Опора на факт, не на PDF
Регламент часто врёт или устарел. ИИ должен видеть, как процесс живёт: обходы, Excel, согласования в почте.
AI Process Reverse Engineering (APRE)
ИИ на реконструированных бизнес-процессах
Сначала выясняем, как процесс идёт на самом деле. Потом ставим на него локальный ИИ — не на красивый регламент и не на общий чат.
100% On-Prem / Air-Gap: Полный автономный контур без отправки данных в облачные публичные API.
Process Ground Truth: Моделирование фактического As-Is процесса вместо опирания на идеализированные PDF-инструкции.
Процесс → модель → локальный ИИ
Метод
Четыре шага от факта к пилоту
Нажмите этап — что смотрим, что получаем, на что опираемся
Шаг 1
Смотрим, как процесс идёт на деле
Не «как в инструкции», а как люди и системы работают сейчас: обходы, Excel, почта, ожидания, исключения. Без этого ИИ будет учить красивую легенду.
- Смотрим: системы, документы, логи, интервью, хронометраж
- На выходе: карта факта и разрывов с регламентом
- Не делаем: вид, что «у нас всё по полочкам», если это не так
{
"process_id": "CTPP-2026-BUR",
"declared_time_hours": 4.0,
"actual_time_hours": 28.5,
"bottlenecks": [
"Ручная выверка спек 3D CAD vs ГОСТ 2.106",
"Согласование отклонений материалов по e-mail"
],
"data_sources": ["ERP_1C", "Kompas_3D", "Paper_Scans"]
} Шаг 2
Собираем модель, на которую можно опереться
Роли, шаги, данные, системы, исключения — в виде схемы, с которой потом работают поиск, правила и пилот. Формат вторичен; важна полнота для следующих шагов.
- На выходе: схема процесса, глоссарий, связи систем
- Зачем: контекст для ИИ и автоматизации, а не картинка на слайд
- Ограничение: модель не отменяет здравый смысл и хозяина процесса
<bpmn:process id="TechPrepPipeline">
<bpmn:task id="VerifyCAD" name="Анализ геометрии детали">
<bpmn:extensionElements>
<apre:aiAgent target="Aist-CAD-Engine" mode="Deterministic" />
</bpmn:extensionElements>
</bpmn:task>
</bpmn:process> Шаг 3
Решаем, где ИИ уместен — а где нет
Часть шагов закрывается обычным кодом и правилами. Часть — поиском и моделью. Часть остаётся за человеком. ИИ — не награда за проект, а один из инструментов на схеме.
- Скрипты и правила: там, где логика жёсткая
- ИИ: разбор, черновики, поиск по своей базе
- Человек: подпись, ответственность, спорные случаи
pipeline_target: "To-Be КТПП"
roles:
cad_parsing: "Automated Python Step"
normative_check: "On-Prem LLM Agent (DeepSeek-R1)"
gcode_generation: "CAM Script + AI Validation"
chief_technologist: "Human Approval Guardrail" Шаг 4
Пилот в согласованном контуре
Один процесс, понятная метрика, свои или согласованные серверы. Данные не уезжают «куда удобно API», если политика против. По итогам — идём дальше или останавливаемся.
- Scope: узкий, с хозяином процесса
- Контур: локально / гибрид — по риску, не по моде
- Итог: go / no-go без самообмана
# LOG: ON-PREM AIR-GAP CONTOUR
Status: Active
Model: DeepSeek-R1-Distill-32B (Local vLLM Air-Gap)
Network: Outbound Blocked (Strict Air-Gap)
Latency: 18ms (first token)Принципы
Что получает процесс с ИИ
Модель вместо «просто промпта»
Схема процесса и данные — это контекст. Без них модель фантазирует уверенным тоном.
ИИ у вас, а не «куда-то в облако»
Для закрытых контуров — локальный запуск. Данные не уезжают в публичные сервисы, если политика этого не позволяет.
Методология
Четыре шага — без слайд-цифровизации
01
Как есть на деле
Смотрим документы, системы, переписки, людей. Не «как написано», а как действительно делают шаг за шагом.
02
Модель процесса
Собираем понятную схему: роли, данные, системы, исключения. Это опора для поиска, правил и будущих агентов.
03
Как должно стать
Решаем, где ИИ уместен, где хватит обычной автоматизации, а где обязательно остаётся человек.
04
Пилот в своём контуре
Один процесс, свои серверы, понятная метрика. По итогам — идём дальше или останавливаемся.
