Запрос «ai автоматизация бизнеса» означает одно: компания уперлась в ручной шаг процесса и хочет отдать его машине. Но машина бывает четырёх сортов, и от выбора зависят цена запуска и то, будет ли ответ повторяемым. Жёсткое правило в системе, обученная модель, языковая модель и программный робот поверх интерфейса решают разные классы задач. Ниже разбор каждой по одной схеме: на каких данных работает, что требует на входе, где даёт непредсказуемый ответ и сколько стоит запустить.
Разрез здесь технологический: какие именно операции отдавать машине первыми, разобрано в статье про автоматизацию рутинных задач с ИИ.
Четыре способа автоматизировать один шаг процесса
Возьмите ручной шаг: «менеджер смотрит письмо и решает, это заявка или спам». Его закрывают четырьмя способами.
- Правило в системе. Условие в конфигураторе: если в теме есть слово из списка, создать лид. Ноль обучающих данных, ноль вероятностей.
- Обученная модель классификации. Вы размечаете несколько сотен писем, модель на новом письме отдаёт класс с числом уверенности.
- Языковая модель. Задача описывается текстом, разметка не нужна, но ответ каждый раз генерируется заново.
- Программный робот (RPA). Повторяет действия человека в интерфейсе: открывает почту, копирует поля, вставляет в учётную систему. Ничего не понимает, просто кликает.
По расчётам ИСИЭЗ НИУ ВШЭ на данных Росстата за 2024 год технологии ИИ применяют 4,8% средних и крупных организаций (малый бизнес обследование не охватывает): 14,9% среди компаний от 501 человека и 4,1% среди компаний до 100 человек, разрыв в 3,6 раза. В крупных компаниях лидирует обработка визуальных данных (61%), а обработку текста, интеллектуальную поддержку решений и обработку звука используют по 47-53%. Это не одна технология, а четыре разных бюджета.
Жёсткое правило в системе: единственный полностью предсказуемый вариант
Правило это условие и действие, записанные явно. Формальный вид им задаёт стандарт OMG DMN (Decision Model and Notation): последняя утверждённая версия 1.5 от августа 2024 года, версия 1.7 beta пока в работе. Строки таблицы решений это комбинации условий, колонка справа результат, а политика срабатывания говорит, что делать, если подошли две строки сразу.
На входе нужен только описанный процесс и человек, умеющий формулировать условия: ни данных, ни разметки, ни GPU. Один и тот же вход всегда даёт один и тот же результат. Это единственная из четырёх технологий, где можно доказать аудитору, почему система приняла такое решение.
Живут правила в конструкторах процессов внутри CRM и BPM-систем. В Битрикс24 блок «Автоматизация» появляется только на тарифе «Профессиональный»: 13 990 рублей в месяц за 100 пользователей без НДС. В «Базовый» за 2 490 рублей и «Стандартный» за 6 990 рублей этот блок не входит.
Ломается это на объёме: когда условий больше сотни и они начинают противоречить друг другу, дерево правил дешевле переписать, чем поддерживать. Честный сигнал, что задача не правилами решается.
Обученная модель: автоматизация бизнес решений там, где есть разметка
Автоматизация бизнес решений на модели начинается не с модели, а с размеченного набора примеров: вы показываете, как решала задачу команда, система воспроизводит это на новых данных. Кандидаты: классификация обращений, скоринг лида, предсказание оттока, отнесение платежа к статье бюджета.
Порог входа ниже, чем кажется. В Yandex AI Studio классификатор по промпту принимает от 2 до 20 классов, примеры для few-shot ограничены 6000 токенов на запрос, дообученный берёт до 100 классов и до 8000 токенов. Дообучение идёт методом LoRA, занимает от 1 часа до 1 суток, датасет ограничен 5 ГБ.
Главное отличие от правила: ответ приходит с числом. Классификатор возвращает поле confidence; при многоклассовой классификации сумма вероятностей равна 1, при классификации с несколькими метками вероятности считаются независимо. С этим числом и надо работать: ставить порог, ниже которого решение уходит человеку.
