В первой части мы разобрали принцип, по которому решаем, что можно отдать машине, и три участка, где ИИ у нас работает ежедневно: приём входящих, подготовка продаж, производство сайтов и контента. Общее у них одно — машина готовит, решение принимает человек.
Эта часть про другое. Про участок, где агент работает без свидетелей и находит то, что человек не находил годами. Про границы, за которые мы машину не пускаем. И про то, что, по нашему прогнозу, будет с этим рынком дальше.
Надзор за инфраструктурой: участок, где агент работает без свидетелей
Самый скучный и самый окупаемый участок. Здесь мы разработали не помощников, а сторожей — они ничего не создают, они смотрят круглосуточно и не устают.
- Состояние дисков и памяти серверов. Скрипт снимает показатели и сравнивает с прошлым замером. Сигнал приходит только на ухудшение, а не на каждую строчку в логе.
- Кто заходил на сервер. Агент фиксирует любой вход по SSH: IP, время, длительность. Чужой вход превращается в задачу.
- Подмена файлов сайта. Написали сверку: эталоны боевых файлов сравниваются с тем, что реально лежит на сервере. Ситуация «кто-то залил старую версию по FTP» перестала быть загадкой на неделю.
- Живость самих агентов. Пришлось написать сторожа над сторожами: он следит за всем парком и сигналит, если агент перестал выходить на связь в свой срок. Автоматизация, о поломке которой ты не знаешь, опаснее её отсутствия — ты продолжаешь на неё полагаться.
- Бэкапы. Копии баз снимаются по расписанию, а пропущенное из-за спящего компьютера досылает отдельный скрипт-добор.
Что нашли по итогам проверок
Сервер достался нам вместе с историей: за годы на нём накопились десятки проектов, и часть из них была заброшена владельцами ещё несколько лет назад — сайты на CMS, которые не обновлялись с середины десятых. Формально за состоянием машины следил человек, и всё выглядело нормально: сайты открывались, панель хостинга не жаловалась, жалоб не поступало. А потом разбор первой же аномалии — кто-то без нашего ведома перезапускал системную службу — потянул за собой цепочку находок:
- Майнер в планировщике задач. Заброшенный сайт на самописной CMS середины десятых каждую минуту скачивал и запускал чужой бинарник. В какой-то момент тот выел процессор и память целиком, и машина ушла в жёсткую блокировку. Легли все сайты на сервере, а не только заражённый.
- Веб-шеллы и переписанный конфиг доступа. Там же — загрузчик файлов, срабатывающий по секретному параметру в адресе, и серверный конфиг, в котором атакующий запретил выполнение всех PHP-файлов, кроме собственного белого списка. Аккуратно, чтобы не мешать самому себе и не привлекать внимания.
- Инжектор ссылочного спама. Отдельный скрипт с собственной базой ссылок, подмешивавший чужие ссылки в страницы сайта. Классика: ресурс годами работает донором для чужого продвижения, а владелец об этом не знает.
- Бэкдор удалённого доступа. Самая неприятная находка. Ежечасная задача в планировщике, зашифрованная в base64, поднимала наружу канал управления и маскировала свой процесс под системный поток ядра — в списке процессов он выглядел штатным компонентом операционной системы.
- Открытая база на соседнем проекте. В корне сайта лежали веб-админка базы данных, полный дамп на несколько сотен мегабайт и файл с почтовым паролем открытым текстом. Скачать это мог любой, кто угадает имя файла.
- Выходной узел анонимной сети Tor. Отдельный заход, найденный позже: на сервере подняли релей с открытой политикой выхода и полосой в сто мегабайт, назвав узел производным от имени нашей компании. В сеть он так и не вошёл — версия пакета оказалась слишком старой, и сеть её не приняла. Если бы вошёл, с адреса, на котором живут около сорока клиентских сайтов, в интернет пошёл бы чужой анонимный трафик: жалобы провайдеру, попадание в чёрные списки почты и поисковиков, а в плохом сценарии — вопросы к владельцу адреса. Рядом с ним лежали два служебных процесса, замаскированных под системные с точностью до одного слова в названии, и прокси-сервер с затёртой отладочной информацией и подделанной на двенадцать лет назад датой файла.
Артефакт годами лежит среди штатных — отличить его можно только сверкой со вчерашним снимком
Последнюю находку мы считаем не случайным взломом, а диверсией. Тот, кто ломает сайт через дыру в старой CMS, не называет узел именем компании-владельца сервера и не выстраивает маскировку под системные службы с такой аккуратностью. Для всего этого нужен полный доступ к машине и знание, чей это сервер.
Дальше сработала та часть процесса, которую мы описывали в начале: сначала обратимая изоляция и сохранение улик, только потом удаление. Все сайты сервера прогнали сплошным сканированием по сигнатурам, заброшенные проекты заархивировали и сняли, живые не пострадали.
Главный вывод оттуда: заброшенный сайт на старой CMS — это мина под весь сервер. Пока он «просто висит и никому не мешает», через него заходят и получают доступ ко всему соседству. Искать заражение нужно не на одном подозрительном сайте, а сразу по всем учётным записям — планировщик, ключи доступа, свежие файлы.
