Собрали основные термины и технологии, связанные с искусственным интеллектом, AI-агентами и автоматизацией бизнеса. Объясняем сложные понятия простым языком, показываем, как они связаны между собой и где применяются на практике.
Базовые понятия: как устроены модели ИИ и как они работают с текстом, данными и запросами.
9 терминовТехнологии, которые позволяют компьютерным системам выполнять задачи, требующие человеческого мышления: понимать текст и речь, распознавать изображения, находить закономерности и принимать решения на основе данных.
Система анализирует историю продаж и прогнозирует спрос на следующий месяц.
Вид ИИ, который создаёт новый контент — текст, изображения, код, таблицы — по запросу пользователя.
Менеджер получает черновик коммерческого предложения, собранный по данным о клиенте и прошлых сделках.
Нейросеть, обученная на огромном объёме текстов. Понимает запросы на естественном языке, отвечает, пересказывает, переводит и пишет код. На LLM основаны чат-боты, ИИ-ассистенты и AI-агенты.
Сотрудник спрашивает в чате «какие договоры истекают в этом квартале» и получает ответ обычным языком.
Математическая модель из множества связанных между собой «нейронов». Учится на примерах и находит в данных закономерности, которые сложно описать правилами вручную.
Нейросеть распознаёт сканы счетов и переносит реквизиты в учётную систему.
Запрос или инструкция для модели ИИ: вопрос, задача, пример желаемого результата. От точности промпта и переданного контекста напрямую зависит качество ответа.
«Сравни выручку магазинов за сентябрь и объясни, почему в двух из них упали продажи».
Объём информации, который модель учитывает за один раз: запрос, история диалога, приложенные документы. То, что не поместилось в окно, модель не видит.
Чтобы ответить по договору на 300 страниц, система передаёт модели только нужные разделы, а не весь документ.
Подход, при котором модель перед ответом находит нужную информацию в документах и базах знаний компании и опирается на неё. Так ответы основаны на актуальных данных, а не только на том, чему модель научилась при обучении.
ИИ-ассистент отвечает на вопрос о порядке возвратов со ссылкой на действующую версию регламента.
Ответы модели, которые звучат правдоподобно, но не соответствуют фактам: выдуманные цифры, источники или события. Риск снижают доступ к проверенным данным, RAG и контроль человека.
Без доступа к учётной системе модель может назвать несуществующую сумму долга клиента.
Модель, которая работает сразу с несколькими типами данных: текстом, изображениями, аудио, видео, таблицами.
Модель читает фото накладной и сверяет позиции с заказом в системе.
Как ИИ переходит от ответов на вопросы к выполнению задач и целых процессов.
10 терминовПрограмма на основе ИИ, которая самостоятельно выполняет задачу: планирует шаги, обращается к данным и системам компании, проверяет результат. В отличие от чат-бота, агент не только отвечает, но и действует.
Агент каждое утро собирает отчёт по продажам, находит отклонения от плана и отправляет руководителю с рекомендациями.
Помощник на основе ИИ, который в диалоге отвечает на вопросы и выполняет поручения пользователя: ищет информацию, готовит тексты, делает расчёты. Работает по запросу человека.
Юрист просит ассистента найти в договорах условия о штрафах за просрочку.
Чат-бот отвечает на вопросы по сценарию или базе ответов. AI-агент получает цель, сам решает, какие шаги нужны, работает с данными и системами компании и доводит задачу до результата.
Чат-бот сообщит клиенту статус заказа. Агент заметит задержку поставки, предупредит клиента и создаст задачу логисту.
Несколько AI-агентов со своими ролями, которые работают вместе и передают друг другу задачи и результаты.
Агент продаж принимает заказ, агент закупок проверяет остатки, финансовый агент выставляет счёт.
Управление совместной работой агентов: кто за что отвечает, в каком порядке выполняются шаги, как передаются данные и что происходит при ошибке.
Система распределяет входящие заявки между агентами и следит, чтобы ни одна не потерялась.
Действия, которые агенту разрешено выполнять во внешних системах: поиск по данным, запросы к API, создание задач, отправка писем, расчёты. Набор инструментов определяет, что агент может сделать.
Агенту дали доступ к CRM на чтение и к почте на отправку: он может проверить клиента и написать ему, но не может изменить сделку.
Последовательность шагов, по которой выполняется работа: кто, что и в каком порядке делает, какие нужны согласования. Автоматизация workflow убирает ручные передачи между людьми и системами.
Заявка на закупку: создание, согласование руководителем, проверка бюджета, оплата.
Программные роботы, которые повторяют действия человека в интерфейсах программ: переносят данные между системами, заполняют формы, выгружают отчёты. Работают по жёстким правилам и перестают работать при изменении интерфейса.
Робот каждый вечер переносит заказы с сайта в учётную систему.
Подход, при котором компания автоматизирует как можно больше процессов, сочетая ИИ, RPA, интеграции и аналитику, а не отдельные операции по одной.
Принцип, при котором человек участвует в работе ИИ на важных шагах: проверяет, подтверждает или исправляет решение. Применяется там, где ошибка стоит дорого.
Агент готовит платёжное поручение, но отправляет его в банк только после подтверждения финансиста.
Где хранится информация компании и как ИИ получает к ней доступ.
9 терминовВся информация, которую компания создаёт и накапливает: записи в учётных системах и CRM, документы, переписка, таблицы, отчёты. Обычно разбросана по разным системам и форматам.