На входе нужны размеченные примеры и человек, отвечающий за качество разметки: плохая разметка это не «модель чуть хуже», а модель, обученная воспроизводить чужие ошибки. Ограничение, о которое спотыкаются на объёме: квота на классификацию в AI Studio по умолчанию 1 запрос в секунду. Для тысячи писем в час хватит, для разбора миллионного архива за ночь нет.
Языковая модель: смысл текста без разметки и без гарантий
LLM берёт задачу, описанную словами, и не требует обучающего набора: пилот стартует за день, а не за месяц сбора разметки. Уместна она на пересказе длинного документа, извлечении сущностей из свободного текста, черновике ответа клиенту, сведении десяти отзывов в один список претензий.
Чего она не умеет, зафиксировано прямо в документации Yandex AI Studio: «Модели генерации текста не получится дообучить новой информации, например базе знаний службы поддержки». Дообучение задаёт формат ответа, знания подают в запросе.
Цены из прайсов вендоров на август 2026. В Yandex AI Studio синхронный YandexGPT Pro 5.1 стоит 0,8 рубля за 1000 входящих и 0,8 рубля за 1000 исходящих токенов с НДС, YandexGPT Lite 0,2 рубля; асинхронный режим дешевле вдвое, 0,41 и 0,1 рубля. У GigaChat по схеме pay-as-you-go Lite стоит 0,065 рубля за 1000 токенов, Pro 0,5, Max 0,65 с НДС, минимальные расходы за месяц 600 рублей. Пакет на 300 млн токенов Lite стоит 19 500 рублей, миллиард токенов Max 650 000 рублей.
Возьмём рабочую оценку: обращение клиента вместе с ответом это порядка 1500 токенов, точную цифру для своих текстов снимают токенизатором, его вызовы не тарифицируются. Тысяча обращений в месяц на GigaChat Lite стоит около 100 рублей, то есть в счёт попадёт минимальный платёж 600 рублей; на YandexGPT Pro 5.1 те же тысяча обращений обойдутся примерно в 1200 рублей. Дорого становится не от цены токена, а от объёма контекста, который подкладывается в каждый запрос.
Программный робот поверх интерфейса: когда у системы нет API
RPA не понимает данные, он воспроизводит клики и ввод. Единственная причина его выбирать: система не отдаёт данные иначе. Старая учётная программа, банк-клиент, кабинет госоргана.
Стоимость запуска складывается не из одной лицензии. Робот бывает attended, на машине сотрудника, и unattended, на выделенной машине; у российской Primo RPA второй вариант работает только с отдельно лицензированным Оркестратором, а для сценариев с моделями OCR и LLM добавляются лицензия AI Server и лицензия агента. Прайс вендор не публикует, стоимость запрашивают под конфигурацию.
Два источника простоя закладывают в план сразу. Первый: робот привязан к расположению элементов, поэтому смена вёрстки интерфейса останавливает сценарий. Второй: лицензии Primo RPA становятся невалидными при изменении имени сервера, характеристик оборудования (жёсткий диск, процессор) или учётной записи, под которой работают службы WebApi и MachineInfo, так что виртуальную машину под робота нельзя переносить и апгрейдить как обычную. Экономика технологии разобрана в статье про RPA и роботизацию бизнес-процессов.
Технологии автоматизации бизнес процессов: таблица выбора под тип задачи
Технологии автоматизации бизнес процессов выбираются по двум признакам: формализуемо ли решение и есть ли доступ к данным через API.
| Тип задачи | Подходящая технология | Почему именно она |
|---|---|---|
| Решение описывается конечным списком условий | Правило в системе | Объяснимо, обучающие данные не нужны |
| Разнести обращения по 5-20 категориям, есть архив с разметкой | Обученный классификатор | Отдаёт вероятность, стоимость запроса фиксирована |
| Извлечь сущности или выжимку из свободного текста | Языковая модель | Не требует разметки, работает со смыслом, а не с шаблоном |
| Достать данные из системы без API | Программный робот | Единственный способ, когда интеграции нет и не будет |
| Распознать скан документа и вынуть реквизиты | OCR плюс правило или модель | OCR даёт текст, решение принимает следующий слой |
| Прогноз спроса, оттока, вероятности сделки | Обученная модель на истории | LLM не работает, нужна статистика по вашим данным |
Комбинация встречается чаще чистого варианта. Типовой контур обработки счёта: OCR распознаёт скан, языковая модель вынимает реквизиты, правило сверяет сумму с договором, робот вносит документ в старую учётную систему.
