Embedika | ИТ-решения для бизнеса

Как ручная работа с документами замедляет бизнес и тратит ресурсы

У проблемы потери условий в цепочке документов есть и другая сторона — ручная сверка, которая должна выявлять ошибки, сама по себе приводит к скрытым затратам.

Сотрудникам приходится сравнивать версии документов, проверять комплектность пакетов и искать расхождения между разными источниками информации. Эту работу выполняют юристы, закупщики, методологи и контракт-менеджеры — квалифицированные специалисты, чье время стоит дорого.

Скрытые издержки в этом случае складываются из нескольких составляющих:

1️⃣ Ручная сверка отнимает время, которое эксперты могли бы тратить на задачи, требующие профессионального взгляда, а с ростом объема информации она становится неэффективной.

2️⃣ Расхождения чаще всего обнаруживаются уже после подписания. Чем позже выявлена проблема, тем выше стоимость ее устранения.

3️⃣ Информация о том, как именно проверять документы и на что обращать внимание, часто существует только у опытных специалистов. При смене или загрузке сотрудников этот опыт уходит вместе с ними, а процесс становится уязвимым.

4️⃣ Один и тот же документ может использоваться в нескольких процессах — например, регламент применяется и в закупках, и в договорной работе. При ручной сверке его проверяют каждый раз заново, хотя результат мог быть использован повторно.

5️⃣ Регулярные расхождения подрывают доверие к информации. Сотрудники начинают перепроверять данные, что замедляет решения и создаёт неопределённость.

Эти затраты не всегда заметны в бюджете, но они влияют на скорость процессов, количество возвратов и доверие к данным. Чем сложнее связи в документации и больше объем информации, тем быстрее ручная сверка перестаёт работать. Помочь может не расширение штата, а автоматизация контроля связности документов на всех этапах.

Как искажаются условия на пути от ТЗ до закрывающих документов

В крупной компании закупка проходит через несколько этапов, на каждом из которых появляются новые документы. Упрощенно цепочка может выглядеть так: 
Заявка → ТЗ → КП → Протокол → Договор и спецификация → Акт

Каждый следующий документ готовится на основе предыдущего, но информация переносится вручную: переписываются сроки, суммы и формулировки. Из-за этого могут возникать искажения. В результате стороны подписывают несовпадающие по смыслу версии, и зачастую это выясняется уже на этапе исполнения.

🔹 Заявка → ТЗ: при переносе требований из заявки в ТЗ могут потеряться часть исходных требований, ограничений или приоритетов, из-за чего ТЗ может содержать недостаточно данных для объективной оценки предложений. 
🔹 ТЗ → КП: Поставщик интерпретирует требования и формирует предложение. Здесь могут возникнуть различия в характеристиках, составе, сроках или других условиях. 
🔹 КП → протокол: при сведении предложений в итоговый документ часть деталей может потеряться или быть зафиксирована в сокращенном виде.
🔹 Протокол → договор: на этом этапе особенно критичны расхождения, в договоре могут иначе оказаться зафиксированы сроки, объем, стоимость или другие согласованные условия. 
🔹 Договор и спецификация: номенклатура, количество, характеристики, стоимость и сроки в спецификации должны соответствовать условиям договора и согласованного предложения. 
🔹Договор и спецификация → акт: в акте часто используют общие формулировки без привязки к условиям договора, это усложняет приемку и создает пространство для споров. 

Документы создаются в разных системах, разными участниками и на разных этапах процесса. Даже если часть данных переносится автоматически, смысловая связность условий между документами контролируется не всегда.

Чтобы контролировать такие переходы, необходим системный подход к проверке связности документов на всех этапах. Так специалист сможет фиксировать, перенесены ли все обязательства из одного документа в другой, совпадают ли сроки и условия, нет ли противоречий между разными версиями. Контроль переносится на этап подготовки, а не после подписания.

Инженерная изнанка Enterprise AI: архитектура, MLOps, надежность

Сегодня хотим порекомендовать канал «Эй ай надзор» — авторский блог практикующего AI-архитектора. Здесь нет новостного шума и пересказов маркетинговых релизов: автор разбирает реальную инженерную изнанку внедрения сложных AI-решений, системную архитектуру, MLOps и лучшие практики проектирования сервисов для бизнеса.

