Работа на автопилоте: Как поручить нейросети ежедневные задачи

Марк Тьюрин

Работа на автопилоте: Как поручить нейросети ежедневные задачи

Ручная работа под микроскопом

После общего разговора о роли нейросети вопрос становится практичнее: какую именно задачу отдать ей первой? Ответ не найти в списке возможностей модели. Его можно обнаружить, если остановить один обычный рабочий день и рассмотреть не должность целиком, а отдельные действия, из которых она складывается.

В 8:47 у Анны уже было четыре непрочитанных сообщения.

Одно пришло от сотрудника: клиент снова прислал документы не в том формате. Второе — от самого клиента: длинное письмо с одиннадцатью вопросами, вложением и пометкой «срочно». Третье появилось в корпоративном мессенджере от Ильи: «Нужен файл за прошлую неделю. Кажется, у нас две версии». Четвёртое отправила Марина, операционный директор: к обеду подготовить короткую сводку по обращениям с просроченным ответом.

Анна открыла письмо клиента, пролистала его до середины и отправилась искать карточку обращения. В рабочем хранилище нашлись три похожих файла: «Итоги_май», «Итоги_май_новый» и «Итоги_май_финал». В последнем не оказалось нужной вкладки. Через несколько минут выяснилось, что данные обновлялись в другом документе.

К 9:03 Анна уже не искала информацию, а приводила в порядок таблицу. В одном столбце даты были записаны как «12.05», в другом — как «12 мая 2024», а в третьем часть значений отображалась числами. Потом пришлось вручную убрать лишние пробелы, переименовать заголовки и проверить, не исчезли ли строки после копирования.

В 9:19 позвонила руководитель группы. У клиента возникла претензия к начислению. Нужно было не просто найти письмо, а восстановить контекст: что ему уже обещали, кто отвечал и можно ли предложить исправление без дополнительного согласования.

В 9:27 написал Павел, непосредственный руководитель Анны: «К 11:00 нужна повестка на встречу с руководителями групп. Возьми открытые вопросы, просрочки и решения с прошлой недели».

Через семь минут Илья прислал ещё одно сообщение: «Если сегодня не соберём сводку, я опять буду переносить цифры вручную до вечера».

Анна открыла чистый лист и записала шесть глаголов: ответить, найти, привести, свести, подготовить, проверить. На первый взгляд всё это выглядело как одно большое поле для автоматизации. Можно было сказать: «Нейросеть, разгрузи мой день». Но такая формулировка скрывала главное: за каждым глаголом стояли разные действия, разные источники информации и разная цена ошибки.

Обычное утро, в котором нет одной задачи

Если автоматизировать должность целиком, получится непрозрачный комок поручений. Стоит разобрать рабочий день на отдельные операции — и появляются границы.

Анна разделила свои действия на пять зон.

Входящие — письма, сообщения, файлы, звонки, заявки и уведомления, которые нужно принять, прочитать, классифицировать или направить дальше.

Поиск — нахождение нужного файла, факта, фрагмента переписки, пункта инструкции или прежней договорённости.

Преобразование — приведение материала к нужному виду: очистка таблицы, выделение полей, перевод свободного текста в список, сравнение двух версий или группировка обращений.

Создание — подготовка нового результата на основе исходных данных: черновика ответа, сводки, повестки, отчёта или списка поручений.

Контроль — проверка сроков, пропусков, расхождений, обязательных полей и соответствия правилам.

Эти зоны не совпадают с названиями должностей. Подготовка еженедельной сводки, например, включает поиск файлов, преобразование таблиц, создание текста и контроль итоговых значений. Пока такая задача называется просто «сделать отчёт», непонятно, что именно можно передать нейросети, а что останется ответственностью Анны.

Павел попросил её объяснить, что именно она собирается автоматизировать.

«Входящие, ответы, сводки, таблицы и повестки», — сказала Анна.

«Это названия результатов, а не действий. Что исчезнет из твоего дня?»

