ИИ в коммуникациях: опыт внедрения и безопасной автоматизации, Валерий Сидоренко, Р.И.М. – ИНТЕРИУМ
Валерий Сидоренко, член Общественного Совета при Минцифры России, руководитель Рабочей группы по выработке подхода к регулированию контента, созданного с применением ИИ, генеральный директор коммуникационной группы «Р.И.М. – ИНТЕРИУМ». Форум Cnews "Технологии искусственного интеллекта 2026".
Проблема «бесконечных экспериментов» в бизнесе
Сегодня дискуссии о том, заменит ли искусственный интеллект человека, стали своего рода фоном, в то время как реальный этап «пробы пера» давно пройден. Статистика показывает впечатляющие цифры: около 92% компаний уже так или иначе применяют, тестируют или используют ИИ-решения. Однако за этим фасадом массовости скрывается серьезная проблема: подавляющее большинство организаций не могут подтвердить реальный бизнес-эффект от этих внедрений. Почти 70% компаний даже не пытаются замерять эффективность.
Это говорит о том, что нынешний подход к ИИ в бизнесе часто носит декоративный характер. Он не имеет прямого отношения к оптимизации прибыли или сокращению издержек. Основной вызов сегодня заключается в том, чтобы перевести использование нейросетей из разряда «интересных игрушек» в разряд конкретных бизнес-процессов. На текущий момент лишь 12% компаний смогли сделать ИИ стандартом своего рабочего процесса, в то время как почти половина продолжает запускать бесконечные пилотные проекты. Ключ к успеху здесь лежит в системности и масштабе: ИИ действительно может «обыграть» человека только тогда, когда процесс масштабирован и стандартизирован.
Автоматизация как истинная цель
Важно сместить фокус с самого термина «Искусственный интеллект» на понятие «автоматизация». Не имеет значения, какой именно инструмент используется для достижения цели — ИИ или классический алгоритм. Главным остается вопрос: зачем мы это делаем и какую экономию получаем?
Пример с написанием текстов наглядно иллюстрирует этот принцип. Если нейросеть создает черновик за секунду, но профессиональный редактор тратит полчаса на исправление фактических ошибок и адаптацию стиля, то такая автоматизация может оказаться неэффективной или даже убыточной. Ценность автоматизации определяется не скоростью генерации, а тем, как распределены роли в воронке процесса.
Присутствие человека в автоматизированном процессе — это не признак плохого внедрения. Напротив, правильно определенное место человека — признак качественной архитектуры. Рутинные, повторяющиеся и легко проверяемые действия должны уходить машине. Однако нетипичные ситуации, принятие окончательных решений и ответственность за результат всегда должны оставаться за человеком.
Матрица рисков и стоимость ошибки
Для определения того, что именно стоит автоматизировать, предлагается использовать матрицу, основанную на цене выполнения задачи и цене ошибки.
Если ручной труд обходится компании дорого, а ошибка при этом легко обратима или имеет низкую стоимость, такой процесс должен быть автоматизирован в первую очередь. Это «золотая жила» для оптимизации.
Ситуация кардинально меняется, когда человеческий труд относительно недорог, но цена ошибки критически высока. Это особенно актуально для всех публичных действий компании. В таких случаях автоматизация должна идти в последнюю очередь — только после того, как технология будет полностью отрабочена, а законодательство и судебная практика сформируют четкие рамки ответственности.
Приоритет всегда отдается человеку там, где выше риски, меньше повторяемость задач и больше требуется автономии в принятии решений. Доверие клиентов сегодня является самой дорогой валютой, и ставить его под удар ради сомнительной экономии на зарплате модератора — стратегическая ошибка.
Шесть вопросов для проверки сценария
Прежде чем запускать любой процесс автоматизации, необходимо пропустить его через фильтр из шести базовых вопросов:
- Насколько часто повторяется данный сценарий?
- Насколько легко проверить результат действия с помощью стандартов или других инструментов?
- Насколько легко будет исправить ошибку, если она будет обнаружена?
- Каковы юридические риски?
- Каковы репутационные риски?
- Как это повлияет на уровень доверия клиентов?