Недетерминированный ответ: как встроить его в процесс без риска
Правило всегда даёт один ответ, модель и LLM не дают. Это не дефект, а свойство, и обходят его тремя приёмами.
- Порог уверенности. Всё, что ниже выбранного значения confidence, уходит человеку. Порог подбирают на отложенной выборке, а не назначают интуитивно.
- Ограничение формы ответа. Задача формулируется как выбор из закрытого списка, а не как свободный текст: классификатор по промпту в AI Studio принимает от 2 до 20 классов, дообученный до 100, и ответ физически не выйдет за этот список.
- Человек на выходе. На старте машина готовит, человек утверждает; доля утверждённых без правок и есть метрика, по которой снимают контроль.
Отправка обращений клиентов в облачную модель это обработка персональных данных со всеми последствиями. С 30 мая 2025 года по Федеральному закону от 30.11.2024 № 420-ФЗ штраф для юрлица за утечку данных 1000-10 000 субъектов составляет от 3 до 5 млн рублей, 10 000-100 000 субъектов от 5 до 10 млн, свыше 100 000 от 10 до 15 млн. Повторная утечка тянет оборотный штраф 1-3% годовой выручки, но не менее 20 млн и не более 500 млн. Вопрос «где физически обрабатываются данные» из технического становится финансовым.
Сколько стоит запуск каждой из четырёх технологий
По данным ИСИЭЗ НИУ ВШЭ заказные разработки используют 56% организаций, готовое коммерческое ПО 53%. Компании от 500 человек чаще идут своим путём: 38% берут бесплатные решения, 34% разрабатывают сами, 32% дорабатывают открытый код. У компаний до 100 человек картина обратная: 62% берут готовые решения, а на бесплатное ПО и собственные разработки приходится 13-20%.
Сравнивать надо не цену лицензии, а стоимость первого рабочего сценария.
| Технология | Из чего складывается стоимость | Проверяемый ориентир |
|---|---|---|
| Правило | Тариф системы плюс настройка | Битрикс24 «Профессиональный» с блоком «Автоматизация»: 13 990 ₽/мес за 100 пользователей без НДС |
| Классификатор | Разметка, дообучение, запросы | Классификация в AI Studio 0,1525 ₽ за запрос: единица это до 1000 токенов на YandexGPT Lite и до 250 на Pro и дообученном; дообучение на стадии Preview не тарифицируется |
| Языковая модель | Токены запроса и ответа | GigaChat Lite 0,065 ₽ за 1000 токенов, Max 0,65 ₽; YandexGPT Pro 5.1 0,8 ₽ синхронно, 0,41 ₽ асинхронно |
| Своя модель на выделенных мощностях | Почасовая аренда инстанса | Выделенный инстанс Qwen 2.5 7B конфигурации S в AI Studio: 817,40 ₽ в час |
| OCR документов | Оплата за страницу | Распознавание печатного текста 0,1321 ₽, таблиц 1,22 ₽, рукописного текста 1,52 ₽ за единицу |
| RPA | Лицензии робота, Студии и Оркестратора плюс разработка сценария | Цены не публикуются; unattended-робот требует лицензированного Оркестратора |
Дешёвая на бумаге LLM выходит дороже классификатора, но считать надо в одинаковых единицах. Единица тарификации классификации это один запрос: до 1000 токенов у классификатора на YandexGPT Lite и до 250 токенов у классификатора на YandexGPT Pro и у дообученного, тексты длиннее округляются вверх и идут как несколько запросов. Обращение на 1000 токенов классификатор на Lite разбирает за 0,1525 рубля, дообученный за 0,61 рубля. Тот же текст в YandexGPT Pro 5.1 с коротким ответом на 200 токенов стоит около 0,96 рубля: 0,8 за входящие плюс 0,16 за исходящие. Разница с классификатором на Lite шестикратная, на ста тысячах обращений это 15 тысяч рублей против 96 тысяч.
