ИИ-системы
ИИ-системы: инженерный подход
Что такое ИИ-система с инженерной точки зрения: контракты, состояние, маршрутизация моделей, наблюдаемость и контроль человека — и какие бывают классы ИИ-систем (AI systems).
ИИ-система (AI system) — это не модель с промптом, а инженерная конструкция: контракты на вход и выход, наблюдаемое состояние, правила выбора модели и слои отказоустойчивости. Эта страница — о том, как мы понимаем ИИ-системы как класс инфраструктуры и из чего они состоят. Нужна разработка под конкретную задачу — см. разработку ИИ-систем для бизнеса.
Разница видна не на демо, а через месяц эксплуатации. Демо отвечает на заранее подобранные вопросы по свежим данным. Прод сталкивается с устаревшими источниками, неоднозначными запросами, сбоями инструментов и стоимостью, которая растёт быстрее нагрузки. Система, спроектированная как инфраструктура, эти ситуации обрабатывает по правилам; система, собранная как демо, в них ломается молча.
Из чего состоит ИИ-система
Каждая система строится вокруг явного контура: источники контекста → поиск и подача нужного фрагмента → оркестрация шагов → инструменты и агенты → передача человеку на сложных случаях → наблюдаемость. Состояние процесса материализовано и трассируемо: на любой ответ можно восстановить, какой контекст подавался и почему было принято именно такое решение. Без этого систему нельзя ни отладить, ни доказать, что она ведёт себя предсказуемо.
Классы ИИ-систем
Под разные задачи — разные конструкции, но каркас общий. Мы строим их как связанные слои одной инфраструктуры, а не как отдельные продукты:
- Мультиагентные системы — распределённые процессы из агентов с ролями, контрактами и явной координацией.
- RAG-системы — поиск по корпоративным знаниям с управляемым контекстом, без галлюцинаций «по памяти модели».
- Автоматизация бизнес-процессов — перевод повторяющихся операций на управляемый слой ИИ.
- Омниканальные системы — единый процесс поверх каналов коммуникации.
- ИИ-агенты (AI-агенты) — отдельные исполнители операций внутри системы.
Выбор модели — это решение шага
Не каждый шаг требует сильной модели. Классификация, извлечение полей, короткие переформулировки решаются дешёвой быстрой моделью; сильная нужна там, где цена ошибки высока. Модель выбирается под шаг — по риску, требуемому качеству и допустимой задержке, — а не назначается глобально «везде одна и та же». Это одновременно вопрос качества и стоимости: рутинные шаги на дешёвой модели снимают значимую часть расхода без потери качества там, где оно и не требовалось.
Контроль человека
Системы проектируются как операции с участием ИИ под надзором человека: правила доступа к данным, аудит решений, настраиваемые пороги передачи сложных или рискованных случаев людям. Автономия добавляется по необходимости, а не по умолчанию: правильный вопрос — не «что ещё доверить модели», а «какой минимум полномочий достаточен для этого шага».
Где это применяется
Клиентское взаимодействие, операционная автоматизация, доступ к корпоративным знаниям, мониторинг — там, где повторяющиеся процессы можно перевести на управляемый слой ИИ с предсказуемой экономикой и сохранённым контролем человека. Граница проста: ИИ берёт на себя объём и рутину, человек остаётся в контуре там, где ошибка дорога.
Если у вас есть конкретный процесс под автоматизацию — отталкиваемся от него, а не от «ИИ вообще». или смотрите инженерные кейсы.