Практика
Кейсы: процесс × локальный ИИ
производство От чертежа к техпроцессу
Как сжать рутину КТПП: геометрия, аналоги, черновик маршрута — в своём контуре, без отправки чертежей «в облачный чат».
Процесс: Конструкторско-технологическая подготовка: чертёж и модель → понимание детали → аналоги → маршрут и дальше по цепочке.
ИИ: Локальный разбор геометрии и документов, поиск похожих изделий, черновик техпроцесса. Человек проверяет и принимает.
документы Документы: когда сканы нельзя «просто в ChatGPT»
Пакеты документов, OCR и разбор внутри периметра: быстрее первичный проход, без утечки исходников наружу.
Процесс: Входит пакет (сканы, декларации, сопроводительные) → извлечение → сверка → вопросы к рискам.
ИИ: Локальный разбор изображений и текста, сопоставление с правилами и справочниками. Спорное — человеку.
планирование Планирование цеха: ИИ поверх реальной загрузки
Связка техпроцессов, ресурсов и пересчёта плана. Не «новый Excel», а модель, на которой можно думать сценариями.
Процесс: От операций и ограничений → расписание → срыв → пересчёт. Связь с учётом, где она уже есть.
ИИ: Подсказки и сценарии на модели цеха: приоритеты, риски, что поедет, если сдвинуть заказ.
закупки Закупки: прозрачность вместо «ощущения рынка»
Цены, предложения, связи участников — чтобы быстрее видеть вопросы к пакету. Решение остаётся за людьми и регламентом.
Процесс: Сбор предложений и цен → сравнение → странности и связи → подготовка к разбору.
ИИ: Помощь в сборе и сопоставлении, граф связей, подсветка аномалий. Без режима «автоприговор».
Черновик разговора
Набросок: готов ли процесс к пилоту ИИ
Три выбора — грубый профиль. Не замена созвону, но помогает сформулировать запрос.
КТПП + локальный контур
С чего начать Разбор 2–4 недели
Контур Свои серверы
На что смотреть Время типового цикла
Комментарий: Начните с одного участка и карты «как есть». Модель и ИИ — после факта, не до него.
Границы метода
Чем это не является
Не reverse engineering ПО
Не разбор бинарников, прошивок и защиты ПО. Только бизнес- и производственные процессы предприятия.
Не cloud-only демо
Чувствительный контур — on-prem / закрытый периметр, без отправки данных во внешние публичные API.
Не слайды без модели
Сначала as-is и формальная модель процесса — затем ИИ. Иначе автоматизируются человеческие ошибки.
Наумов Павел Владимирович
2009–2011 ФНС РФ
→ 2011–2012 Водоканал
→ 2013–2021 ЦТСС
→ 2021+ Буревестник CDTO
Частые вопросы
Вопросы и ответы
Чем это отличается от «давайте подключим ChatGPT»?
Чат без модели процесса — это угадайка. Сначала разбираем, как работа реально устроена, какие данные есть, что нельзя выносить. ИИ появляется после этого — на конкретном участке и с понятной задачей.
Это reverse engineering программ?
Нет. Не разбираю чужой код, прошивки и защиту. Занимаюсь бизнес- и производственными процессами: люди, регламенты, CAD/ERP/MES, документы — и ИИ вокруг них.
Зачем смотреть as-is, если есть регламенты?
Потому что регламент и жизнь часто расходятся. Если учить ИИ «правильной» бумаге, он будет помогать соблюдать то, чего на практике уже нет. Нужна картина факта.
Облако или только свои серверы?
Зависит от политики и данных. Там, где нельзя — локальный инференс и закрытый периметр. Где можно — обсуждаем гибрид. Решение не идеологическое, а по риску.
С чего начать, если хочется «просто попробовать»?
С одного процесса, где есть боль, данные и хозяин. Не «ИИ на весь завод». Разбор as-is на узком участке дешевле и честнее, чем большой слайд-roadmap.
Сколько это занимает?
Разбор процесса — часто недели, не месяцы. Пилот — отдельный scope. Сроки зависят от доступа к людям и системам, а не от желания «сделать красиво к пятнице».
Нужна ли уже «цифровая зрелость»?
Нужны доступ к факту и готовность его признать. Идеальный PLM не обязателен. Хуже, когда все уверены, что процесс «как в инструкции», а Excel живёт в стороне.
Для кого это не подойдёт?
Если нужна магия «поставьте нейросеть и уйдёт половина штата» без разбора процессов — не подойдёт. Если данные нельзя трогать и обсуждать даже внутри контура — тоже рано.
Обсудить пилот локального ИИ
Один процесс. Реконструкция As-Is. Локальный инференс. Измеримый результат go/no-go.