«Данные не отдадим» — и правильно. Мы их и не просим.
Это возражение №1, когда цифровой директор холдинга слышит слово «ИИ». Логика понятная: корпоративные данные в чужое облако — риск, за который отвечать вам.
Но есть и вторая причина не отдавать. Облачный ИИ всё равно не знает, как устроена именно ваша компания: где лежат отчёты, по какой методике считается себестоимость, какие показатели нельзя сравнивать. Данные наружу — а толку ноль.
ПланЭксперт работает иначе. Он разворачивается on-prem — на ваших серверах, внутри вашего контура. Работает поверх любой российской LLM. Данные не покидают периметр, а каждый ответ можно раскрыть до источника: документа, таблицы, витрины.
Честно про цену вопроса: on-prem требует ваших мощностей под модель. Зато данные остаются вашими — и работают на вас.
Как это устроено у нас → https://rootcode.ru/products/plan-expert?utm_source=telegram&utm_medium=social&utm_campaign=media
Это возражение №1, когда цифровой директор холдинга слышит слово «ИИ». Логика понятная: корпоративные данные в чужое облако — риск, за который отвечать вам.
Но есть и вторая причина не отдавать. Облачный ИИ всё равно не знает, как устроена именно ваша компания: где лежат отчёты, по какой методике считается себестоимость, какие показатели нельзя сравнивать. Данные наружу — а толку ноль.
ПланЭксперт работает иначе. Он разворачивается on-prem — на ваших серверах, внутри вашего контура. Работает поверх любой российской LLM. Данные не покидают периметр, а каждый ответ можно раскрыть до источника: документа, таблицы, витрины.
Честно про цену вопроса: on-prem требует ваших мощностей под модель. Зато данные остаются вашими — и работают на вас.
Как это устроено у нас → https://rootcode.ru/products/plan-expert?utm_source=telegram&utm_medium=social&utm_campaign=media
7🔥5❤2👏1
📉Больше 80% ИИ-проектов в России не доходят до эксплуатации
И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».
Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.
Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.
Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.
А у вас пилоты доходят до эксплуатации — или застревают на данных?
ℹИсточники цифр
И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».
Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.
Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.
Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.
А у вас пилоты доходят до эксплуатации — или застревают на данных?
ℹИсточники цифр
1❤4🔥3🤩1
Суверенный ИИ хотят сделать обязательным — но правило пока не принято
Правительство обсуждает проект постановления: бизнес в ряде сфер обяжут применять суверенные ИИ-модели, если они дороже национальных не больше чем в 1,5 раза. Пока это дискуссия, а не норма: для систем, где модель уже внедрена, переходный период — до 1 сентября 2032 года.
Риск тут один: если система жёстко завязана на конкретную модель, смена обязательной модели превращается в переписывание проекта.
Мы с самого начала строим иначе — так, чтобы модель можно было заменить за недели, а не переписывать систему. ИИ разворачиваем в контуре заказчика поверх любой российской модели: бизнес-логика и данные живут в периметре, а модель под ними сменная.
Оговоримся честно: быстро сменить модель реально там, где данные и интеграции уже приведены в порядок. На хаотичных данных это дольше.
Правительство обсуждает проект постановления: бизнес в ряде сфер обяжут применять суверенные ИИ-модели, если они дороже национальных не больше чем в 1,5 раза. Пока это дискуссия, а не норма: для систем, где модель уже внедрена, переходный период — до 1 сентября 2032 года.
Риск тут один: если система жёстко завязана на конкретную модель, смена обязательной модели превращается в переписывание проекта.
Мы с самого начала строим иначе — так, чтобы модель можно было заменить за недели, а не переписывать систему. ИИ разворачиваем в контуре заказчика поверх любой российской модели: бизнес-логика и данные живут в периметре, а модель под ними сменная.
Оговоримся честно: быстро сменить модель реально там, где данные и интеграции уже приведены в порядок. На хаотичных данных это дольше.
1🔥4❤🔥2🤩1
Сколько времени в неделю у вас уходит на сортировку типовых писем — резюме, коммерческих предложений, обращений?