Не уверены, какая из четырёх технологий подойдёт вашему процессу
Разберём конкретный шаг: посчитаем стоимость операции в трёх вариантах реализации, покажем, где ответ будет недетерминированным, и назовём срок пилота. До бюджета и до закупки лицензий.
Почему языковую модель ставят не туда: четыре типовые ошибки
Четыре промаха повторяются чаще прочих.
- «Дообучим модель на нашей базе знаний». Документация Yandex AI Studio прямо предупреждает, что модель генерации текста не получится дообучить новой информации. Дообучение задаёт формат ответа, знания подаются в запросе.
- LLM вместо правила в расчётах. Скидка по объёму заказа, срок доставки по региону, лимит кредита это арифметика с фиксированным результатом. Модель считает нестабильно и не оставляет следа для перепроверки.
- LLM вместо прогноза. Спрос, отток, вероятность сделки считаются по вашим историческим данным. Языковая модель их не видела и выдаст правдоподобный текст вместо числа.
- LLM вместо интеграции. Если система отдаёт данные по API, забирать их запросом к модели бессмысленно: платите за токены и получаете вероятностный ответ вместо точного.
Обратная ошибка встречается реже, но стоит дороже: правилами описывают то, что правилами не описывается. Признак один, список условий растёт быстрее качества, и каждое новое исключение ломает два старых.
Как проверить выбор технологии за две недели до бюджета
Проверка стоит дешевле спора.
- Выгрузите 100 реальных кейсов за прошлый месяц: с ошибками, опечатками и нестандартными формулировками.
- Зафиксируйте эталон: как эту сотню решил человек.
- Прогоните ту же сотню через двух кандидатов: правило и модель либо классификатор и LLM. По прайсу прогон стоит десятки рублей.
- Посчитайте три числа: долю совпадений с эталоном, стоимость операции, время отклика. Учтите квоты: синхронная классификация и синхронный OCR в AI Studio идут по 1 запросу в секунду.
- Проверьте края: файл для OCR API ограничен 10 МБ, PDF в асинхронном режиме 200 страницами. Если документы больше, задачу решает нарезка, а не выбор модели.
- Сравните с ценой ручного шага: минуты на операцию, стоимость часа исполнителя, число операций в месяц.
После этого бюджет обсуждают цифрами, а не аргументом «сейчас все внедряют ИИ». Инструменты, из которых решение собирается без разработки, разобраны в материале про no-code-инструменты для автоматизации бизнеса.
Частые вопросы
Можно ли обойтись одной технологией на весь процесс
Практически никогда. Обработка счёта требует четырёх слоёв: OCR распознаёт скан (0,1321 рубля за страницу печатного текста в Yandex Vision OCR), языковая модель вынимает реквизиты, правило сверяет сумму, робот вносит документ в систему без API.
Сколько размеченных примеров нужно, чтобы обучить классификатор
Начинать можно без обучения: классификатор few-shot в Yandex AI Studio принимает примеры прямо в запросе, до 6000 токенов, и работает с 2-20 классами. Дообучение нужно, когда качество few-shot не устраивает или классов больше двадцати: дообученный поддерживает до 100 классов, процесс занимает от 1 часа до 1 суток.
Что дешевле для потока обращений: классификатор или языковая модель
Классификатор. Обращение на 1000 токенов он разбирает за 0,1525 рубля на YandexGPT Lite, тот же текст в YandexGPT Pro 5.1 с коротким ответом обойдётся примерно в 0,96 рубля. Языковая модель оправдана, когда нужен текст ответа, а не метка класса.
Обязательно ли покупать российское решение
Юридически ограничение действует для госзаказчиков и объектов КИИ. Для остальных решает вопрос обработки персональных данных: с 30 мая 2025 года штраф за утечку данных более 100 000 субъектов составляет от 10 до 15 млн рублей, повторное нарушение тянет оборотный штраф 1-3% выручки при потолке 500 млн.
Почему RPA-робот работает месяц, а потом останавливается
Две причины. Первая: изменился интерфейс целевой системы, а робот привязан к расположению элементов. Вторая: слетела лицензия. У Primo RPA она становится невалидной при смене имени сервера, жёсткого диска, процессора или учётной записи служебных процессов, поэтому обычный апгрейд виртуальной машины останавливает робота.
