1. Начинать стоит с операционной проблемы, а не с выбора AI-платформы: какие процессы имеет смысл автоматизировать в первую очередь и где эффект можно измерить.
2. От ответа модели к автономному процессу: критерии, по которым можно понять, что AI действительно выполняет задачу без постоянного участия человека.
3. ROI автоматизации - не только экономия ресурсов: дополнительная ценность возникает там, где AI позволяет регулярно выполнять работу, на которую раньше не хватало человеческого ресурса.
4. Данные остаются внутри периметра: как организовать архитектуру и права доступа так, чтобы использовать внешние модели без передачи им критичных данных.
5. Регламент, тестирование и контроль — часть AI-системы: зачем агентам нужны инструкции, ограничения доступа, пробные запуски, бэкапы и регулярная проверка результатов.
6. Новая роль сотрудника - приёмка результата: как меняется работа команды, когда человек перестает выполнять рутинную операцию и начинает контролировать работу автоматизированного процесса.
7. Ломается не модель, а эксплуатация: какие ошибки возникают после запуска и почему AI-агентам нужна собственная система мониторинга, инцидентов и постоянного обновления регламентов.