24 июня мы сделали то, что я давно обещал команде: отдали собственную канцелярию Documentolog нашему же агенту. Не демо-стенд и не песочницу с подобранными примерами, а живой поток входящих, которым девятнадцать лет занимались люди, — со всеми его нестандартными письмами, странными вложениями и отправителями, о которых система слышит впервые. За первый месяц агент разобрал 220 документов, и медиана полного разбора — прочитать документ, проверить юридические риски, выбрать исполнителя — составила 33 секунды там, где у человека тот же шаг занимал до тридцати минут.
Дальше я расскажу, как это устроено изнутри, что показал бэктест ещё до запуска — и где агент ошибается, потому что без этой последней части рассказ был бы рекламой, а не опытом.
Почему именно канцелярия
Каждое входящее письмо в любой организации кто-то должен прочитать, понять и расписать исполнителю, и в большинстве компаний этим занимаются один-три делопроизводителя — вручную и по памяти. За девятнадцать лет работы с клиентами я выучил наизусть четыре системных дефекта этой конструкции, и они одинаковы что в министерстве, что в частной компании на триста человек.
Первый дефект — узкое место на людях: стоит делопроизводителю уйти в отпуск или на больничный, и документы часами ждут распределения. Второй — незаменимость вместо процесса: знание вида «такие письма — Иванову» живёт в голове одного опытного сотрудника и в день его увольнения покидает компанию вместе с ним. Третий — ошибки маршрутизации: письмо ушло не тому, вернулось с пометкой «не мне», пошло на второй круг, а каждый такой круг стоит дней. И четвёртый дефект, самый дорогой, — регуляторный: у обращений по АППК жёсткий срок в 15–30 рабочих дней, просрочка обходится в сумму до 200 МРП за каждый случай, а ручной реестр не умеет подавать сигнал тревоги, пока не стало поздно.
Канцелярию первым процессом мы выбрали ровно потому, что все четыре дефекта сходятся здесь в одну точку — а значит, и эффект от их устранения виден сразу.
Что говорит мировая практика
Прежде чем строить своё, я довольно долго смотрел, как эту задачу меряет мир. Самым исследованным документным конвейером оказалась обработка счетов: по отраслевым бенчмаркам Ardent Partners и APQC, ручная обработка одного документа стоит компаниям 12–19 долларов, тогда как у лидеров автоматизации тот же документ обходится меньше чем в три. Разница в четыре-шесть раз на каждом касании — а организации, доведшие долю «бесконтактной» обработки до 80% и выше, показывают трёхлетний ROI за 300%. Наш замер — примерно 27 тенге за машинный разбор документа — ложится в ту же логику: стоимость касания падает на порядок, и это, судя по мировым данным, не аномалия, а закономерность.
Вторая опора, на которую я смотрел, — регуляторная. Статья 14 европейского AI Act требует для рискованных ИИ-систем осмысленного человеческого надзора: человек должен понимать, что делает система, и иметь возможность вмешаться до того, как произойдёт необратимое. Мировой консенсус для агентов в документообороте из этого требования вырос вполне практичный: контролировать не всё подряд, а необратимое, объяснять каждое решение и вести неизменяемый след. Мы проектировали Канцеляриста по этим принципам ещё до того, как они стали мейнстримом, и ниже видно, как они выглядят не в декларации, а в живой архитектуре.
LLM читает — каскад решает
Вопрос, который мне задают чаще всего, звучит примерно так: как вы боретесь с галлюцинациями, если модель назначает исполнителей? И мой любимый ответ на него — модель у нас исполнителей не назначает вовсе.
Языковая модель делает то, что умеет лучше всего: читает и понимает документ — тему, суть, срочность, срок, сумму, юридические риски. А решение о назначении принимает детерминированный каскад, в котором исполнитель вычисляется из проверяемых сигналов по убыванию приоритета. Сначала каскад смотрит в правила человека — курируемый playbook, где каждое правило прошло апрув. Затем — в историю отправителя, то есть кому реально уходили его письма раньше; на бэктесте одна эта ступень даёт 97% точности по отделу. Третья ступень — структура клиента: дивизион контрагента и его руководитель. И только в самом конце, если ничего не сработало, модель выбирает по каталогу отделов, а всё по-настоящему непонятное уходит живому делопроизводителю. Чем ниже спускается каскад, тем безопаснее дефолт — галлюцинациям в такой конструкции просто негде жить.