И здесь главное, ради чего эти кейсы вообще попали в статью про ИИ. За сервером и раньше следил живой человек — и всё перечисленное прошло мимо него. Не потому, что он плохой специалист: человек проверяет сервер тогда, когда есть повод — жалоба, сбой, просьба клиента. Ни одна из находок повода не давала. Майнер просыпался по ночам, бэкдор притворялся системным потоком ядра, спам-скрипт лежал в папке сайта, который давно никто не открывал, а Tor-узел вообще ни разу не заработал. Обе истории всплыли случайно: одна — когда сервер упал целиком, вторая — когда мы разбирались, почему сама собой перезапускается служба передачи файлов. Целенаправленно их не искал никто. Именно поэтому сторожа и появились.
Чтобы такое заметить, нужно каждый день без единого пропуска обходить все учётные записи, планировщик, ключи и свежие файлы — и сравнивать с прошлым срезом. Живой администратор так не работает: это нудно, и через две недели ежедневная проверка превращается в формальность «вроде всё как обычно».
Агент делает ровно это и ровно каждый день. У него нет состояния «выглядит как обычно» — у него есть прошлый снимок и текущий, и любое расхождение он выкладывает на стол. Мимо правильно настроенного сторожа такие артефакты не проходят — не потому, что он умнее человека, а потому, что он не устаёт, не отвлекается и не решает за вас, что сегодня проверять необязательно.
Здесь важна не столько экономия времени, сколько снятый риск. Поломка, найденная за час, стоит в разы дешевле поломки, найденной клиентом.
База знаний — то, без чего всё остальное не работает
Это та часть, которую при внедрении обычно пропускают, а она несущая.
Все правила, договорённости и уроки хранятся в текстовом виде в едином хранилище: как оформлять коммит, какие пороги у проверки блогеров, что нельзя писать в комментарий к записи в системе заказчика, потому что его увидит конечный посетитель, какую формулировку клиент утвердил в прошлый раз, где лежат доступы. Туда же складываются факты, добытые в работе, — накопилось уже под три сотни отдельных заметок, и каждая привязана к ситуации, в которой её нужно вспомнить.
Смысл в том, что ИИ-агент без такой базы каждый раз начинает с нуля и совершает одну и ту же ошибку по кругу. С базой он совершает ошибку один раз, после чего она превращается в правило и больше не повторяется. Повторяемые процессы мы упаковываем ещё плотнее — в готовые сценарии, которые запускаются одной командой и содержат весь порядок действий, включая места, где нужно остановиться и спросить человека.
Фактически внедрение ИИ на две трети состоит не из моделей, а из письменной фиксации того, как у вас на самом деле устроена работа. Это же и главный побочный эффект: пока описываешь процесс для машины, обнаруживаешь, что половина процессов у тебя не описана вообще ни для кого.
Две трети внедрения — это письменно зафиксированный процесс, а не модель
Что мы сознательно не отдали машине
Честный список ограничений полезнее списка побед.
- Переговоры, цена, отказ. Всё, что формирует отношения и обязательства, остаётся за человеком.
- Необратимые публичные действия. Комментарий под постом, письмо клиенту, запись в боевой системе заказчика — только с подтверждения. Публичный комментарий во многих системах нельзя ни отредактировать, ни удалить силами исполнителя.
- Регулируемые ниши. На проектах заказчиков в медицине текст проходит проверку по чек-листу требований к рекламе и по закону о персональных данных. Скорость генерации тут не помогает — узкое место не в написании, а в согласовании.
- Персональные данные. Они не уезжают в облако и не попадают в резервные копии общего хранилища. Для задач с персональными данными работает локальная модель на своём железе.
- Оценка людей. Автоматический вердикт по подрядчику — подсказка менеджеру, а не решение за него.
Отдельно стоит сказать о пределах самих моделей. Мы прогнали два десятка локальных моделей через собственный стенд сравнения и получили два неудобных вывода. Первый: одна модель на все задачи не годится — та, что лучше пишет текст, хуже разбирает код. Второй: облачная модель на фактологических задачах пока заметно точнее локальной. Поэтому разделение у нас не идеологическое, а прагматичное: рутина по персональным данным — локально, сложная аналитика — в облаке, и точно знаем, чем за это платим.
Куда внедрять дальше
Три направления, в которых движемся сейчас.
Единый пульт. Сегодня данные из CRM, аналитики, соцсетей, трекера позиций и рекламных кабинетов приходят в одно хранилище, но каждый по своей трубе. Следующий шаг — сводный дашборд, где видно состояние всех клиентских проектов сразу, и откуда можно запускать действия, не переключаясь между десятком кабинетов.
Больше локального контура. Всё, что касается персональных данных — наших клиентов и посетителей их сайтов — должно уехать с облачных моделей на собственное железо. Технически это уже возможно, упирается в качество: локальная модель пока проигрывает по точности, и каждый перенос требует замера, а не веры.
Рельсы для клиентских процессов. Самое интересное — не автоматизировать себя, а строить такие же рельсы клиентам: обработка заявок, напоминания, сбор отзывов, регулярная отчётность. Работа, которую сегодня в компаниях делает менеджер вручную по сорок минут в день.
