> ## Documentation Index > Fetch the complete documentation index at: https://wiki.ai-kt.kz/llms.txt > Use this file to discover all available pages before exploring further. # Как найти задачу для ИИ-агента > Критерии оценки задач для автоматизации с помощью ИИ-агентов и расчёт экономического эффекта ## Зачем нужна эта страница Не каждая задача подходит для автоматизации с помощью ИИ-агента. Прежде чем создавать агента, нужно оценить задачу по нескольким критериям: повторяемость, объём, сложность, доступность данных. На этой странице описан пошаговый алгоритм оценки и расчёт экономического эффекта. *** ## Какие задачи подходят для ИИ-агента ### Признаки подходящей задачи | Критерий | Хорошо подходит | Плохо подходит | | ------------- | ---------------------------------------------- | -------------------------------- | | Повторяемость | Выполняется регулярно (ежедневно, еженедельно) | Разовая уникальная задача | | Объём | Много однотипных операций | Единичные случаи | | Правила | Есть чёткие правила и шаблоны | Решения принимаются интуитивно | | Данные | Данные доступны в цифровом виде | Данные только в устной форме | | Время | Задача отнимает значительное время | Занимает несколько минут в месяц | | Ошибки | При ручном выполнении часто бывают ошибки | Ошибки практически исключены | ### Примеры подходящих задач Сверка договоров с шаблонами, проверка наличия обязательных пунктов, выявление отклонений. Если юрист проверяет 20 договоров в неделю по одному чек-листу — это задача для агента. Сотрудники регулярно задают одни и те же вопросы по регламентам, льготам, процедурам. Агент может отвечать по базе знаний и разгрузить ответственных специалистов. Заполнение шаблонов служебных записок, заявлений, справок на основе входных данных. Мониторинг тарифов, сбор данных из нескольких источников, формирование сводных таблиц. Оценка заявок по критериям, классификация обращений, маршрутизация запросов. ### Примеры неподходящих задач * Принятие стратегических решений без чётких правил * Переговоры с контрагентами * Задачи, требующие физического присутствия * Процессы, где нет цифровых данных * Задачи, которые выполняются раз в год *** ## Пошаговый алгоритм оценки Запишите, что конкретно делает сотрудник: какие шаги выполняет, какие документы использует, что получается на выходе. Сколько раз в неделю или месяц выполняется задача? Сколько времени занимает одно выполнение? Есть ли регламент, шаблон, чек-лист для этой задачи? Если да — агент сможет им следовать. Если нет — сначала нужно формализовать процесс. Данные в цифровом виде? Есть ли доступ к нужным системам через API? Можно ли загрузить документы в базу знаний? Что должен выдавать агент: текст, документ, решение, сводку? Насколько критична точность? Что произойдёт, если агент допустит ошибку? Нужна ли проверка результата человеком? *** ## Расчёт экономического эффекта Экономический эффект от ИИ-агента складывается из экономии времени сотрудников и снижения количества ошибок. ### Формула расчёта Годовая экономия рассчитывается по формуле: **Экономия = Количество операций в год × Время на одну операцию × Процент автоматизации × Стоимость часа работы сотрудника** ### Пример расчёта **Задача:** проверка договоров аренды * Количество договоров в год: 500 * Время проверки одного договора вручную: 2 часа * Время проверки с агентом: 20 минут (10 минут агент + 10 минут контроль юриста) * Экономия на один договор: 1 час 40 минут * Стоимость часа юриста: 5 000 тенге **Расчёт:** 500 × 1,67 часа × 5 000 тенге = **4 175 000 тенге в год** При затратах на создание и поддержку агента около 1 000 000 тенге в год, ROI составит примерно 317%. ### Что учитывать при расчёте | Фактор | Описание | | ------------------------------- | ------------------------------------------------------------------- | | Время на создание агента | Обычно 2–5 рабочих дней, включая тестирование | | Время на обучение пользователей | 1–2 часа для типового агента | | Стоимость поддержки | Обновление базы знаний, корректировка промпта | | Стоимость инфраструктуры | Расход на API-запросы к языковой модели | | Нефинансовые эффекты | Снижение ошибок, ускорение процессов, удовлетворённость сотрудников | ### Типичные сроки окупаемости По данным из открытых источников за 2024–2025 годы: | Тип задачи | Срок до первых результатов | Срок окупаемости | | ------------------------------- | -------------------------- | ---------------- | | Ответы на вопросы по документам | 1–2 недели | 1–3 месяца | | Генерация типовых документов | 2–4 недели | 3–6 месяцев | | Проверка и анализ документов | 3–6 недель | 3–6 месяцев | | Интеграция с внешними системами | 1–3 месяца | 6–12 месяцев | *** ## Типичные ошибки | Ошибка | Последствие | Рекомендация | | ----------------------------------------------- | ----------------------------------- | ------------------------------------------------------------ | | Автоматизировать редко выполняемую задачу | Затраты на создание не окупаются | Выбирайте задачи, которые выполняются не реже раза в неделю | | Не формализовать процесс перед созданием агента | Агент работает непредсказуемо | Сначала опишите процесс на бумаге, потом переносите в промпт | | Ожидать 100% автоматизации | Разочарование, отказ от инструмента | Закладывайте этап проверки человеком | | Загрузить устаревшие документы в базу | Агент даёт неверные ответы | Регулярно обновляйте базу знаний | | Не определить метрики успеха | Невозможно оценить эффект | Определите показатели до запуска: время, ошибки, объём | *** Примеры ИИ-агентов в мире: по отраслям, с описанием и экономическим эффектом.