Анна открыла список.

«Ручная сортировка писем. Перенос данных из нескольких файлов. Написание типовых ответов. Составление итогов встреч. Сбор тем для повестки».

«Кто решит, что письмо срочное?»

«Пока я».

«Кто решит, можно ли клиенту обещать компенсацию?»

«Тоже я».

«Кто проверит, что в сводке не появилась выдуманная цифра?»

«Я или Илья».

Павел кивнул:

«Значит, речь не о передаче работы целиком. Речь о передаче отдельных операций с понятной точкой контроля».

Эта фраза изменила список Анны. Вместо «автоматизировать ответы» она записала: «подготовить черновик типового ответа без отправки». Вместо «отдать нейросети отчёт» появилось: «свести четыре таблицы к единому формату и показать расхождения». А вместо «пусть сама разберёт входящие» — «присвоить письмам категории по заранее заданным правилам».

Илья, который подключился к разговору позже, обозначил свою границу:

«Если модель изменит значения, а не только формат, мы получим красивую ошибку. Мне нужен журнал изменений и возможность сравнить исходник с результатом».

Марина задала другой вопрос:

«Куда попадут письма клиентов? В них есть фамилии, телефоны, номера заказов и иногда сведения о договорах».

Вопрос о данных возникает ещё до выбора конкретного сервиса. Если в задаче есть персональные данные, нельзя просто скопировать переписку в любой внешний инструмент. Компания должна использовать разрешённый корпоративный контур или предварительно обезличить материал. Требования к обработке персональных данных в России, в том числе предусмотренные 152-ФЗ, не отменяются только потому, что задачу выполняет нейросеть. Если порядок передачи данных не определён, это отдельный риск, а не техническая мелочь.

Четыре фильтра для подходящей задачи

Повторяемость сама по себе не делает задачу хорошим кандидатом. Ежедневное решение о компенсации клиенту тоже повторяется, но передавать такое решение модели нельзя. Анна использовала четыре фильтра.

Первый — повторяемость.

Задача должна возникать достаточно часто и проходить по похожей схеме. Если операция встречается раз в квартал и каждый раз требует нового расследования, настройка автопилота может обойтись дороже ручной работы. Если же сотрудник каждую неделю сортирует десятки сообщений, переносит одни и те же поля или собирает сводку по одной структуре, повторяемость налицо.

Важно учитывать не только частоту, но и форму. Двадцать разных писем не обязательно образуют одну задачу. В половине случаев может потребоваться найти информацию, которой нет в системе, а в другой — согласовать исключение. Это уже два разных сценария.

Второй — ясность входа.

Нужно понимать, с чем работает нейросеть: с письмом, таблицей, стенограммой встречи, списком открытых вопросов или карточками обращений. Должно быть ясно, какие данные разрешено использовать и где находится источник.

«Найди нужную информацию где-нибудь в переписке» — слабый вход. «Вот письма за неделю, карточки обращений и список статусов; выдели просроченные случаи» — уже рабочая заготовка.

Если вход нельзя собрать без долгого ручного поиска, сначала нужно автоматизировать поиск или изменить процесс хранения. Модель не исправит отсутствие единого источника. Она лишь быстрее обработает то, что ей дали, включая лишние и устаревшие файлы.

Третий — проверяемость выхода.

Результат должно быть возможно сравнить с источником, правилом или образцом. Проверить формат дат легко. Убедиться, что в повестке есть все обязательные пункты, тоже несложно. Черновик ответа можно сверить с утверждённым шаблоном и фактами из карточки обращения.

Сложнее проверить вывод вроде «клиент настроен агрессивно» или «этот случай можно закрыть». Здесь нет простой границы правильного ответа. Модель способна предложить гипотезу, но такая задача требует человеческого решения и дополнительных источников.

Четвёртый — цена ошибки.