Только получив ответы на эти вопросы, можно переходить к технической реализации.
Уроки внешней и внутренней автоматизации
Разбор реальных кейсов позволяет увидеть разницу между успешным внедрением и катастрофой. Кейс X5 с обработкой миллионов фотографий от тайных покупателей — пример идеальной автоматизации. Здесь были соблюдены все условия: огромный объем повторяющихся операций, понятные критерии оценки и возможность легкой категоризации. В результате рутина была убрана, качество выросло, а человек остался только для разбора спорных и сложных ситуаций.
Другой пример — опыт компании Циан в области написания кода. Важный урок здесь заключается в том, что просто «масштабировать ИИ» недостаточно. Команда Циана вовремя остановила эксперимент, чтобы доработать инфраструктуру и навыки постановки задач. Это доказывает, что эффективность ИИ напрямую зависит от того, насколько подготовлена среда и как выстроена работа с обратной связью.
Однако есть и предостерегающие примеры. История с ботом, который пообещал клиенту льготный тариф вопреки правилам компании, наглядно показывает: компания несет полную ответственность за любую информацию, которую её роботы выдают во внешний мир. Любое публичное действие компании, даже совершенное нейросетью, должно быть закреплено за ответственным человеком.
Безопасность и иллюзия контроля над агентами
Особое внимание стоит уделить современным ИИ-агентам. Существует опасное заблуждение, что безопасность можно обеспечить с помощью детальных текстовых инструкций («не делай этого», «запрещено использовать такие-то данные»). Кейс платформы Replit показал, что если у агента есть техническая возможность выполнить задачу, он может проигнорировать словесный запрет.
Безопасность нельзя делегировать самой модели или промптам. Она должна быть встроена в архитектуру системы. Если вы не хотите, чтобы данные были удалены или украдены, вы просто не должны предоставлять агенту доступ к этим данным на техническом уровне. Это базовое правило гигиены данных, которое, к сожалению, игнорируют многие компании: лишь четверть организаций имеют хотя бы элементарные инструкции для сотрудников по взаимодействию с нейросетями.
Практика «Р.И.М. – ИНТЕРИУМ» в сфере коммуникаций
В сфере PR и коммуникаций, которая традиционно считается «неавтоматизируемой», компания «Р.И.М. – ИНТЕРИУМ» выработала собственный подход к категоризации функций. Все задачи разделены на три типа: полностью автоматизированные с выборочным контролем, гибридные и те, где ответственность полностью лежит на человеке.
На примере подготовки комментариев для спикеров процесс был разбит на шесть блоков. Четыре из них (сбор информации, проработка тем, фактура, адаптация под специфику) автоматизированы полностью. В результате скорость работы выросла в пять раз. Однако финальная корректировка, утверждение текста и само взаимодействие со СМИ остались за PR-менеджером, так как это чисто человеческая функция, основанная на отношениях и доверии.
Другим примером является модерация соцсетей для крупных брендов с объемом в 40–50 тысяч упоминаний в месяц. Здесь «Р.И.М. – ИНТЕРИУМ» внедрила многоуровневую систему: база знаний по объектам - ИИ-фильтр (проверка по критериям качества) и финальная выборка человеком. Это позволило обрабатывать колоссальные объемы данных без потери качества, что было бы невозможно при чисто ручном подходе.
Дорожная карта системного внедрения
Мечта о «агентстве будущего», которое на 80% автоматизировано, достижима только через строгий системный подход. Логика внедрения в «Р.И.М. – ИНТЕРИУМ» выглядит так:
- Максимально мелкое дробление бизнес-процесса на элементарные операции.
- Выбор наиболее простой и повторяющейся операции для автоматизации.
- Создание и тестирование автоматизированной версии.
- Подключение системы к реальным базам данных и параллельный запуск с ручным процессом.
- Полное замещение операции автоматикой после подтверждения эффективности.
- Масштабирование этого опыта на аналогичные процессы в других отделах.
Такой путь позволяет минимизировать риски и постоянно улучшать результат за счет обратной связи. В основе технологического стека компании лежит использование модели Claude с развитой собственной обвязкой, что позволяет гибко настраивать процессы под конкретные задачи бизнеса.
