«Вокруг ИИ надо построить систему тотального недоверия». Иркутские предприниматели – о внедрении нейросетей в реальный бизнес

ИИ-конвейер для создания туристических маршрутов, суфлер для техподдержки, финансовый агент по работе с дебиторской задолженностью, и восемь живых ИТ-систем на плечах одного разработчика – все эти проекты уже работают в реальном иркутском бизнесе. Их представили на встрече, организованной Антоном Паймышевым, основателем digital-агентства «Адикт». О том, под силу ли ИИ «нетехнарям», какова цена ошибок и стоит ли овчинка выделки, – в нашем материале.

«Казалось, я хакнул систему»

Авторы проектов, представленных на мероприятии, признавались: старт сопровождался эйфорией. Казалось, «тут работы на два вечера!»

Проект Антона Паймышева «Туры одного дня» начинался как хобби. Путешествуя по городам, предприниматель понял: найти гида на пару часов сложно и дорого, а бродить без цели скучно. Так появилась идея бесплатных пешеходных маршрутов. Использовать для их создания нейросети казалось очевидным.

– Я рассуждал так: данные о достопримечательностях уже есть, модель отлично пересказывает, запрос к API стоит копейки. Ручной сбор 6 000 страниц для 30 туристических городов обошелся бы в 9-18 млн рублей и 8 лет работы. ИИ сделал 230 страниц по Иркутску за две недели. Я сидел довольный тем, что «хакнул систему» и сэкономил 18 млн, – вспоминал Антон.

Команда FirstVDS – федерального провайдера виртуальных серверов – тоже рассчитывала на быстрый успех. Техподдержка компании ежедневно обрабатывает огромный поток обращений: операторы тратили по 5-7 минут на сложный запрос, одновременно сверяясь с инструкциями, историей переписки и платежами клиента. Разработчики решили автоматизировать этот процесс.

– Самый простой, казалось бы, вариант – это чат-бот. Мы взяли Open WebUI – открытый веб-интерфейс для работы с языковыми моделями, похожий по механике на ChatGPT, который можно развернуть на своих серверах, подключили большую языковую модель, загрузили туда обширный регламент компании и думали, что всё готово: пиши вопрос – получай ответ, – рассказали Андрей Донской и Николай Иванчик.

Денис Лаптев пошел дальше. Программист с 20-летним стажем, он увидел в ИИ-агентах рычаг масштабирования. 

– Задумка была в том, чтобы одним человеком заменить команду разработки и закрыть сложные бизнес-функции в разных сферах – от производства до алгоритмического трейдинга и юриспруденции. Мои ожидания строились на том, что генерация кода обесценилась: то, что раньше требовало месяцев работы и огромных бюджетов, теперь решается подпиской за 20 долларов. Порог входа – практически нулевой. 

«Эйфория длилась три минуты» 

Эйфория Антона Паймышева от того, что вайбкодинг работает, длилась недолго.

– Я открыл карточку иркутского фонтана и обнаружил, что он на самом деле находится в Ангарске. Дальнейшая ручная проверка вскрыла проблему: большинство карточек были написаны без единого проверяемого источника, четверть достопримечательностей оказалась из других городов. А инициатором установки памятника первопроходцам в Иркутске (в 2015 году!) модель уверенно назвала казака Якова Похабова, жившего в XVII веке. Самое страшное, что технически конвейер отработал идеально, все галочки горели зеленым, – признавался Антон. – Я попросил написать – ИИ честно написал красивый и уверенный текст. Просто половина фактов в нем была чистейшим вымыслом.

Примерно с тем же столкнулась команда FirstVDS – всё работало, но абсолютно не так, как было задумано. Как только бот-автоответчик отдали на тестирование реальной поддержке, разработчиков буквально завалили жалобами.

– Модель путалась в терминах, – пояснили Андрей Донской и Николай Иванчик. – Слово «домен» встречалось в инструкциях сотни раз в разных контекстах, и ИИ не понимал, какое применить. Бот уверенно галлюцинировал, давал битые ссылки, ссылался на посторонние документы. А когда переписка становилась длинной, он начинал ходить по кругу, бесконечно повторяя одно и то же. ИИ игнорировал границы ответственности первой линии: например, предлагал операторам совершить финансовые операции или передать запрос туда, куда регламент строго запрещал. Сами операторы встретили робота в штыки – решили, что их хотят заменить «дешевой ИИшкой».