📮Обычные почтовые правила работают, пока условие можно описать заранее: отправитель такой-то, тема содержит слово X, письмо пришло в конкретную папку. Проблема в том, что рабочая переписка так не устроена. Одно и то же намерение люди формулируют десятками способов: кто-то напишет «прошу рассмотреть вакансию», кто-то — «буду признателен за рассмотрение кандидатуры», а кто-то просто пришлёт резюме без единого ключевого слова. Для фильтра это три разных письма, для человека — одно и то же.
Дальше правило упирается ещё в одно: мало переместить письмо в папку — часто нужно понять, зачем человек написал, и ответить по существу. Это уже не про тему письма, а про его смысл. А смысл жёсткие правила не читают.
Где фильтры вашей почты вас подводят — и автоматизируете ли вы что-то сложнее перемещения в папку?
🤫Завтра покажем, как мы к этому подошли.
📮Обычные почтовые правила работают, пока условие можно описать заранее: отправитель такой-то, тема содержит слово X, письмо пришло в конкретную папку. Проблема в том, что рабочая переписка так не устроена. Одно и то же намерение люди формулируют десятками способов: кто-то напишет «прошу рассмотреть вакансию», кто-то — «буду признателен за рассмотрение кандидатуры», а кто-то просто пришлёт резюме без единого ключевого слова. Для фильтра это три разных письма, для человека — одно и то же.
Дальше правило упирается ещё в одно: мало переместить письмо в папку — часто нужно понять, зачем человек написал, и ответить по существу. Это уже не про тему письма, а про его смысл. А смысл жёсткие правила не читают.
Где фильтры вашей почты вас подводят — и автоматизируете ли вы что-то сложнее перемещения в папку?
🤫Завтра покажем, как мы к этому подошли.
🤩3🔥1
В июне 2026 автоматизированный трафик впервые обогнал человеческий — 57,4% против 42,6% (Cloudflare, данные iXBT)
Это про интернет в целом, не про почту. Но тенденция та же: писем от людей и ботов всё больше, а одно и то же намерение формулируют десятками способов. Правило «если тема содержит слово X» на этом ломается.
👾Мы сделали Аргуса — помощника для почты внутри Microsoft Teams. Вы описываете правило обычным языком («если это просьба рассмотреть резюме…»), он читает смысл письма, а не ключевое слово, и выполняет действие: переместить, пометить, ответить. Данные не покидают корпоративный контур.
Автономность включается не вслепую: сначала карточка-подтверждение в Teams, потом — автоприменение.
Разбираем на примерах резюме и коммерческих предложений — в статье → https://rootcode.ru/media/pochta-kotoraya-ponimaet-chto-delat?utm_source=telegram&utm_medium=social&utm_campaign=media
Это про интернет в целом, не про почту. Но тенденция та же: писем от людей и ботов всё больше, а одно и то же намерение формулируют десятками способов. Правило «если тема содержит слово X» на этом ломается.
👾Мы сделали Аргуса — помощника для почты внутри Microsoft Teams. Вы описываете правило обычным языком («если это просьба рассмотреть резюме…»), он читает смысл письма, а не ключевое слово, и выполняет действие: переместить, пометить, ответить. Данные не покидают корпоративный контур.
Автономность включается не вслепую: сначала карточка-подтверждение в Teams, потом — автоприменение.
Разбираем на примерах резюме и коммерческих предложений — в статье → https://rootcode.ru/media/pochta-kotoraya-ponimaet-chto-delat?utm_source=telegram&utm_medium=social&utm_campaign=media
❤3🔥2
🔎Ручной аудит покрывает 3% разговоров у кассы. Остальные 97% — чёрный ящик, из которого вы узнаёте о проблемах из отзывов.
Посчитаем на условном примере. Сеть из 20 точек, у кассы каждой — 150 диалогов в день, средний разговор — 2 минуты. Это 3 000 разговоров и 6 000 минут записи ежедневно.
Чтобы просто прослушать их — без пометок, разбора и выводов — нужно больше 12 контролёров на полный день. Неудивительно, что ручной аудит обычно покрывает 3% диалогов — это оценка самих поставщиков речевой аналитики, например МТТ. Остальное остаётся без внимания.