Есть ещё одна деталь, которую я считаю принципиальной: маршрут привязан к оргструктуре, а не к персоне. Если сотрудник уволился, письмо идёт действующему руководителю его отдела, а не «в пустоту» на несуществующий адрес.
Исполнитель при этом получает уведомление в корпоративный чат, где написано, от кого письмо, о чём оно, почему назначили именно его и с какой уверенностью. Не согласен — нажимает «не мне», и каскад предлагает следующего кандидата. За первый месяц 85% оценок на такие объяснения оказались положительными, но честности ради уточню: это 17 «да» против 3 «нет», выборка одного месяца, и делать из неё статистику пока рано.
Точность мы измерили до запуска, а не после
Пускать агента на живой поток вслепую мы не стали. До запуска прогнали walk-forward-бэктест на шести месяцах реальной переписки — это около тысячи писем, 58% из которых пришли от новых отправителей; модель в таком тесте не видит будущего и стартует с пустой базой правил, то есть условия жёстче боевых.
Результаты сложились в понятную картину. Прецедент отправителя дал те самые 97% точности по отделу и 88% по персоне. Суммарное попадание в отдел с нуля, вообще без единого правила, — 71%, а с учётом продовых справочников — 77,5%. Самое же интересное показал посев: всего три человеческих правила сразу добавили 2,4 процентных пункта. Отсюда и наша траектория к 80% и выше — она строится не на ML-инфраструктуре, а на росте базы правил из правок живого делопроизводителя.
Учится система буднично и прозрачно: человек поправил назначение — появился прецедент; накопились три похожие правки — родился черновик правила; правило начало применяться — только после апрува. Ничего не самоприменяется, и в этом суть. Знание «кто за что отвечает» перестаёт быть личной памятью одного человека и становится активом компании — таким, который видно, можно проверить и можно править.
Экономика без прикрас
Считали мы консервативно, по рыночной зарплате делопроизводителя в 300 тысяч тенге в месяц (hh.kz, июль 2026; медиана по стране, к слову, ещё выше — 331,5 тысячи). Канцелярия из трёх человек обходится организации в 10,8 млн тенге в год, конфигурация «один делопроизводитель-супервайзер плюс агент» — примерно в 5,1 млн. Лицензия окупается за два с половиной месяца против двух высвобожденных ставок, а сам LLM-разбор одного документа стоит около 27 тенге — весь месяц пилота обошёлся нам дешевле, чем полтора часа работы человека.
И здесь я обязан сказать прямо: «три делопроизводителя превращаются в одного» — это модель тарифа, а не то, что произошло у нас. В нашем пилоте живой делопроизводитель никуда не делся — агент снял с него конвейер рутины и оставил роль супервайзера исключений. Спорные суммы, юридические риски, низкая уверенность, незнакомые контрагенты — всё это по-прежнему решает человек, а агент ничего не подписывает, не визирует и не меняет настройки. Экономика от этого не ломается: она строится на снятой рутине, а не на сокращениях.
Краткие выводы
- Входящие — идеальный первый процесс для ИИ-агента: большой объём, понятная боль, измеримый результат.
- Разделяйте чтение и решение: LLM понимает документ, а исполнителя вычисляет детерминированный каскад — галлюцинациям негде жить.
- Меряйте точность до запуска, бэктестом на своей переписке, а не после запуска — на жалобах.
- Правки человека — топливо системы: каждая превращается в прецедент или правило, и знание компании перестаёт увольняться вместе с людьми.
- Делопроизводитель остаётся — меняется его работа: из конвейера в супервайзеры исключений.
- Мировые принципы human-in-the-loop — контроль необратимого, объяснимость, неизменяемый след — работают. Стройте по ним с первого дня, а не после инцидента.
Всё это — по данным нашего пилота, май–июль 2026, на канцелярии Documentolog. Посмотреть, как агент разбирает входящее за 33 секунды, можно в живом демо — сценарий «Входящее → задача за 8 секунд» там играется сам.