Перспектива: что изменится в ближайшие год-два
Наш рабочий прогноз состоит из трёх тезисов.
Стоимость рутинной операции стремится к нулю. Написать типовой текст, собрать таблицу, сверстать блок, разложить отчёт — всё это уже почти ничего не стоит. Бизнес-модели, построенные на продаже часов такой работы, будут сжиматься. Это не гипотеза, это происходит прямо сейчас.
Ценность смещается в архитектуру и данные. Выигрывает не тот, у кого есть доступ к нейросети — он есть у всех, — а тот, у кого описаны процессы, накоплена база знаний и выстроены рельсы. Модель одинаково доступна конкуренту, а ваш регламент и ваши данные — нет.
Агентство перестаёт продавать действия и начинает продавать работающий процесс. Не «десять статей в месяц», а конвейер, который выдаёт статьи предсказуемого качества и сам следит за индексацией. Не «настроим рекламу», а система, где заявка не теряется между каналами. Разницу клиент чувствует сразу — по тому, перестают ли задачи зависать.
И один трезвый тезис в противовес: большинство внедрений ИИ провалится не из-за технологий, а из-за того, что внедряли не туда. ИИ, поставленный поверх неописанного хаоса, даёт ускоренный хаос. Сначала процесс — потом машина, и никогда наоборот.
Как начать у себя: короткий план
Если хотите повторить, порядок такой.
- Выпишите, что делаете руками каждую неделю. Не «маркетинг», а конкретные операции: «собираю отчёт из трёх таблиц», «проверяю пять почтовых ящиков», «свожу заявки из директа в CRM».
- Выберите операцию с проверяемым результатом. Начинайте не с самой болезненной, а с самой очевидной — где сразу видно, сработало или нет.
- Сначала датчик, потом действие. Пусть первая версия только читает и показывает. Это безопасно, даёт быстрый эффект и вскрывает, насколько ваш процесс на самом деле отличается от того, как вы его описали.
- Всё, что уходит наружу, — через подтверждение. Письма, публикации, записи в клиентских системах. Режим предпросмотра по умолчанию.
- Заведите письменную базу правил. Каждая пойманная ошибка должна превращаться в строчку регламента. Без этого вы будете чинить одно и то же по кругу.
Начать стоит с одного участка и довести его до конца. Десять недоделанных автоматизаций дают меньше, чем одна работающая, — и при этом требуют внимания все десять.
А нужно ли осваивать это самому
Сейчас все повально учатся работать с нейросетями: курсы по промптам, марафоны, вебинары «ИИ для бизнеса за выходные». Учиться полезно, спору нет. Вопрос в другом — сколько времени вы готовы на это потратить и ради какого результата.
Аналогия простая. Представьте, что вам нужно перевести один договор, и от точности перевода зависит сделка, которая в корне изменит ваш бизнес. Сколько лет вы будете учить английский, чтобы справиться самостоятельно? Ответ очевиден: вы возьмёте переводчика, который занимается этим каждый день, и получите результат завтра, а не через три года. И никто не скажет, что вы «не разобрались в языках».
С внедрением ИИ то же самое. Освоить инструмент самому реально, но это месяцы: разобраться в моделях, научиться ставить задачу, набить шишки на собственных данных, а потом ещё научиться поддерживать то, что построил. Всё это время бизнес работает по-старому.
Второй путь — взять готовое решение у тех, кто этот путь уже прошёл и занимается им профессионально. Здесь вы платите не за «нейросеть», а за срок: работающий процесс появляется за недели, а не за год. И вместе с ним вы получаете чужие набитые шишки — те самые ограничения и предохранители, о которых мы писали выше и которые обычно узнают на собственных потерях.
Разумный компромисс, который мы советуем клиентам: разберитесь на уровне «что вообще можно отдать машине, а что нельзя» — этого хватит, чтобы ставить задачи и принимать работу. А саму разработку рельсов отдайте тем, для кого это ежедневная работа. Ровно так вы поступаете с бухгалтерией, юристами и обслуживанием автомобиля. Почему-то только в ИИ считается обязательным делать всё своими руками.
Внедрение ИИ — не покупка инструмента и не подписка. Это инженерная работа по описанию собственных процессов, где нейросеть оказывается последним и самым простым элементом конструкции. Зато когда конструкция собрана, рутина перестаёт занимать день — и освобождается то единственное, что нельзя автоматизировать: время на решения.
Хотите так же? Мы помогаем бизнесу выстраивать процессы, а не просто запускать рекламу. Расскажите о своей задаче — разберём, какой участок у вас окупится первым.
P.S. Каким ИИ пользуемся мы. В работе команда Авентон использует агрегатор Syntx — доступ к 100+ нейросетям по одной подписке: ChatGPT, Claude, Gemini и DeepSeek для текстов, Midjourney и FLUX для картинок, Sora и Kling для видео. Главное удобство — не нужно жонглировать десятком аккаунтов и зарубежных оплат: все модели живут в одном кабинете и Telegram-боте. Попробовать можно здесь.