Собранные в одном месте знания компании: регламенты, инструкции, ответы на типовые вопросы, описания процессов. Источник для сотрудников и ИИ-ассистентов.
Новый сотрудник спрашивает ассистента, как оформить командировку, и получает ответ по действующему регламенту.
Настройка обмена данными между программами компании, чтобы информация передавалась из одной системы в другую автоматически, без ручного переноса.
Оплата из банка автоматически отмечается в 1С и меняет статус сделки в CRM.
Способ, которым программы обмениваются данными и командами по заранее описанным правилам. Через API AI-агенты получают данные и выполняют действия в других системах.
Общее для всех систем описание того, какие сущности есть в компании (клиенты, заказы, товары, сотрудники) и как они связаны. Позволяет видеть одного клиента, а не пять разных записей в пяти программах.
Слой между данными и пользователями, который переводит технические таблицы и поля в понятные бизнес-понятия: «выручка», «активный клиент», «маржа». Помогает людям и ИИ одинаково понимать данные.
Выручка считается одинаково в отчёте, на дашборде и в ответе ИИ-ассистента.
Данные о данных: откуда пришла запись, когда обновлена, кто за неё отвечает, что означает поле. Помогают оценить достоверность информации и найти её источник.
Хранилище, где тексты и другие данные записаны в виде числовых векторов, отражающих смысл. Позволяет искать по смыслу, а не только по совпадению слов. Часто используется в RAG.
По запросу «клиент недоволен доставкой» находятся письма со словами «опоздали» и «привезли не вовремя».
Открытый стандарт подключения моделей ИИ к внешним данным и инструментам. Позволяет единообразно дать агенту доступ к файлам, базам данных и сервисам.
Как ИИ понимает устройство конкретной компании: её объекты, связи, роли и процессы.
8 терминовЗнания о том, как устроена конкретная компания: кто её клиенты, какие продукты, кто за что отвечает, как идут процессы и что важно сейчас. Без бизнес-контекста ИИ даёт общие ответы, с ним — точные и применимые.
На вопрос «почему упала маржа» ИИ с бизнес-контекстом учитывает смену поставщика и изменение цен, а не отвечает общими словами.
Способ хранить информацию как сеть объектов и связей между ними: клиент — заключил — договор — по договору выставлен — счёт. Позволяет находить ответы, для которых нужно связать данные из разных источников.
По графу видно, каких клиентов затронет задержка конкретной поставки.
Формальное описание понятий предметной области и связей между ними: какие бывают объекты, их свойства и правила. Задаёт словарь, по которому строится граф знаний.
Онтология конкретной компании: её сущности (клиенты, заказы, склады, подразделения), роли, процессы и правила. Описывает бизнес так, чтобы его одинаково понимали люди и ИИ.
Накопленные системой знания о компании: история решений, договорённости, результаты прошлых задач. Позволяют ИИ не начинать каждый раз с нуля и учитывать опыт компании.
ИИ, который в ответах и действиях учитывает контекст конкретной компании, пользователя и ситуации, а не только общие знания модели.
Виртуальная модель реального объекта или процесса, которая обновляется по данным в реальном времени. Позволяет наблюдать за объектом, анализировать его работу и проверять решения до их применения.
Двойник производственной линии показывает загрузку оборудования и предупреждает о возможной остановке.
Модель всей компании — её данных, процессов, ролей и связей между ними, — которая обновляется в реальном времени. Даёт целостную картину бизнеса и общий контекст для аналитики и AI-агентов.
Руководитель видит, как задержка оплаты от крупного клиента отразится на закупках и остатке денег на счетах.
Как запускать ИИ в компании, измерять результат и управлять рисками.
8 терминовВстраивание ИИ в работу компании: выбор задач, подключение данных, настройка, обучение сотрудников и изменение процессов. Цель — измеримый результат для бизнеса.
Ограниченный по объёму и сроку запуск ИИ на одной задаче или в одном подразделении, чтобы проверить пользу и риски до масштабного внедрения.
Агент сверки платежей сначала месяц работает в одном юрлице группы компаний.
Этап, на котором решение постоянно работает в реальных процессах компании: с поддержкой, мониторингом и назначенными ответственными.
Перенос успешного решения на новые процессы, подразделения и задачи. Проходит быстрее, когда агенты работают на общей модели данных и не настраиваются каждый раз с нуля.
Окупаемость инвестиций: отношение полученной выгоды к затратам. Для ИИ-проектов выгода — сэкономленное время сотрудников, меньше ошибок и потерь, рост выручки.
Внедрение окупилось за полгода за счёт сокращения ручной сверки документов.
Ключевой показатель эффективности, по которому измеряют результат: время обработки заявки, доля ошибок, выручка. Для ИИ-проекта KPI фиксируют до запуска, чтобы сравнить «до» и «после».
Правила и контроль использования ИИ в компании: к каким данным у ИИ есть доступ, какие решения он может принимать сам, как проверяются результаты и фиксируются действия.
Во сколько обходится одно выполнение задачи с помощью ИИ: работа модели, обращения к системам, время сотрудника на проверку. Сравнивается со стоимостью той же задачи, выполненной вручную.
Если обработка входящего счёта агентом стоит меньше, чем 15 минут работы бухгалтера, автоматизация окупается на каждом документе.
Проверьте написание или поищите по-английски, например LLM или RAG.
Все 44 термина с определениями в одном файле — удобно сохранить или отправить коллегам.
Чтобы ИИ эффективно работал в компании, важно учитывать не только возможности моделей, но и данные, связи между системами и бизнес-контекст.
Узнать больше об Ontorix