Дело не в том, что контролёры плохо работают. По выборке в 3% нельзя понять, что происходит в зале: где гостю не предложили допродажу, где он ушёл недовольным, а вы узнали об этом через неделю из отзыва.
Когда это не сработает: если в зале шумно и микрофон один на всю точку — распознавание просядет. Если персонал не уведомлён о записи по 152-ФЗ — будут справедливые вопросы. Если вы не готовы менять скрипты по итогам разбора — аналитика останется отчётом, который никто не читает.
✅Что нужно от вас для пилота: 1–2 точки, доступ к записям за месяц и 2 часа времени руководителя, который готов смотреть, что нашли в диалогах.
Вопрос к вам: какую долю разговоров у кассы слушают в вашей сети — и что вы находили в последний раз, когда слушали?
Посчитаем на условном примере. Сеть из 20 точек, у кассы каждой — 150 диалогов в день, средний разговор — 2 минуты. Это 3 000 разговоров и 6 000 минут записи ежедневно.
Чтобы просто прослушать их — без пометок, разбора и выводов — нужно больше 12 контролёров на полный день. Неудивительно, что ручной аудит обычно покрывает 3% диалогов — это оценка самих поставщиков речевой аналитики, например МТТ. Остальное остаётся без внимания.
Дело не в том, что контролёры плохо работают. По выборке в 3% нельзя понять, что происходит в зале: где гостю не предложили допродажу, где он ушёл недовольным, а вы узнали об этом через неделю из отзыва.
Когда это не сработает: если в зале шумно и микрофон один на всю точку — распознавание просядет. Если персонал не уведомлён о записи по 152-ФЗ — будут справедливые вопросы. Если вы не готовы менять скрипты по итогам разбора — аналитика останется отчётом, который никто не читает.
✅Что нужно от вас для пилота: 1–2 точки, доступ к записям за месяц и 2 часа времени руководителя, который готов смотреть, что нашли в диалогах.
Вопрос к вам: какую долю разговоров у кассы слушают в вашей сети — и что вы находили в последний раз, когда слушали?
❤2🔥1
Что происходит с разговором у кассы, если его разбирает не контролёр, а система?
От записи с камеры тут мало пользы: лица видно, а слов не разобрать. Поэтому разговор записывают отдельно, прямо у кассы или стойки. Потом собственная модель переводит речь в текст, разделяет реплики сотрудника и гостя и убирает шум зала.
Затем разговор сверяется с регламентом. Система отмечает, где сотрудник перебил гостя, каким тоном ответил и насколько был внимателен. Так разбирается каждый диалог, а не выборка.
Неожиданно больше всех от этого выигрывают сами сотрудники. Раньше они почти не слышали своих ошибок: прослушать всех невозможно, поэтому обратной связи не было. Теперь их разбирают по собственным разговорам, а не по пересказу проверяющего.
👉Так устроен наш ДиалогЭксперт. Как это выглядит вживую, покажем на демо: https://dialog-expert-landing.rootcode.online/?utm_source=telegram&utm_medium=social&utm_campaign=media
От записи с камеры тут мало пользы: лица видно, а слов не разобрать. Поэтому разговор записывают отдельно, прямо у кассы или стойки. Потом собственная модель переводит речь в текст, разделяет реплики сотрудника и гостя и убирает шум зала.
Затем разговор сверяется с регламентом. Система отмечает, где сотрудник перебил гостя, каким тоном ответил и насколько был внимателен. Так разбирается каждый диалог, а не выборка.
Неожиданно больше всех от этого выигрывают сами сотрудники. Раньше они почти не слышали своих ошибок: прослушать всех невозможно, поэтому обратной связи не было. Теперь их разбирают по собственным разговорам, а не по пересказу проверяющего.
👉Так устроен наш ДиалогЭксперт. Как это выглядит вживую, покажем на демо: https://dialog-expert-landing.rootcode.online/?utm_source=telegram&utm_medium=social&utm_campaign=media
🔥3