Embedika | ИТ-решения для бизнеса

Что сотрудники ждут от ИИ в работе с документами: главные цифры исследования

Сотрудники уже видят, какие ИИ-функции могли бы ускорить работу с документами: умный поиск, сведение данных, проверка ошибок. Но корпоративные системы пока не всегда дают такую возможность. Мы собрали ключевые цифры нашего исследования с коллегами из Работа.ру, которые показывают разрыв между спросом и реальным внедрением.

Главные результаты — в карточках, а полная версия исследования уже опубликована на CNews

Какие задачи с документами отнимают больше всего времени и как их можно автоматизировать

Мы продолжаем рассказывать о результатах исследования по применению ИИ для работы с корпоративными данными и документами. Сегодня сосредоточимся на трех задачах, которые респонденты отметили как самые времязатратные. 

1️⃣ Первая — проверка документов. 36% опрошенных отметили, что много времени уходит на поиск и исправление ошибок, сверку версий и проверку актуальности данных. ИИ уже умеет автоматически проверять тексты на соответствие стандартам, находить несоответствия в данных, сравнивать разные версии одного документа. Это снижает необходимость в ручной сверке.

2️⃣ Вторая — чтение и анализ объемных документов и отчетов. 35% респондентов назвали эту задачу. Вместо того, чтобы вручную изучать весь материал, сотрудник может поручить ИИ выделить основные положения, ключевые цифры и выводы. Это ускоряет работу с длинными отчетами, нормативными документами, контрактами.

3️⃣ Третья — поиск нужных файлов и данных. 31% участников опроса тратят время на поиск информации в корпоративных системах, почте и рабочих чатах. Здесь помогает умный поиск, который понимает смысл запроса, а не ищет точное совпадение слов. Такой инструмент находит нужный документ, даже если пользователь не помнит точное название или формулировку.

Эти задачи напрямую связаны с теми ИИ-функциями, которые сотрудники считают наиболее полезными: умный поиск (46%), сведение данных из разных источников (43%) и проверка ошибок (35%). Получается, что запрос сотрудников уже сформирован, а технологии способны его удовлетворить. 

#аналитика

Почему запреты на ИИ не отменяют запрос сотрудников

Недавно мы уже рассказывали о совместном исследовании Embedika и сервиса Работа.ру. Мы выясняли, как сотрудники российских компаний используют искусственный интеллект в работе с документами и корпоративной информацией. Сегодня продолжим тему и разберем один из самых показательных результатов.

61% опрошенных не используют ИИ для решения рабочих задач. Но причины отказа сильно различаются.

20% сотрудников из этого числа хотели бы использовать ИИ, но по разным причинам не делают этого. А 6% сообщили, что в их компании действует прямой запрет на публичные сервисы. В сумме это минимум 26% работников, которые уже сейчас заинтересованы в применении ИИ, но не имеют для этого подходящих условий.

Чаще всего бизнес ограничивает использование публичных нейросетей из-за риска утечки данных. Сотрудники могут загружать в открытые сервисы внутренние документы, условия договоров, персональные данные или закрытую переписку. Компания не контролирует, как эта информация обрабатывается и где хранится. В таких условиях корпоративный запрет — логичная мера защиты.

Проблема появляется тогда, когда вместе с публичными сервисами закрывается и сама возможность автоматизировать рутинные задачи. Люди продолжают искать файлы в почте и чатах, сверять версии документов вручную, проверять ошибки без вспомогательных инструментов. Запрет не снимает нагрузку, он лишь убирает неподходящий инструмент.

Ситуация меняется с появлением безопасных корпоративных решений. Если ИИ встроен во внутренние системы компании, работает с корпоративными базами и не передает данные во вне, риски снижаются, а польза для сотрудников сохраняется. Именно такой подход позволяет превратить отложенный спрос в управляемый процесс.

Поэтому за ограничениями часто стоит не отказ от технологий, а ожидание подходящего инструмента. Сотрудники уже называют востребованные функции: умный поиск по смыслу запроса, сведение данных из разных источников, проверка ошибок. Компаниям остается дать им безопасный способ эти задачи решать.

#аналитика

Подборка полезных и интересных материалов

ИИ в микробизнесе, будущее мощных моделей и наступление агентной экономики — в свежей подборке собрали материалы о том, как технологии проникают в новые ниши и меняют привычные бизнес-модели.

Статьи:
📎 Интервью ТАСС с гендиректором «СКБ Контур» о темпах внедрения ИИ-инструментов в микробизнесе.
📎 Директор по развитию ИИ «Яндекса» Александра Крайнова о вероятных ценовых барьерах для доступа к самым мощным ИИ-моделям в обозримом будущем.
📎 Колонка Forbes профессора практики ВШЭ Алексея Белякова о том, как агентная экономика переопределяет будущее маркетплейсов.
📎 Публикация «Известий» о планах Минцифры использовать ИИ для ускорения мобильного интернета в телеком-отрасли.
📎 Статья экс-консультанта «Большой тройки» о том, как развитие ИИ перестраивает консалтинговый бизнес.

