое автоматизация с помощью ИИ, часто представляют робота, который сам ведёт бизнес. Автоматизация — программа, которая повторяет одни и те же шаги, когда что-то происходит: пришла заявка, оплачен заказ. ИИ-автоматизация сохраняет эту цепочку и добавляет шаг, с которым жёсткое правило справляется плохо, потому что на входе человеческий текст: письмо, заявка в свободной форме, сумма в отсканированном счёте.
В справке Zapier шаг AI by Zapier назван встроенным инструментом, который добавляет в сценарий шаги на основе ИИ, а готовые шаблоны запросов разбиты на четыре группы: пересказать, написать, классифицировать и извлечь. Документация n8n говорит, что платформа строит ИИ-сценарии с моделями разных поставщиков, например OpenAI, Anthropic и Google. В обоих случаях модель — лишь звено цепочки, а триггер, маршрут и место назначения — обычная автоматизация.
Чем шаг по правилу отличается от шага с ИИ
Шаг по правилу предсказуем. Счёт отмечен оплаченным — отправить чек; остаток упал ниже десяти — предупредить закупщика. Напоминаниям и синхронизации данных языковая модель добавит только расходы. Шаг с ИИ оправдан там, где вход каждый раз разный: одну просьбу пишут сотней способов, счета приходят в разных макетах, в одном отзыве и похвала, и жалоба.
Модель возвращает метку, черновик или набор полей, и это вероятный ответ, а не точный. Британский регулятор ICO в руководстве по ИИ и защите данных пишет, что выводы о человеке — часто лишь статистически обоснованное предположение, и в записях это нужно отмечать. Отсюда правило: всё, что можно записать правилом, делают правила, ИИ достаётся только чтение или письмо, а кто проверяет его ответ и куда тот уходит, решают заранее.
Где в сценарии с ИИ остаётся человек и что он решает
«Человек в контуре» означает, что сценарий останавливается в заданной точке и ждёт решения. Документация n8n описывает это для ИИ-агентов: когда инструменту нужна проверка, сценарий встаёт на паузу, а проверяющий либо одобряет действие, и оно выполняется с данными от ИИ, либо отклоняет, и действие отменяется. Запрос приходит, например, в Telegram, Slack или Gmail.
Там же названо, где проверка важнее всего: необратимые действия вроде удаления данных, внешних сообщений или покупок, требования регуляторов и решения с большим влиянием на бизнес. Совет — начинать с включённой проверкой и ослаблять контроль по мере роста доверия. В небольшой компании всё, что уходит клиенту, двигает деньги или меняет важную запись, утверждает конкретный человек, пока не измерена доля ошибок.
Пять повседневных сценариев: триггер, шаг ИИ, проверка, результат
Полезные сценарии устроены по одной схеме: триггер, шаг ИИ, проверка, результат. Первый случай — форма на сайте, общий почтовый ящик или сообщения в Telegram. ИИ помечает каждое обращение как запрос цены, жалобу, предложение поставщика или спам и для первых двух пишет черновик ответа. Менеджер правит или одобряет его, ответ уходит, а обращение попадает в CRM со своей категорией.
Второй — счёт поставщика в PDF. ИИ достаёт поставщика, дату, суммы и строку налога, а бухгалтер сверяет их с заказом до проводки. Третий — новый публичный отзыв: ИИ пишет ответ в тоне компании, владелец правит главную фразу, и ответ публикуется. Человек тратит секунды на проверку вместо минут на набор — в этом и экономия.
Четвёртый — запись созвона: из расшифровки получается резюме с договорённостями, организатор его подтверждает, и задачи создаются с ответственными и сроками. Пятый — данные о товарах: по таблице поставщика ИИ пишет черновики описаний, например для карточек на Wildberries, а редактор проверяет каждое утверждение о составе и размерах. Двенадцать таких сценариев со сроками и ценами — в гиде по ссылке в конце.
Как выбрать первый процесс для ИИ и посчитать окупаемость
Лучший первый кандидат скучен: он ежедневный, понятный новичку, а ошибка в нём дешёвая и быстро заметна. Разбор входящих подходит. Решать, кому дать кредит или кому из кандидатов отказать, — нет. Страница Европейской комиссии о законе об ИИ относит сортировку резюме при найме и кредитный скоринг к высокому риску, и строгие требования к ним после продления по «AI Omnibus» начнут действовать со 2 декабря 2027 года.
Рамка управления рисками ИИ американского института NIST добровольна и делит работу на четыре функции: govern, map, measure и manage. Функция map задаёт контекст, в котором рассматривают риски, и первые проекты её обычно пропускают. Окупаемость измеряют, а не обещают: две недели до запуска считайте объём, время на единицу и частоту ошибок, после запуска — то же плюс время на проверку и ежемесячные расходы. Подробный расчёт — в гиде о стоимости.
Инструменты для автоматизации с ИИ и за что они берут деньги
Инструменты делятся на три группы. Платформы сценариев вроде Zapier, Make и n8n соединяют сервисы через триггеры и действия, и ИИ там — один из типов шагов. Функции ИИ внутри ваших программ, например черновики ответов в службе поддержки, отдельного инструмента не требуют. Собственный код дороже, зато даёт полный контроль над данными и проверками. У платформ же важнее всего единица учёта.