Цена ошибки складывается не только из денег. В неё могут входить потерянное время, повторная работа, пропущенный срок, недовольство клиента, утечка данных или необходимость объяснять руководству, почему клиенту отправили неверное обещание.

Если модель перепутает формат даты во внутренней черновой таблице, ошибку можно заметить при выборочной проверке. Если она отправит клиенту неверный срок возврата, последствия будут иными. Один и тот же уровень точности может быть приемлемым для внутреннего списка и совершенно недостаточным для сообщения, которое уходит наружу.

Задача хорошо подходит для первого эксперимента, когда она часто повторяется, имеет понятный вход, проверяемый выход и низкую либо контролируемую цену ошибки. Если одного критерия не хватает, задачу не обязательно вычёркивать. Её можно перевести в более осторожный режим: использовать только для черновиков, рекомендаций или обязательной проверки каждой строки.

Где заканчивается действие и начинается решение

Самая опасная путаница возникает между действием и решением.

Действие — это преобразование материала по заданным правилам. Решение — выбор, который меняет обязательства, статус, деньги, отношения или дальнейший ход процесса.

Разобрать письмо по темам — действие. Решить, признавать ли претензию обоснованной, — решение.

Найти в карточках все обращения без ответа больше двух дней — действие. Закрыть эти обращения как неактуальные — решение.

Составить черновик сообщения по утверждённому шаблону — действие. Отправить клиенту обещание о сроке или скидке — решение.

Сравнить две версии таблицы и показать расхождения — действие. Выбрать, какая цифра верная, если источники расходятся, — решение.

Нейросеть может подготовить материал для решения, но это не означает, что ей передали право решать. В рабочем контуре нужно прямо зафиксировать, чего модель не делает: не отправляет сообщения, не удаляет записи, не меняет статусы, не утверждает выплаты и не выносит окончательные выводы по спорным случаям.

Та же граница встречается и за пределами работы. Нейросеть может превратить длинную семейную переписку в список покупок и дел к поездке, но не должна самостоятельно выбирать дозировку лекарства для ребёнка. Она может сравнить варианты подарка для друга по цене, сроку и характеристикам, но перевод денег и окончательный выбор остаются за человеком. Она может собрать из группового чата список предложенных мест, но не обязана говорить от имени участника в конфликте.

Автопилот в этой книге — не режим, в котором человек исчезает. Это ограниченный контур: нейросеть получает подготовленный вход, выполняет заранее оговорённое действие и возвращает результат, а человек сохраняет контроль над решением и последствиями.

Матрица, которая возвращает контроль

После четырёх фильтров Анна не стала присваивать задачам единый «процент готовности к автоматизации». Такой показатель создавал бы ложную точность. Вместо этого она использовала матрицу с двумя вопросами: насколько легко проверить результат и насколько дорого будет ошибиться.

Если результат легко сверить, а ошибка дёшева, задача попадает в зону первого делегирования. Туда относятся приведение таблиц к единому формату, выделение дат и сумм, подготовка структуры повестки, извлечение поручений из заметок. Проверка всё равно нужна, но её можно проводить выборочно или сосредоточиться на ключевых полях.

Когда результат проверяем, но цена ошибки заметна, необходим обязательный человеческий контроль. Так можно работать с сортировкой входящих, черновиками клиентских ответов и сводками встреч. Модель ускоряет подготовку, но готовый результат просматривается до того, как он повлияет на клиента или команду.

Если результат трудно проверить или ошибка затрагивает деньги, права, персональные данные, репутацию и обязательства компании, решение нельзя передавать модели. Нейросеть может собрать факты, выделить варианты и указать на расхождения, но окончательный вывод делает сотрудник с соответствующими полномочиями.

Из этого следуют несколько простых правил.

Если модель только меняет форму материала, а не его смысл, это кандидат на ранний запуск.

Если результатом становится внешнее сообщение, изменение статуса, платёж, предоставление доступа, увольнение, компенсация или юридически значимое обещание, на последнем шаге должен оставаться человек.