Заметки: 
✍️ Заметка на «Хабре» о том, какие данные и в каком объёме собирают чат-боты на основе ИИ.
✍️ Репортаж Just AI с технической дискуссии конференции Conversations: кейсы ВТБ, Т-Банка, Dodo Engineering и S7 TechLab.
✍️ Исследователи AIRI на «Хабре» о новой версии модели семейства OCC RAG, заточенной под задачи контекстного Q&A.

Книги:
📚 «Искусственный интеллект. Современный подход», Стюарт Рассел, Питер Норвиг — учебник, охватывающий теорию и практику ИИ от технических деталей до философских вопросов.
📚 «Убийственные большие данные», Кэти О'Нил — исследование алгоритмической предвзятости.
📚 «Разум, машины и математика», Игнаси Белда — путеводитель по научным основам ИИ с простыми примерами из медицины и маркетинга.

Подкасты:
🎤 yet another podcast #53 — «Как ИИ-агенты меняют жизнь, бизнес и работу?».
🎤 «Цифра в деле» — выпуск «Агентный ИИ: будущее корпоративных решений и стратегий».
🎤 Искусственный интеллект | Технологии | Тренды — «MVP или MMF: что показать клиенту в первую очередь?»

#полезные_материалы

От хранения файлов к управлению правилами: в чём слабое место корпоративных НМД

Компании годами накапливают нормативно-методическую документацию. Однако наличие множества регламентов само по себе не гарантирует стабильности процессов. Зачастую главная проблема в том, что бизнес управляет не исполнением требований, а хранением файлов.

Документы хранятся в разных системах, версиях и форматах. Методологам сложно отслеживать дубли, устаревшие нормы и изменения, а поддержание базы в актуальном состоянии требует значительных усилий. Сотрудники подписывают правила формально, как правило, не вникая в содержание. В итоге снижается исполнительская дисциплина, растут операционные риски, компания теряет гибкость.

Для сотрудника критически важно быстро понимать, какой документ относится к его работе, что изменилось и какие действия требуются. Однако поиск среди файлов занимает часы. Встроенные системы обычно работают по точному совпадению ключевых слов, для этого нужно ввести корректную формулировку. Результаты не учитывают роль пользователя, и все получают одинаковый набор документов. Для методологов ситуацию осложняют отсутствие сквозных ссылок внутри НМД, поздняя обратная связь и недостаток статистики по реальному использованию. 

Без данных о том, какие регламенты читают, а какие игнорируются, управлять качеством базы практически невозможно. Ознакомление становится формальностью: сотрудники получают приказы, не относящиеся к их должности или задачам, что обесценивает всю систему.

Чтобы регламенты действительно работали, необходимо извлекать из документов смысл и связи, создав единую цифровую модель НМД. Так поиск перестаёт быть поиском файла и становится поиском ответа и нужного действия. Массовое ознакомление уступает место адресному, привязанному к роли и должности.

В основе такого подхода лежат несколько ключевых принципов:
✔️ Документ становится управляемой единицей с версией, статусом, ответственным, кратким обзором и связями с процессами, ролями и другими НМД.
✔️ Внедряется интеллектуальный поиск: семантический (по смыслу), по атрибутам, а также поиск пересечений для выявления дублей и противоречий.
✔️ Формируется персонализированное представление регламентов, где каждый сотрудник видит только те нормы, которые относятся к его работе.
✔️ Требования из НМД превращаются в задачи со сроками и ссылками на источник, что связывает текст документа с конкретными действиями.

Как компаниям растить экспертов, если базовые задачи уже делает ИИ

Совсем недавно мы описали эту проблему в материале для «Известий»: ИИ все чаще берет на себя базовые задачи, с которых раньше начинался профессиональный путь молодых специалистов.

Когда в командах появляется ИИ, первым делом автоматизируют то, что проще всего описать инструкцией: поиск информации, первичную проверку, подготовку черновиков, типовые фрагменты кода, сборку отчетов, сравнение данных. Раньше именно на таких задачах чаще всего учились начинающие специалисты. Они разбирались в контексте, видели типовые ошибки, постепенно понимали требования к качеству и набирали опыт через небольшие, но реальные поручения.

Теперь этот этап нельзя оставить прежним. Если молодому специалисту передавать только те задачи, которые оперативно закрывает нейросеть, его роль в команде становится неочевидной. Если сразу подключать к сложным задачам — ему может не хватить базы. Поэтому компаниям придется заново проектировать путь развития младших специалистов.