 

Денис Лаптев тоже быстро вывел для себя правило: вайбкодинг безвозвратно заканчивается там, где появляется критическая ошибка, которую невозможно просто откатить.

– Парсер курсов ЦБ, написанный агентом за пару минут, технически работал идеально. Но данные получал на 7 секунд позже конкурентов. В алгоритмической торговле это означает прямые финансовые убытки. В юридическом воркплейсе – рабочем пространстве, где ИИ-агенты разбирают судебные дела, – модель была склонна соглашаться с пользователем и подстраивать под него аргументы. Новостной агрегатор обходился почти в $400 в месяц. Но самым большим ударом стала блокировка. Защитные алгоритмы провайдеров сочли действия моих ИИ-агентов вредоносным ПО и заблокировали аккаунт, – рассказал Денис. – В один миг я потерял доступ ко всем системам.

«Я создал адвоката дьявола»

Когда ожидания разбились о реальность, спикерам пришлось отказаться от веры в «магию ИИ» и заняться системной инженерией.

Антон Паймышев построил целый конвейер из восьми специализированных агентов. Каждый отвечал за свою ошибку: дубли, неверные координаты, несвободные фото, неестественный язык, нехватку фактов. Следующий контур разбирал спорные ситуации. А чтобы система не «ослепла» и не начала пропускать ошибки, Антон внедрил 54 «канарейки» – заведомо ложные факты, которые подмешиваются в систему: если агент их пропускает, система бьёт тревогу.

Экономика тоже была пересобрана. 90% рутинных задач сегодня решают ультрадешевые модели, 9% важных решений – модели среднего звена, и только 1% спорных ситуаций достаётся дорогой апелляции. Каждое решение фиксируется – если систему нужно пересчитать, она не платит за уже решённые вопросы дважды.

Сейчас путеводители охватывают 30 городов. Каждый следующий разворачивается за один день, стоит $4,6, а личное участие Антона не превышает 40 минут. Запущенные SEO-агенты дали рост трафика до 400-500 человек в месяц при нулевом бюджете на продвижение.

Команда FirstVDS сменила концепцию проекта и отказалась от автоответчика в пользу внутреннего ИИ-«суфлера» для операторов. 

– Мы провели интервью с сотрудниками поддержки, и выяснили, что главная проблема – это не написание ответа, а оперативный сбор разрозненной информации, – рассказали Андрей Донской и Николай Иванчик. – Чтобы заставить систему работать без ошибок, нам пришлось полностью переработать регламенты, структурировать и разметить их тегами вручную. 

Всю систему развернули внутри закрытого контура на собственных серверах. Мощную языковую модель дополнили платформой автоматизации n8n – она выступила в роли «дирижёра», управляющего сценариями обработки запросов. А для мгновенного поиска по регламентам внедрили векторную базу данных Qdrant: она находит нужный документ не по ключевым словам, а по смыслу, сократив время поиска инструкции до 10 миллисекунд.

Время анализа обращения сократилось с 5-7 минут до 20 секунд. Освобожденное время операторы направляют на более сложные запросы, которые раньше уходили на второй уровень поддержки. Важно и то, что операторы перестали видеть в ИИ угрозу и приняли систему – она действительно облегчает рутину, оставляя за человеком ключевые решения.

Денис Лаптев выстроил целый комплекс защитных решений. Для борьбы с «угодливостью» нейросетей в юридическом проекте он создал отдельного агента – «Адвоката дьявола», единственная задача которого – жестко критиковать позиции других агентов, выискивая слабые места до того, как документы уйдут в реальный суд. Столкнувшись с блокировкой аккаунтов, Денис внедрил прослойку-роутер, позволяющую системе на лету переключаться между провайдерами ИИ-моделей. Это же решение позволило снизить затраты на новостной агрегатор в три раза. А для биржевых роботов он настроил параллельную отправку запросов нескольким моделям: тот, кто отвечает первым, отдает данные в терминал, выигрывая критически важные миллисекунды.