Если вам близка тема перехода от простых MVP к надежным промышленным решениям, обратите внимание на ключевые разборы канала:

◾️ Графы знаний из неструктурированных данных — как архитектурно выстроить автоматическое извлечение и структурирование информации силами языковых моделей.
◾️ Agentic DevOps и автономные пайплайны — как AI-агенты трансформируют процесс разработки, тестирования и мониторинга сервисов.
◾️ Дистилляция моделей и оптимизация инференса — как переносить большие языковые модели в закрытый контур без раздувания затрат на инфраструктуру.
◾️ Аудит и надежность Enterprise AI — разбор узких мест при интеграции моделей в существующий IT-ландшафт компании.

Канал будет особенно полезен архитекторам, техлидам, CDO и всем, кто отвечает за устойчивость и масштабирование AI-продуктов.

Дайджест событий в области искусственного интеллекта

Главные темы августа — регулирование ИИ и новые стандарты для агентов. В России обсуждают критерии национальных моделей и возможную обязательную маркировку сгенерированного контента, в мире — инструменты приватности и совместные форматы для агентов. Аналитика фиксирует рост спроса на обучение ИИ и гибридные облачные решения.

В России:
🏛Представители бизнеса предложили ввести экспериментальные правовые режимы (ЭПР), которые позволят использовать государственные данные для обучения ИИ-моделей.
🖥 В Якутии приступили к созданию дальневосточного ИИ-кластера, инфраструктура будет развернута на базе собственного центра обработки данных.
☁️ Провайдер ITGlobal.com анонсировал три новых решения для построения корпоративной ИИ-инфраструктуры.
🏷 Маркировку материалов, сгенерированных большими языковыми моделями, могут сделать обязательной. Сейчас она носит добровольный характер.
📋 Кабинет министров утвердил критерии национальных ИИ-моделей.
🔍 «Московская биржа» создала мультиагентную платформу для поиска уязвимостей в программном коде.

В мире:
🔒 OpenAI представила для API механизм Private Safety Processing. Он обнаруживает попытки злонамеренного использования моделей, не раскрывая содержимое пользовательских запросов.
💬 Slack анонсировал инструмент Slack Code, который позволит людям и ИИ-агентам совместно работать над программным кодом прямо в мессенджере.
🧠 Компания DeepReinforce выпустила модели Ornith-1.5, обученные с применением механизма самосовершенствования. Они ориентированы на рассуждения, написание кода и выполнение агентных задач.
🎓 Google расширила возможности Gemini, теперь нейросеть умеет генерировать персонализированные тесты и другие учебные материалы.
🔌 Vercel, AWS, GitHub, Microsoft, OpenAI и Cursor представили Agent Plugins 1.0.0 — открытый стандарт для упаковки навыков ИИ-агентов и MCP-серверов.

Аналитика:
📊 По данным Корпорации МСП, обучение применению ИИ стало самым популярным запросом среди предпринимателей малого и среднего бизнеса.
⚙️ Исследование РФРИТ показало, что ИИ и машинное обучение становятся базовым компонентом инженерного ПО, MES- и ERP-систем. Набирает силу гибридный подход: компании сочетают облачные, Edge- и On-Premise-решения.
🛡 ГК «Солар» проанализировала 12 тыс. обращений сотрудников 150 компаний к публичным ИИ-сервисам: в 38% случаев в запросах содержалась конфиденциальная информация; 43% таких утечек приходится на разработчиков.

#дайджест

Новые вызовы для корпоративного документооборота: что остается за рамками СЭД и ЕСМ

Системы электронного документооборота и ECM-платформы стали стандартом для крупных компаний. Это надежный фундамент для управления жизненным циклом документа:  кто создал, кто утвердил, когда подписал, где хранится.

Однако и у этой системы есть ограничения: СЭД не проверяет, согласованы ли документы по смыслу. Она не сигнализирует пользователю, если условие в договоре противоречит требованию из технического задания, а используемая версия регламента уже устарела. Эти расхождения обнаруживаются только при ручной сверке. И зачастую это происходит уже после того, как решение принято или документ подписан.

Кроме того, СЭД не связывает документы из разных систем: регламент из файлового хранилища может противоречить договору из СЭД, а закупочный пакет из ERP не соответствовать внутреннему положению. Система фиксирует каждый файл, но не проверяет, перенесены ли ключевые условия из одного документа в другой.