Справка Zapier говорит, что задача — это любое успешное действие, а триггеры задач не тратят; стандартный шаг ИИ стоит одну задачу за запуск, сильные модели — втрое или впятеро больше, и каждый вызов инструмента оплачивается сверху. Make считает операции — запуски модулей — и по умолчанию одна операция равна одному кредиту; при своём подключении к OpenAI или Anthropic токены оплачиваются поставщику напрямую. n8n, по его документации, можно развернуть на своей инфраструктуре, а без лицензионного ключа это бесплатная Community edition; обновления и резервные копии тогда на вас.
Риски ИИ-автоматизации: ошибки, персональные данные, закон и расходы
Первый риск — неверные ответы, похожие на верные: перепутанная дата, выдуманный номер счёта, гладкий ответ на вопрос, которого не задавали. В руководстве ICO сказано, что системе ИИ не обязательно быть точной на 100%, чтобы соответствовать принципу точности, но выводы и прогнозы нужно помечать как таковые. Храните источник рядом с результатом, записывайте правки человека и раз в неделю просматривайте выборку.
Второй — персональные данные. Письмо или счёт, отправленные на шаг ИИ, уходят поставщику модели, если она не работает на ваших серверах, поэтому в описании данных должно быть видно, что уходит, куда и по какому договору. ICO пересматривает своё руководство по ИИ после закона Data (Use and Access) Act, в других странах, включая Россию, правила свои, так что свой случай проверьте со специалистом. Закон ЕС об ИИ, как пишет Еврокомиссия, не вводит правил для ИИ минимального риска вроде спам-фильтров.
Его правила прозрачности действуют с августа 2026 года. Статья 50 в публикации AI Act Service Desk, сервиса Еврокомиссии, обязывает поставщиков проектировать системы ИИ, которые напрямую общаются с людьми, так, чтобы люди знали, что говорят с ИИ, если это не очевидно, — не позднее первого контакта. Значит, чат-ассистент на сайте представляется в первом сообщении. Последний риск — расходы: цикл, по ошибке прогнанный тысячу раз, превращается в настоящий счёт, и лимит трат нужен с первой версии.
Карта процесса перед заказом автоматизации с ИИ
Подготовьте карту одного процесса на одном листе: триггер, шаги по порядку, кто делает каждый сейчас, сколько это занимает, какие системы задействованы и где должен оказаться результат. Отметьте единственный шаг, где нужно читать или писать, и проверяющего. Добавьте двадцать настоящих примеров, обезличенных и с неудобными случаями: сценарий, проверенный на аккуратных образцах, ломается на первом сумбурном письме.
Карта же подсказывает, делать самому или заказывать. Один триггер, один шаг ИИ и одна точка назначения в знакомой платформе — разумный проект на выходные по её шаблонам. Несколько систем, персональные данные, шаг одобрения, обработка ошибок и журналы — это разработка, у которой после запуска должен быть хозяин. VITON13 Studio делает такие сценарии для небольших компаний из любой страны удалённо: от карты процесса до проверки человеком и передачи дел.
С картой, примерами и цифрами за две недели смета опирается на факты. В гидах ниже — готовые сценарии и расчёт окупаемости, на странице услуги — состав разработки. Тогда вопрос о том, что такое автоматизация с помощью ИИ, сменится более полезным: какой из ваших шагов отдать ей первым.
Практический чеклист
- Выберите один процесс, который случается каждый день, идёт по понятным правилам и недорого обходится при ошибке.
- Опишите его на одном листе: триггер, шаги, системы, кто проверяет ответ ИИ и куда уходит результат.
- Соберите двадцать настоящих примеров входных данных, включая неудобные, и обезличьте персональные данные.
- Две недели до запуска считайте объём, время на одну единицу и долю ошибок.
- До первого боевого запуска назначьте проверяющего, еженедельную выборочную проверку и лимит расходов.
Вопросы и ответы
Нужно ли уметь программировать, чтобы настроить автоматизацию с ИИ?
Для одного триггера и одного шага ИИ обычно нет: в редакторах платформ шаги и запрос собирают без кода, а у шага ИИ в Zapier есть готовые шаблоны запросов. Техническая работа нужна, когда данные приходится преобразовывать, когда должны договориться несколько систем или когда сценарий работает на ваших серверах.
Сколько стоит в месяц работа одного шага ИИ в сценарии?
Зависит от единицы учёта платформы. Zapier считает стандартный шаг ИИ одной задачей за запуск и берёт больше за сильные модели и вызовы инструментов; Make считает операции, а при своём аккаунте у поставщика модели токены оплачиваются ему напрямую. Умножьте цену одного запуска на месячный объём.
Может ли ИИ отвечать клиентам без проверки человеком?
Может, но на старте не стоит. Пусть человек утверждает ответы, пока не станет ясно, как часто черновики приходится править на живом потоке. Потом отпустите только простые категории, например подтверждение, что заявка получена, а остальное продолжайте проверять выборочно.
Касается ли закон ЕС об ИИ небольшой компании, которая автоматизирует процессы?
Может касаться. Закон делит ИИ по уровням риска: многие повседневные применения попадают в группу минимального риска без новых правил, но у чат-ассистента для клиентов есть обязанности прозрачности, а сортировка резюме относится к высокому риску. Правила менялись в 2026 году, поэтому свой случай проверьте со специалистом.
Какие процессы не стоит первыми отдавать искусственному интеллекту?
Решения, которые меняют чью-то жизнь или деньги: найм, кредит, юридические формулировки, медицинские советы и советы по безопасности. Ошибка там бьёт по человеку и плохо исправляется. Начинайте там, где неверный черновик проверяющий замечает за секунды, а исправленный он ничего не стоит.