– Но все эти технические «щиты» оказываются бесполезны перед главной ошибкой – делегированием ИИ самой постановки задачи, – рассказал Денис. – Агент решает ту задачу, которую вы перед ним поставили, а не ту, которую вы имели в виду. Если человек сам поверхностно понимает логику процесса или юридические тонкости, ИИ-агент не исправит это. Машина - лишь увеличительное стекло: она масштабирует как компетентность лидера, так и его заблуждения. 

Поэтому в его проектах агенты пишут и правят код только после того, как он сам до мельчайших деталей описывает предметную область бизнеса в документации. 

«Claude, теперь это твоя работа»

После сложных технических кейсов создается ощущение, что «нетехнарям» здесь делать нечего. Но кейс Александра Олейника, гендиректора завода вагон-домов, доказывает, что на начальном этапе важно не столько знание кода, сколько предпринимательская логика.

– Я начал с простого: перетащил в чат Claude сканы договоров, счетов и написал: «Составь досудебную претензию». И неожиданно получил очень качественный результат, это меня вдохновило, – вспоминает Александр. 

Позже он подключил Claude Projects, чтобы не копировать документы вручную. А когда вошел во вкус – через MCP-сервер дал ИИ доступ к базам данных и почте. В этот момент ИИ стал видеть бизнес-реальность точно так же, как сам директор.

– И я ему сказал: «Клод, у тебя же есть информация, которая необходима для того, чтобы контролировать дебиторскую задолженность. Почему бы тебе это самому не делать?». И он сам написал себе инструкцию. 

Теперь агент регулярно сам проверяет счета, сверяет переписку и выдает готовый отчет и рекомендации. Руководителю остается только принять решение. В процессе взаимодействия Александр неоднократно поправлял агента и предлагал запомнить инструкции. Но когда правил стало слишком много, Александр перенес их в Obsidian, реализуя популярную концепцию «второго мозга», где ИИ мгновенно находит нужное, а человек может визуально проверить логику.

– Пиком автоматизации стал судебный конвейер, – рассказал Александр. – Я поручил Claude подготовить полноценный иск по сложному должнику – и иск был принят. И это сделала одна вкладка в браузере Claude под управлением одного человека по цене стандартной подписки в $20 в месяц.

Александра Олейника нельзя назвать «нетехнарем», он рассказал, что увлекается программированием.  Однако и его опыт, и проекты других спикеров, доказали: сегодня глубокие технические навыки написания кода порой отходят на второй план. Важнее понимание бизнес-логики, умение наводить порядок в процессах и грамотно формулировать задачи.

Наталья Понамарева

У ответственности нет API

Безопасность и правовые основания обработки данных нельзя делегировать модели. Выбор локальной модели, закрытого контура, обезличивания или внешнего API зависит от характера данных и допустимого риска, но ответственность за архитектуру и контроль остается у компании и конкретных людей

Три вывода для собственника

Процесс обучения ИИ-агента заставляет структурировать разрозненные регламенты, превращая их в жесткую систему бизнес-правил. Там, где люди годами работали по привычке, появляется порядок.

Найм, адаптация и контроль сотрудника часто отнимают у собственника больше времени, чем отладка цифрового агента, который работает без отпусков и больничных.

Спор о том, стоит ли собственнику погружаться в ИИ, – это столкновение двух бизнес-эпох. Классический подход требует масштабирования: растет выручка – должен расти штат, отделы, юристы. ИИ предлагает иную модель. 

Антон Паймышев: «Есть такая старая шутка: предприниматель в 20 лет мечтает зарабатывать миллионы и иметь штат в тысячу человек. Предприниматель в 40 лет мечтает зарабатывать миллионы и вообще не иметь сотрудников. По данным Stripe Economics, число соло предпринимателей в их выборке с годовой выручкой свыше миллиона долларов более чем удвоилось всего за два года. Мы вступаем в эру, когда один человек с помощью ИИ-агентов может контролировать обороты, которые раньше требовали огромных офисов».

«Нейросети дают руки тем, кто хочет создавать»

Антон Паймышев, основатель digital-агентства «Адикт» 

– Я очень давно хотел организовать встречу, которая собрала бы людей, уже что-то делающих с ИИ или вот-вот готовых начать. Не про ChatGPT как «волшебную палочку», а про реальные прикладные истории. Отрадно, что так много людей интересуются более сложными вещами. И для этого совсем не обязательно быть программистом. Нейросети дают инструменты тем, кто хотел бы что-то делать, но у кого не было для этого рук. И здесь как раз появляются люди, которые могут создавать классные вещи.