Проблема решается внедрением дополнительного интеллектуального слой поверх уже имеющейся системы. Такой подход не требует перестройки уже сложившихся процессов и позволяет перенести контроль качества на этап подготовки документов, а не после совершения ошибки:

🔹 компания сохраняет все инвестиции в текущие системы и не сталкивается с рисками масштабной миграции данных;
🔹 внедрение надстроек может происходить поэтапно — начиная с одного документного контура и постепенно расширяясь на другие;
🔹 сотрудники продолжают работать в привычных интерфейсах, а дополнительный слой берёт на себя задачи по контролю качества, выявлению расхождений и формированию проверенного контекста для решений.

И главный результат — решения начинают приниматься на основе полного и непротиворечивого контекста.

С 17 по 19 ноября в Москве, на ВДНХ, пройдёт конференция «Цифромация 3.0» — о цифровой трансформации, автоматизации и ИИ, которые помогают сделать бизнес быстрее, понятнее и эффективнее.

В программе — не общие разговоры о технологиях, а практические сценарии, разборы процессов и опыт специалистов. Участникам покажут, как автоматизация и ИИ применяются в:

◾️ продажах и первичной обработке лидов;
◾️ маркетинге и работе с клиентским опытом;
◾️ CRM и клиентских коммуникациях;
◾️ финансах, налогах и бухгалтерском учёте;
◾️ HR и управлении;
◾️ поддержке и документообороте.

Отдельные направления программы посвящены корпоративному ИИ, CRM, автоматизации бизнес-процессов, AI-маркетингу, HRTech, программам лояльности, бизнес-архитектуре и цифровой трансформации.

Мероприятие пройдёт в рамках технологического форума The Trends. Помимо деловой программы «Цифромации», участники смогут посетить выставку, посмотреть демонстрации технологий, пообщаться с поставщиками решений и найти потенциальных партнёров.

📅 17–19 ноября 2026 года
📍 Москва, ВДНХ, павильон 55
⏰ 09:00–20:00

Подробности программы и регистрация — на сайте мероприятия
Больше анонсов, кейсов и материалов о цифровой трансформации — в канале @cifromaciya

Почему корпоративные данные не всегда превращаются в ценные инсайты

Существует заблуждение, что чем больше информации (отчетов, регламентов, баз и договоров), тем прозрачнее бизнес. Но на практике эффект зачастую оказывается обратным — данные просто хранятся в корпоративном контуре и не помогают принимать решения.

Можно выделить два типичных состояния, в которых оказываются организации:

Первое — фрагментация. Данные разбросаны по разным системам и папкам, показатели могут отличаться в зависимости от источника, отчеты дублируются, но ни один не дает полной картины. В итоге процессы тормозятся, т.к. их участники работают с разными вводными.

Второе — связанная среда. В этом случае информация находится в едином контуре, версии синхронизированы, каждый отчет строится на одних и тех же проверенных источниках. Поэтому решения принимаются быстрее и с меньшим риском.

Переход из первого состояния во второе — это не автоматический процесс. Он требует осознанной трансформации, которая проходит три этапа:

1️⃣ Изоляция: каждый отдел работает со своими версиями документов, бизнес тратит время на ручные сверки и рискует принимать решения на основе неполной или устаревшей информации;
2️⃣ Трансформация: данные очищаются от дублей и ошибок, устанавливаются единые правила и настроить связи между документами — без этого шага качественная аналитика и внедрение ИИ невозможны;
3️⃣ Синергия: данные становятся единым проверенным источником. Сотрудники быстро находят нужную информацию, а система автоматически подсвечивает риски и расхождения.

Последовательное прохождение этих этапов позволяет использовать собственный массив данных для принятия взвешенных и своевременных решений.

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.

Назван процент специалистов, которые не применяют ИИ-инструменты в работе
https://tass.ru/ekonomika/27992411

По данным опроса компании-разработчика ИИ-решений Embedika, искусственный интеллект не используют 61% опрошенных

Совместно с коллегами из сервиса @rabotaru опросили 3,2 тыс. сотрудников и выяснили: спрос на умный поиск и автоматическую проверку ошибок в документах высок, а главное ограничение — нехватка безопасных корпоративных ИИ-инструментов.

Ключевые цифры и выводы — в материале ТАСС 👇

#аналитика