«AI» звучит как годовой проект с банковским бюджетом. На деле компания из десяти человек в Кишинёве может снять пять реальных задач инструментами, которые уже существуют, никого не нанимая и не написав ни строки на Python. Разница не в модели. Она в том, что именно вы автоматизируете.
Эта статья не повторяет теорию о том, «куда вставить AI». Она сразу переходит к пяти конкретным кейсам: что делаете, каким инструментом и где ошибётесь, если не поставите человека на проверку.
1. Сортировка поддержки и черновик ответа
Ящик поддержки — первое место, где AI окупается. Речь не про чат-бота, который отвечает клиенту напрямую, — там вы сильно рискуете. Речь про ассистента, который работает на вашу команду.
Конкретно: на каждое новое письмо AI его классифицирует (счёт, жалоба, технический вопрос, спам), ставит приоритет и пишет черновик ответа. Человек читает его, правит за десять секунд и отправляет. Тикет больше не лежит час, пока кто-то его откроет.
Инструменты: help-desk со встроенным AI или простая автоматизация поверх почты. Ограничение: черновик уходит только после того, как человек его утвердил. AI может выдумать политику возврата, которой нет, — поэтому он не отвечает клиенту сам.
2. Контент для SMM и тексты, удержанные в рамках бренда
Проблема текстов от AI не в том, что они плохие. В том, что они звучат как кто угодно. Компании с ясным голосом не нужны «универсальные посты для LinkedIn».
Решение — дать модели бриф по бренду: как вы говорите, какие слова избегаете, примеры удачных прошлых постов. Дальше просите пять вариантов подписи, две идеи карусели, черновик рассылки — всё как отправная точка, а не готовый продукт. Человек выбирает, режет и возвращает живую интонацию.
Ограничение честное: опубликуете то, что выдала модель, без редактуры — клиенты почувствуют. AI пишет черновик; тон остаётся вашей работой.
3. Счета и документы, превращённые в структурированные данные
Здесь AI забирает самую грязную работу офиса: когда кто-то вручную переносит цифры из PDF в Excel. Счета от поставщиков, акты, чеки — каждый в своём формате.
Современные инструменты извлечения (OCR плюс языковая модель) читают документ и достают нужные поля: поставщик, IDNO, сумма, НДС, дата, позиции. Кладут прямо в таблицу или в бухгалтерию. То, что занимало день в месяц, делается за минуты.
Главное ограничение здесь: цифры нужно проверять. Модель может прочитать 1 350 как 1 850. Практичное решение — простое правило: извлечённый итог должен сходиться с суммой позиций, иначе документ уходит человеку. Вы никогда не пускаете сумму в учёт без контроля.
4. Квалификация лидов и обогащение данными о компании
Это самый сильный кейс для рынка вроде молдавского, и именно его мы делаем. Продажи получают лиды с названием фирмы и IDNO — и больше ничем. Ручная квалификация каждого — это часы.
Вы связываете форму на сайте с Datero.md через его многоязычный API. На каждый новый лид система автоматически тянет из более чем 215 000 проиндексированных юрлиц: статус фирмы, возраст, вид деятельности CAEM, оценку здоровья, финансы за последние годы. Затем AI сводит всё в две строки для менеджера: «фирма активна с 2016, финансы растут, оценка хорошая — стоит звонить сегодня».
Продажи больше не звонят наугад. Сначала звонят тем, кто реально может купить и заплатить. Ограничение: оценка — это сигнал, а не приговор; финальное решение остаётся за человеком, как и должно быть.
5. Внутренний поиск по документам своей команды
У каждой фирмы знания заперты в PDF, договорах, инструкциях и старых чатах. Вопрос «где было про гарантию на продукт X» отнимает четверть часа раскопок.
Система семантического поиска (RAG) индексирует ваши внутренние документы и отвечает на вопросы обычным языком, ссылаясь на документ, из которого взят ответ. Новый сотрудник спрашивает систему вместо того, чтобы отвлекать коллегу.
Критичная деталь: ответ должен показывать источник. Без ссылки на документ вы не отличите реальный факт от выдумки модели. И всё остаётся на вашей инфраструктуре — внутренние документы не уходят третьей стороне.
Общая нить: AI как ассистент, а не как тот, кто решает
У всех пяти одна форма. AI делает первый проход — классифицирует, пишет черновик, извлекает, резюмирует, ищет. Человек утверждает. Нигде вы не даёте модели самой решить то, что не сможете исправить, если она ошибётся.
Именно поэтому команда по данным вам не нужна. Ни один из пяти кейсов не требует обучать собственную модель. Требуются готовые инструменты, правильно подключённые к вашему потоку, с человеческим контролем в нужной точке.
Хотите вместе выбрать, какой из пяти снимет с вашей недели больше всего часов, и подключить его к системам, что у вас уже есть? Напишите на hello@kernex.md — начнём с реальной задачи, а не со «стратегии AI».