Если заранее невозможно описать, как отличить правильный результат от неправильного, сначала нужно создать критерии проверки.

Если в задаче используются персональные данные, ещё до технического эксперимента необходимо определить разрешённый контур и состав передаваемых данных.

Если модель должна сама решать, что считать исключением, сначала следует ограничить область применения правил, а спорные случаи оставить человеку.

Собственная оценка модели, даже если она говорит о «высокой уверенности», такой проверки не заменяет. Уверенный тон не является доказательством.

Пять кандидатов Анны

Анна выбрала пять задач не потому, что они казались самыми эффектными, а потому, что для каждой можно было описать вход, выход и контроль. Это были кандидаты на автопилот, а не обещание полной автоматизации отдела.

Сортировка входящих

До эксперимента Анна открывала сообщения по одному и вручную решала, что делать дальше. На письмо уходило в среднем две-три минуты: прочитать его, найти контекст, определить срочность, переслать сотруднику или поставить напоминание.

Она ввела пять категорий: «ответить сегодня», «передать сотруднику», «запросить данные», «жалоба или риск», «не требует действия». Нейросеть должна была присвоить сообщению категорию, кратко объяснить причину и указать предполагаемый срок реакции. При этом ей запрещалось удалять сообщения, отправлять ответы или менять статус обращения.

Рабочая реплика для такого контура могла звучать так:

«Распредели входящие по пяти категориям. Используй только текст сообщения и указанные в нём факты. Для каждой записи укажи категорию, причину и необходимое действие. Не отвечай отправителю, не закрывай обращение и отдельно вынеси случаи, в которых не хватает данных».

Все сообщения с признаками жалобы, просрочки, финансового спора или обещания со стороны компании требовали обязательной проверки. Остальные категории можно было проверять выборочно, но в первые дни Анна просматривала весь результат, чтобы понять, где модель ошибается.

Анна посчитала: 80 сообщений в неделю по 2,5 минуты на ручную обработку — 200 минут. Проверка результата после сортировки займёт около 35 минут. Исправление ошибок она оценила в 15 минут в неделю, исходя из недавних случаев неверной маршрутизации. Предварительная экономия составила 200 минус 35 и 15, то есть около 150 минут в неделю.

Но в эту цифру не входила цена пропущенного важного письма. Поэтому задача получила статус «только с контролем». Её нельзя было запускать на удаление сообщений, закрытие обращений или автоматический ответ.

Подготовка черновиков типовых ответов

Вторая задача возникала около 30 раз в неделю. Клиенты спрашивали о статусе обращения, перечне документов, сроке обработки и следующем шаге. На ручной ответ уходило в среднем восемь минут: открыть карточку, найти шаблон, проверить данные, сформулировать текст и перечитать его.

Нейросети можно было поручить подготовить черновик, но только по утверждённым шаблонам. В запросе следовало зафиксировать ограничения: не придумывать сроки, скидки, компенсации и причины задержки; не заполнять пропуски догадками; не отправлять сообщение.

Пример рабочего задания:

«Подготовь черновик ответа по утверждённому шаблону. Используй только факты из письма и карточки обращения. Если данных недостаточно, поставь пометку “нужно уточнить”, не додумывай. Не обещай сроков, скидок или компенсаций, которых нет в исходных данных. В конце отдельно перечисли места, требующие проверки. Черновик не отправлять».

Анна проверяла три вещи: отвечает ли текст на вопрос клиента, совпадают ли факты с карточкой и нет ли в нём фразы, которая создаёт новое обязательство. Любой ответ по жалобе, компенсации, спорному начислению или договорным условиям она готовила вручную.

Расчёт выглядел так: 30 черновиков умножить на 8 минут — 240 минут ручной работы. Проверка занимала около 45 минут, исправление ошибок и повторный поиск фактов — ещё примерно 20 минут в неделю. Предварительная экономия составляла 175 минут. При этом итоговая отправка в любом случае оставалась за сотрудником.

