Найти действующую инструкцию, подготовить заявку, сверить сведения из сканов — с таких повседневных задач можно начать применение ИИ в административной работе войсковой части.

Сотруднику нужно подготовить заявку на замену офисной техники. Характеристики оборудования находятся в одной таблице, сведения о ремонтах — в другой, а нужный образец документа приходится искать в переписке. Прежде чем приступить к заявке, необходимо собрать информацию и проверить её актуальность.

ИИ-помощник может взять на себя часть поиска и подготовки. Чтобы оценить пользу, достаточно выбрать один процесс и сравнить результат с привычным способом работы. Ниже — возможные сценарии для административных и хозяйственных задач, а не заявления о выполненных проектах QBS.

Пять задач для первого внедрения

1. Помощник по внутренним документам

Инструкции и образцы документов могут быть распределены по папкам и рабочим компьютерам. Важно найти не просто похожий файл, а действующую редакцию.

Помощник ищет ответ в согласованной базе и показывает использованные фрагменты. На вопрос «Какие сведения нужны для заявки на ремонт офисного принтера?» он находит шаблон, перечисляет поля и даёт ссылку на источник. Если нужного материала нет, сообщает об этом.

Такой подход называют RAG: модель получает найденные документы как контекст для ответа. Описание подхода у IBM.

Проверка на пилоте: правильность найденной редакции, подтверждение ответа источником и соблюдение прав доступа.

2. Подготовка служебных документов

Повторяющиеся письма, заявки и акты требуют внимания даже при готовом шаблоне. ИИ может собрать черновик из разрешённых исходных данных и отметить недостающие сведения.

Учебный пример: сотрудник готовит заявку на обслуживание офисного оборудования. Помощник заполняет известные поля, а неизвестные оставляет с пометкой «требует уточнения». Сотрудник проверяет и утверждает документ. Суммы и итоги проверяются обычными расчётами; модель помогает с текстом и поиском несоответствий.

Проверка на пилоте: время подготовки вместе с проверкой и число необходимых исправлений.

3. Разбор сканов и сверка хозяйственного учёта

Распознавание текста позволяет извлекать из сканов наименования, количества, даты и инвентарные номера. Затем отдельные правила сопоставляют сведения с учётной таблицей и выделяют расхождения.

Например, можно сверять документы на офисную мебель и оргтехнику. Плохо читаемый номер система должна показать человеку, а не дополнять по догадке. Изменения в учёте вносятся после подтверждения ответственным сотрудником.

Проверка на пилоте: точность ключевых полей, пропущенные расхождения и время ручной проверки.

4. Справочный помощник по офисной ИТ-инфраструктуре

Базу можно собрать из инструкций производителей и проверенных внутренних решений для принтеров, рабочих станций и прикладного ПО. Сотрудник описывает проблему, помощник уточняет модель устройства и находит подходящий раздел руководства.

Например: «После замены картриджа принтер показывает ошибку. Где описан порядок проверки?» Если модель неизвестна, помощник сначала запрашивает уточнение. Действия с административными полномочиями остаются за специалистом.

Проверка на пилоте: применимость инструкций и доля вопросов, решённых без повторного обращения.

5. Обучение работе с программами и документами

На основе утверждённых материалов помощник объясняет порядок действий, предлагает учебные задания и разбирает ошибки. Например, помогает освоить заполнение карточки документа на вымышленных данных.

Материалы проверяет ответственный специалист. Помощник дополняет инструктаж и позволяет повторить сложный шаг в удобном темпе.

Проверка на пилоте: способность сотрудника самостоятельно выполнить контрольное задание и найти нужную инструкцию.

Что показывает опыт Китая

Один из примеров ниже относится к библиотеке военного учебного заведения. Другие — к гражданскому государственному управлению и рассматриваются как аналогии для административных процессов. Это внешние проекты, не внедрения QBS.

Китайские рекомендации по применению больших моделей в государственном управлении, опубликованные в октябре 2025 года, рассматривают сценарии, развёртывание, управление данными и проверку содержания. Для проекта полезно заранее определить ответственного за базу документов и порядок обновления. Это редакционный вывод; китайские рекомендации не являются российскими нормативными требованиями. Источник: правительственный портал КНР.

Какую инфраструктуру подготовить

Конфигурацию выбирают под конкретную задачу. Распознавание сканов, поиск по документам и одновременная работа нескольких пользователей создают разную нагрузку. До выбора сервера нужно определить:

• какие материалы разрешено обрабатывать и где они могут храниться;
• число одновременных пользователей и допустимое время ответа;
• модели и программы, объём памяти и необходимость GPU;
• порядок доступа, резервного копирования, обновления и сопровождения.

Локальное размещение позволяет организовать обработку внутри выбранной инфраструктуры. Само по себе оно не подтверждает защищённость: проверять нужно весь путь данных, включая историю запросов и журналы.

Проверка ответа — часть решения

Языковая модель может дать убедительный, но ошибочный ответ. Этот риск описан в профиле генеративного ИИ NIST. Поэтому сотруднику важно видеть основание ответа и иметь возможность открыть источник. Документ NIST.

С чего начать пилот

1. Выбрать один процесс. Например, поиск по разрешённым инструкциям об офисной технике.
2. Подготовить материалы и контрольные вопросы. Проверить редакции, доступ и наличие правильных ответов.
3. Зафиксировать исходный результат. Измерить время работы привычным способом и объём ошибок.
4. Проверить помощника. Учесть время проверки, исправления и подготовки данных.
5. Определить сопровождение. Назначить ответственных за документы, качество и техническую поддержку.