Материал подготовлен по итогам митапа «ИИ/Внутри», который прошел в Иркутске 20 августа 2026 года. Организатор планирует продолжать встречи в виде серии отраслевых мероприятий по применению ИИ в медиа, медицине, недвижимости, производстве, строительстве и торговле.

Обсуждать кейсы, задавать вопросы и влиять на программу будущих встреч можно в закрытом Telegram-чате. Присоединяйтесь!

---

СЛОВАРЬ

Вайбкодинг – процесс написания кода с помощью нейросетей (в основном через промпты на естественном языке), где разработчик выступает скорее как «настройщик», чем как программист в классическом смысле.

ИИ-агент – автономная программа на основе ИИ, которая выполняет задачи без постоянного контроля человека: анализирует данные, принимает решения, взаимодействует с внешними системами.

Галлюцинация (ИИ) – ситуация, когда нейросеть генерирует правдоподобный, но полностью вымышленный или фактически неверный ответ, выдавая его за достоверный.

Большая языковая модель (LLM) – нейросеть, обученная на огромных текстовых массивах, способная понимать и генерировать естественный язык (например, ChatGPT, Claude, Qwen).

Открытый веб-интерфейс Open WebUI – бесплатная система с открытым кодом, предоставляющая интерфейс (похожий на ChatGPT) для работы с языковыми моделями, которую можно развернуть на своих серверах.

Векторная база данных Qdrant – специализированная база данных, которая хранит информацию не по ключевым словам, а в виде «векторов» (числовых представлений смысла), позволяя искать по смыслу, а не по точному совпадению.

Платформа автоматизации n8n – инструмент с открытым кодом для создания автоматизированных цепочек действий («дирижёр»), который соединяет разные сервисы и управляет сценариями обработки данных.

MCP-сервер – протокол/интерфейс, через который ИИ-модель (например, Claude) получает доступ к внешним данным: базам, почте, документам, сайтам.

Прослойка-роутер – технический компонент, который перенаправляет запросы между разными провайдерами ИИ-моделей (например, OpenAI → Anthropic → локальная модель) для повышения надёжности и снижения затрат.

«Канарейки» – заведомо ложные факты, специально подмешиваемые в систему; если ИИ-агент их пропускает, не замечая ошибки, система подаёт сигнал тревоги. Отсылка к метафоре «канарейка в шахте».

«Адвокат дьявола» – специальный ИИ-агент, задача которого – критиковать и оспаривать выводы других агентов, чтобы выявить слабые места до того, как решение будет принято.

Концепция «второго мозга» – подход к организации личной/рабочей информации, при котором заметки, инструкции и знания хранятся структурированно в цифровом виде (например, в Obsidian), а ИИ помогает мгновенно находить нужное.

SEO-агенты – ИИ-программы для поисковой оптимизации, которые помогают сайту подниматься в выдаче поисковых систем (Яндекс, Google).

Соло-предприниматель – индивидуальный предприниматель, работающий без штата сотрудников (или с минимальным штатом), но с высокой выручкой благодаря автоматизации.

Алгоритмический трейдинг – автоматическая торговля на биржах по заранее заданным алгоритмам и правилам без постоянного участия человека.

Митап – неформальная встреча профессионалов из одной или смежных сфер для обмена опытом, обсуждения кейсов и нетворкинга.

Воркплейс (рабочее пространство) – в данном контексте — виртуальная среда, где ИИ-агенты выполняют свои функции (например, разбор судебных дел).

Закрытый контур – изолированная ИТ-среда, не подключённая к интернету, где данные обрабатываются локально на собственных серверах компании, что повышает безопасность.

Внешний API – интерфейс для подключения к облачным ИИ-сервисам сторонних провайдеров (OpenAI, Anthropic), что проще и дешевле, но данные уходят вовне.

Обезличивание данных – удаление из информации персональных идентификаторов (имён, номеров телефонов, адресов), чтобы нельзя было определить конкретного человека.