Сводка встречи

После каждой встречи Анна или Илья вручную восстанавливали, что обсуждали, какие решения приняли, кто за что отвечает и к какому сроку. На одну встречу уходило около 35 минут. В неделю таких встреч было четыре.

Подходящим результатом считалась не «красивая стенограмма», а короткая рабочая сводка из пяти частей: принятое решение, поручение, ответственный, срок, открытый вопрос. Если в записи звучало несколько вариантов и окончательного решения не было, это следовало обозначить как обсуждение, а не превращать в утверждённый пункт.

Нейросети можно было дать заметки или расшифровку встречи и попросить:

«Выдели только решения, поручения, сроки и вопросы без ответа. Для каждого поручения укажи источник в заметках. Не называй решением предложение, если в тексте нет подтверждения. Если ответственный или срок не названы, укажи это отдельно».

Человек проверяет имена, даты и смысл спорных фрагментов. Модель не должна самостоятельно решать, что именно было согласовано. При наличии в записи персональных данных или коммерческой информации нужно использовать разрешённое хранилище и не передавать лишний материал.

Ручная работа занимала 140 минут в неделю. Проверка подготовленных сводок — около 20 минут, исправление неточностей — ещё 10. Предварительная экономия составляла 110 минут. Выгода была заметной, но контроль решений и сроков оставался обязательным.

Приведение таблиц к единому формату

Илья тратил на эту работу почти половину недели. Ему приходили файлы от разных руководителей: с разными названиями столбцов, форматами дат, разделителями, пустыми значениями и дублирующимися строками. Само приведение к единому виду занимало около 30 минут на файл. Таких файлов набиралось четыре в неделю.

Это оказался самым чистым кандидатом. Нейросети можно было поручить переименовать столбцы, привести даты к единому формату, убрать лишние пробелы, отметить пустые значения и показать дубли. Но ей нельзя было молча менять суммы, удалять строки или выбирать правильное значение при расхождении источников.

Правило для задачи выглядело так:

«Приведи файлы к единой структуре. Меняй только названия полей, формат дат, пробелы и очевидные технические дубли. Не изменяй суммы и текстовые значения. Сохрани список всех изменений. Отдельно перечисли строки, в которых источники расходятся».

Илья проверял количество строк до и после обработки, контрольные суммы, несколько случайных записей и все строки, отмеченные как спорные. Если цифры в двух файлах различались, модель могла показать расхождение, но не имела права выбрать итоговую цифру.

Расчёт был таким: 4 файла умножить на 30 минут — 120 минут. Проверка занимала около 25 минут, исправление ошибок — 10. Предварительная экономия составляла 85 минут. Эта задача попала в зону первого делегирования, но только в режиме копии: исходные файлы сохранялись, а результат не заменял источник.

Подготовка повестки

Повестка на встречу возникала три раза в неделю. Анна просматривала прошлые протоколы, список открытых вопросов, просроченные поручения и новые запросы руководителей. На сбор материалов уходило около 20 минут.

Нейросеть могла предложить структуру: тему, цель обсуждения, необходимые материалы, участников и ожидаемый результат. На вход ей подавались предыдущая сводка, список нерешённых вопросов и новые сообщения. Анна сама решала, какие темы действительно требуют встречи, что перенести и какие вопросы поставить первыми.

Рабочее задание можно было сформулировать так:

«Собери проект повестки по открытым вопросам, просроченным поручениям и новым запросам. Для каждого пункта укажи цель обсуждения и нужные материалы. Не добавляй темы, которых нет в исходных данных. Не расставляй приоритеты окончательно, а предложи порядок и пометь спорные пункты».

60 минут ручной работы в неделю превращались в 15 минут проверки и около 5 минут исправлений. Предварительная экономия составляла 40 минут. Задача была небольшой по объёму, но полезной: она снижала количество мелких решений в начале дня.

Так Анна получила пять кандидатов.

