В трёх моих главных рабочих проектах нет нейросети. Хотя все три я сделала с её помощью

Разобралась, почему так вышло, и собрала из этого чек-лист-светофор: как понять, нужен ли ИИ внутри вашей задачи или он будет только мешать.

Недавно я разбирала статистику своего инстаграма. Ролик о том, что ИИ может мешать работе, набрал больше просмотров, чем у меня обычно бывает. Видимо, эта мысль откликается не только мне.

Тогда я посмотрела на три своих самых значимых проекта на работе и заметила, что ни в одном из них нет нейросети. Только чёткая система и алгоритмы. При этом все три я делала с помощью ИИ.

Получается вещь, которая кажется мне важной: ИИ отлично помогает строить, но встраивать его внутрь нужно далеко не всегда. Ниже три проекта и то, почему в каждом из них нейросеть внутри была бы лишней.

Задача: по адресу определить, к какому из судебных участков он относится. Без этого не подать иск: если ошибиться с участком, иск вернут.

Ответ записан в законе региона. Но это перечень улиц на сотни страниц с оговорками вроде «дома с 1 по 20, 22» и «нечётная сторона до пересечения с проспектом Кирова». Сотрудники искали участок вручную, листая PDF.

Кажется, что это идеальная задача для нейросети: загрузил закон — спросил адрес. Но ответ здесь должен быть точным. Нейросеть может уверенно назвать не тот участок, а проверить её можно только тем же ручным листанием закона.

Поэтому внутри нет никакой генерации:

Результат: покрыты все участки, ответ приходит за секунды вместо ручной сверки, а заодно нашлись и исправлены 707 адресов с неверными координатами из старой базы. Сервис работает на карте и в боте в мессенджере MAX, сотрудники пользуются им каждый день.

Сотрудники подразделений звонили с одними и теми же вопросами. Ответы уже лежали в базе знаний - 200+ файлов: контакты, пути к инструкциям, документы в PDF и Word. Но найти в них нужное было дольше, чем позвонить.

Классическое решение - RAG: нейросеть находит кусок документа и пересказывает его своими словами. Проблема в слове «пересказывает». Модель может ошибиться в одной цифре телефона или пропустить шаг инструкции, и человек узнает об этом, только когда наберёт номер. Вдобавок система работает в закрытом контуре, где внешние сервисы недоступны, а платформа с моделью отвечала нестабильно.

Поэтому я полностью убрала генерацию из ответа: бот находит нужный раздел и отдаёт его дословно. Вся сложность ушла в поиск:

Результат: 200+ файлов разобраны в 2178 разделов. Поиск по названию находит нужный раздел первым в 98% случаев и в первой пятёрке в 100%. На бессмысленный вопрос бот отказывает в 11 случаях из 12. Ответ за 40 мс, без единого обращения к внешним сервисам.

Учёт приказов отдела жил в таблице Excel на 44 документа, без ссылок на файлы. Сами документы - 785 файлов в 13 папках с именами вроде «37П(160 от 23г)О назначении...pdf». Найти приказ можно было только перебором папок, а проверить, действует ли он ещё, никак.

Разбирать такие имена файлов кажется работой для нейросети. Но у них есть закономерности: номер, буква, дата. К тому же реестр должен работать в закрытом контуре, без интернета и сторонних зависимостей.

Что получилось:

Результат: реестр вырос с 44 до 120 приказов, комплект «текст + подписанный скан» есть у 119 из 120 вместо 21. Найти приказ и открыть файл - секунды вместо перебора 785 файлов.

Во всех трёх проектах ответ должен быть точным, и он уже где-то есть: в законе, в базе знаний, в именах файлов. Его нужно найти и разложить по полочкам, а не сочинить. С этим лучше справляются база, поиск и правила: они дают один и тот же ответ каждый раз.

ИИ участвовал в создании каждого проекта, но не участвует ни в одном ответе.

Это не значит, что я против нейросетей. На другом проекте, для стоматологической клиники, без неё было не обойтись: врачи диктуют голосовые и фотографируют рукописные заметки, и такой поток правилами не разобрать. Но и там данные сначала обезличиваются и только потом попадают в модель.

Из этого разбора я собрала простой порядок вопросов и оформила его в чек-лист.

Сначала стоп-проверка. Если в данных есть персональные данные, медицинские сведения, банковские реквизиты, обращения граждан или служебная информация, в публичный чат-бот это не загружаем. Обезличиваем, берём разрешённый в организации инструмент или решаем без ИИ.

Дальше три цвета:

Красный не значит «ничего не делать». Значит «сделать надёжно». Все три моих проекта - красные.

Полная версия - две страницы с признаками для каждого цвета, шаблоном промпта и тем, что делать дальше, лежит в моём Telegram: t.me/aibezgalstyka , а если хотите задать вопрос, вот мой тг: t.me/bezgalstyka. Если попробуете на своей задаче, напишите, какой цвет получился, мне правда интересно.