Смета, заявки, RAG: разбор четырёх внедрений ИИ — где они реально проваливаются

Управляющий партнёр «Зинин, Штурбин и партнёры» Тимофей Зинин разобрал на Хабре несколько внедрений ИИ в бизнесе. Главный вывод: проваливаются они почти всегда не на модели, а на данных и процессах.

Два кейса реальные. Первый — проверка строительной сметы связкой нейросетей: система распознаёт файл, нормализует одинаковые по смыслу позиции, сверяет арифметику и объёмы между разделами, ищет задвоенные работы и «хвосты» от чужого шаблона, а затем сверяет расценки с нормативными базами по региону. Финальное решение остаётся за сметчиком — ИИ делает грубый просев за минуты вместо часов. Второй — ИИ-агент, который разбирает входящие заявки в лизинговой компании: извлекает тип оборудования, объёмы, сроки и контакты, маршрутизирует их и работает через Telegram-бот, развёрнутый на сервере самого заказчика.

Ещё два примера — архетипы без конкретного клиента: боты подбора (авто, недвижимость) и RAG-боты по базам документов. Именно на них автор показывает типовые точки отказа: бот подбора бесполезен без структурированного каталога, а RAG ломается на нарезке документов, устаревании базы и склонности модели придумывать ответ там, где данных нет. Числовых показателей эффекта автор сознательно не приводит. Полный разбор — на Хабре.