Сортировка входящих: 150 минут предварительной экономии, обязательная проверка важных сообщений.

Черновики типовых ответов: 175 минут, проверка каждого текста до отправки.

Сводки встреч: 110 минут, проверка решений, имён и сроков.

Приведение таблиц к единому формату: 85 минут, сравнение исходника и результата.

Подготовка повестки: 40 минут, финальное решение Анны по приоритетам.

Суммарная ручная работа составляла 760 минут в неделю. Проверка занимала 140 минут, ожидаемое исправление ошибок — около 60 минут. Грубая оценка давала 560 минут, или чуть больше девяти часов. Это не обещание и не прогноз результата, а верхняя граница при сохранении прежнего объёма задач и условии, что настройка уже выполнена.

Павел посмотрел на расчёт и спросил:

«Ты действительно ждёшь девять свободных часов?»

«Нет. Я получила девять часов теоретической экономии до запуска. В первую неделю нужно вычесть настройку, обучение сотрудников, разбор ошибок и дополнительную проверку. Для планирования я возьму половину расчётной цифры, а потом заменю оценку фактическими данными».

«С чего начнёшь?»

«С таблиц и повестки. Они безопаснее. Затем добавлю сводки. Сортировку входящих и черновики ответов подключу только после того, как проверю правила и работу с персональными данными».

Это решение было менее эффектным, чем обещание «автоматизировать отдел за один день». Зато у него были границы. Анна знала, что именно измерит и где остановит эксперимент.

Проверка перед первым запуском

Не нужно ждать, пока накопится идеальный список всех рабочих процессов. Достаточно взять один вчерашний день и разобрать его на десять-пятнадцать отдельных операций.

Не записывайте «подготовить отчёт». Зафиксируйте конкретные шаги: найти четыре файла, проверить даты, убрать технические пробелы, собрать одинаковые поля, сравнить итоговые суммы, написать выводы. Не записывайте «ответить клиенту». Разложите задачу иначе: прочитать письмо, найти карточку, проверить статус, выбрать шаблон, написать черновик, отправить его после проверки.

Для каждой операции заполните короткую карту.

Задача: что именно повторяется.

Вход: какие письма, файлы, записи или правила нужны.

Действие: что должно произойти с входными данными.

Выход: какой результат должен появиться.

Проверка: по чему человек поймёт, что результат правильный.

Цена ошибки: что произойдёт при неверном результате.

Частота и время: сколько раз в неделю возникает задача и сколько минут занимает вручную.

Затем проверьте сам процесс.

Повторяется ли задача по похожей схеме, а не только носит одно и то же название?

Известен ли источник входных данных и есть ли к нему доступ?

Можно ли передать нейросети только необходимый объём данных?

Существует ли способ сверить результат с образцом, источником или правилами?

Остаётся ли человек на последнем шаге там, где возникает внешнее обязательство?

Записаны ли заранее запрещённые действия: отправка, удаление, изменение статуса, финансовое решение?

Есть ли исходная цифра для сравнения: ручное время, число ошибок и объём проверки?

Если на любой вопрос нет ответа, это не означает провал автоматизации. Скорее, процесс ещё недостаточно определён. Для первого запуска достаточно выбрать одну-две задачи из пяти, а не пытаться охватить весь список.

Анна начала с таблиц. Через неделю она сравнила расчёт с фактом: часть времени действительно исчезла, но появились новые минуты на проверку спорных строк. Затем она добавила сводки встреч и только после этого вернулась к сортировке входящих. Каждый следующий шаг опирался не на впечатление от «умной» модели, а на карту входов, выходов, проверок и ошибок.

Теперь задачу удалось назвать достаточно точно, чтобы передать её нейросети. Но название ещё не стало рабочим заданием. Нужно было описать исходные данные, формат результата, ограничения и критерии приёмки. С этого начинается следующий шаг: запрос, который превращает намерение «помоги с письмами» в понятную операцию с измеримым выходом.