Что важно менять в процессе найма и адаптации:
➖ оценивать не только знание инструментов, но и способность разбираться в результате, который выдал ИИ;
➖ давать новичкам задачи не на механическое выполнение, а на проверку, уточнение и улучшение готовых вариантов;
➖ закладывать больше времени на разбор решений: почему ответ корректен, где ошибка, что не учтено, какие есть риски;
➖ подключать старших специалистов не только как проверяющих, но и как наставников, которые объясняют профессиональную логику;
➖ создавать учебные кейсы на основе реальных рабочих ситуаций, чтобы новичок видел бизнес-контекст.

В такой модели джуниор перестает быть просто исполнителем рутинных поручений. Его развитие начинается с другого навыка: научиться работать с ИИ, задавать правильные вопросы, проверять выводы, понимать ограничения инструмента и соотносить результат с задачей бизнеса. А роль senior-специалистов становится еще важнее. Они отвечают не только за финальное качество, но и за передачу экспертизы.

Поэтому внедрение ИИ — это также повод пересобрать систему роста внутри команды, чтобы обеспечить устойчивый кадровый резерв в будущем.

Дайджест событий в области искусственного интеллекта

Июль запомнился релизами открытых ИИ-фреймворков и проектом нового суперкомпьютера в России, а в мире — экспериментами с самоулучшающимися агентными системами. Собрали ключевые события месяца и свежую аналитику.

В России:
🤖 Т-Банк выпустил открытый фреймворк Perseus для обучения рекомендательных ИИ-моделей на основе трансформерных архитектур.
💻 НИУ ВШЭ готовит к запуску второй суперкомпьютер мощностью более 360 ИИ-петафлопсов для обучения LLM.
🌏 «Сбер» и SAIRI создадут совместный ИИ-хаб в Шанхае для исследований в области LLM, агентов и робототехники.
🏢 Selectel и Университет ИТМО представили мультиагентную ИИ-платформу для корпоративных процессов и инвестируют в развитие более 1 млрд руб.
💁🏼‍♀️ Яндекс Еда запустила ИИ-хостес для бронирования столиков в ресторанах

В мире:
🎓 Anthropic запустил программу Claude for Teachers с бесплатным доступом к ИИ для школьных учителей.
🌐 OpenAI закрывает браузер Atlas на фоне растущей роли ИИ-агентов в работе с вебом.
💼 Zhipu AI станет первым китайским ИИ-стартапом, чей годовой прогнозируемый доход превысит $1 млрд.
🤝 Ant Group представил Skill-MAS — метод построения мультиагентных систем с накапливаемыми и переносимыми метанавыками координации.
💻 Команда Qwen представила Qwen3-Coder — один из самых мощных open-source ИИ-агентов для разработки, сравнимый по производительности с Claude Sonnet 4.

Аналитика:
📈 НИУ ВШЭ: инвестиции бизнеса в ПО и базы данных выросли на 64,3% год к году, до 249,6 млрд руб. в I квартале 2026 года.
👥 «Зерокодер»: в 2025 году в России появилось до 350 тыс. новых ИТ-специалистов, а число открытых вакансий снизилось на 29%.
✅ Strategy Partners: российский рынок инфраструктурного ПО в 2025 году восстановился после снижения в 2022.

#дайджест

Хочу Интеллект: подкаст о том, как ИИ работает в бизнесе

Сегодня хотим рассказать вам о проекте Ассоциации лабораторий по развитию искусственного интеллекта (АЛРИИ) — подкасте «Хочу Интеллект». Уже вышло 2 сезона: в каждом выпуске компания-разработчик из АЛРИИ и ее клиент, внедривший решение, встречаются лицом к лицу в студии и обсуждают, как проходила интеграция ИИ в бизнес — что получилось, а что далось непросто.

Среди выпусков подкаста:

◾️ QR Код в небе — сколько стоит реклама в космосе?
◾️ Нейросети vs. Телевидение. Что ждет нас в будущем? — кейс автоматизации управления видеоконтентом.
◾️ ИИ с цифровым зрением смотрит ваш МРТ — разговор об инновациях и применении ИИ-технологий в медицинской сфере.
◾️ Робот-кассир и компьютерное зрение — как искусственный интеллект изменит магазины и кафе к 2026 году?
◾️ Почему ChatGPT не справляется со стратегическим маркетингом — рассказ о платформе, которая с помощью ИИ помогает бизнесу за 2 недели создавать маркетинговые стратегии, на которые раньше уходили месяцы.
◾️ Нейропрофилирование за 2 минуты: как ИИ находит сильные стороны человека и сотрудников — разговор о нейропрофилировании и том, как оно может повысить эффективность сотрудников.

Хотите рассказать о своей разработке и привести своего заказчика, чтобы вместе разобрать реальный кейс? Пишите @dariayev и участвуйте в новом выпуске подкаста «Хочу Интеллект».