Если вы думаете, что можно сделать с ИИ в 2025 году, то с точки зрения технической реализации вариантов не так много.

Вот они:

1. Чисто LLM — основа основ.
LLM без доработок это некий слепок всех текстов из интернета сколько-то месячной давности.
Хорошо решает задачи саммаризации, резюмирования, оценки текста.

Пример задачи: оценка текста резюме кандидата.


2. RAG-система — контекстные знания.
Тут мы добавляем в LLM дополнительный контекст, которого у нее нет. Эта техника позволяет извлекать в понятном виде релевантный ответ из сторонних (внутренних или внешних) источников.

Пример задачи: чат-бот для ответа пользователям на основе внутренней документации.

3. AI-Workflow — структурированная автоматизация.
Тут мы даем ИИ возможность пользоваться не только сторонними знаниями, но и сторонними инструментами (вашим календарем например). Если есть доступ к интрументам, значит можем взять бизнес процесс, и автоматизировать его с ИИ.

Пример: получаем резюме с hh.ru (инструмент: API hh.ru) -> оцениваем квалификацию в резюме (ИИ) -> автоматически отправляем приглашение на собес (инструмент: API почты)


4. AI-агент — полностью автономная машинка.
ИИ сам формирует план как он будет решать поставленную задачу и сам ее решает как хочет. У него для этого есть необходимые инструменты и свобода действий. Такие штуки можно делать только там, где цена ошибки невелика, а ROI от автономной работы ИИ очень значительный. ROI тут важно, потому что AI-агенты будут сжигать ваши токены/деньги очень быстро.

Пример: задача что-то запрограммировать (да, вайб-кодинг). Агенты типа Claude Code уже довольно хорошо делают простые демки/прототипы, при этом цена ошибки небольшая - человек если что затестить и исправит код.

И важно помнить что нужно начинать с простого и потом усложнять (LLM → RAG → Workflow → Agent).