История с обновления нашего же сайта: ИИ аккуратно вырезал фон с фотографии — и заодно стёр кресло, в котором сидел директор. Рассказываем, почему так вышло, как чинили и какой из этого вывод для бизнеса, который собирается внедрять ИИ.
Коротко. Нейросеть для удаления фона сделала 90% работы за пару секунд — и провалила оставшиеся 10%: вместе с фоном исчезло кресло, и человек на фото повис в воздухе. Чинили не «promptом», а инженерно: замерили картинку по яркости и насыщенности, нашли правило, по которому кресло отличается от фона и пола, и собрали свою маску поверх нейросетевой. Это и есть честная картина внедрения ИИ: модель отлично закрывает типовое, но последние 10% — всегда работа инженера. Именно поэтому ИИ делает проекты кратно дешевле, но не бесплатно.
Мы обновляли главную страницу biztune.ru и хотели «врезать» фотографии основателей прямо в тёмный градиентный фон сайта — без белых прямоугольников и рамок. Для этого фон с фотографии нужно удалить, оставив только людей.
Задача насквозь типовая. Есть готовые нейросетевые модели удаления фона — тот же класс, что и популярные онлайн-сервисы. Запускаем, ждём пару секунд, получаем PNG с прозрачностью. В девяти случаях из десяти на этом всё и заканчивается.
Здесь не закончилось. На исходном фото директор сидел в светлом кресле на синем студийном фоне. Нейросеть уверенно распознала людей, вырезала их — и вместе с фоном удалила кресло. Целиком. На сайте получилась картина: человек сидит в характерной позе, нога на ногу, руки на подлокотниках, которых нет. Висит в воздухе.
Модели удаления фона обучены выделять объект переднего плана — чаще всего человека. Кресло для такой модели не «часть композиции», а элемент обстановки, то есть фон. Формально она отработала правильно: попросили отделить человека — отделила человека.
Это ключевой момент, который стоит перенести на бизнес-задачи: нейросеть не ошиблась — она решила не ту задачу. Она сделала то, чему обучена, а не то, что было нужно в конкретном случае. Ровно так же ИИ ведёт себя в CRM: корректно резюмирует звонок «вообще», но не знает, что именно вашему отделу продаж важно вытащить из разговора три конкретных поля.
Стандартная реакция — запустить более тяжёлую модель. Мы попробовали: в офлайн-пакете доступна только средняя версия, старшая тянется с внешнего сервиса. То есть быстрого пути «сделать лучше той же кнопкой» не было.
Это тоже знакомая ситуация: «давайте возьмём модель помощнее» — не универсальное решение. Иногда её нет, иногда она дороже, иногда ошибается ровно так же. Нужен другой подход.
Вместо того чтобы гадать, мы посмотрели на фотографию как на данные. Взяли исходник и замерили, чем численно отличаются друг от друга фон, пол и кресло — по двум простым характеристикам: яркость (насколько пиксель светлый) и насыщенность (насколько цвет «сочный», а не серый).
| Область фото | Яркость | Насыщенность |
|---|---|---|
| Синий студийный фон | 88–99 | 0,93–0,95 — очень высокая |
| Тёмный пол | 44–67 — очень низкая | 0,10 |
| Кресло (и на свету, и в тени) | 110–220 | 0,06–0,30 |
Картина сразу стала понятной. Фон отличается насыщенностью — он ярко-синий, «сочный». Пол отличается темнотой. А кресло — светлое и почти серое, то есть не проходит ни по одному, ни по другому признаку. Значит, правило «яркость больше 110 И насыщенность меньше 0,35» описывает кресло целиком и при этом не задевает ни фон, ни пол.
Дальше собрали итоговую маску так: взяли то, что правильно нашла нейросеть (людей — с волосами, пальцами, очками, что вручную размечать мучительно), и добавили к этому кресло по нашему правилу. Каждый инструмент сделал то, что умеет лучше.
Итог: кресло целое — спинка, оба подлокотника, сиденье. Фон удалён. Файл стал даже легче исходной «кривой» версии. Вся правка — примерно час работы, включая замеры и три итерации.
Мы рассказываем эту историю не ради фотографии. Она в миниатюре повторяет то, что происходит при внедрении ИИ в реальные процессы.
ИИ закрывает типовое — быстро и дёшево. Распознать людей на фото, расшифровать звонок, сделать краткую сводку переписки, сгенерировать черновик письма, заполнить поля карточки после разговора — всё это сегодня работает и стоит копейки по сравнению с ручным трудом. Мы сами запускаем на нейросетях новые проекты и MVP кратно быстрее, чем классической разработкой.
Но последние 10% — всегда инженерные. Модель не знает контекста вашей компании. Она не в курсе, что «кресло» в вашем случае — часть композиции. В CRM это выглядит так:
Всё это чинится. Но чинится не «перепиской с нейросетью», а тем же способом, что и кресло: посмотреть на данные, найти правило, собрать связку из модели и логики, проверить на реальных случаях. Это работа, и её кто-то должен сделать.
Поэтому мы говорим про нейросети честно: кратно дешевле и быстрее — да. Бесплатно и «само» — нет. Тот, кто обещает второе, либо не внедрял ИИ в реальные процессы, либо не рассказывает про доработку, которая всё равно случится — только уже за ваш счёт и после того, как сотрудники успеют разочароваться.
Если вы смотрите в сторону ИИ в своих процессах, полезно держать в голове три вещи.
Первое: считать не «ИИ против человека», а «ИИ плюс инженер против ручного труда». Экономика сходится именно так. Модель делает объём, инженер — точность.
Второе: закладывать этап доводки. Не «включили и работает», а «включили, посмотрели на реальных данных, поправили». В нашем случае это был час. В процессе продаж — обычно несколько итераций на живых сделках.
Третье: начинать с задач, где ошибка не критична. Сводка звонка, черновик ответа, подсказка менеджеру — здесь ИИ ошибётся без последствий, человек поправит. А вот автоматическое решение по скидке или отправка документа клиенту без проверки — не та задача, с которой стоит начинать знакомство с нейросетями.
Нейросеть, которая посадила директора в воздух, не была плохой. Она отлично сделала сложную часть — обвела людей по контуру с волосами и пальцами, на что вручную ушёл бы час кропотливой работы. Она просто не знала, что кресло здесь важно.
С ИИ в бизнесе ровно так же: он снимает основную массу работы, но не отменяет того, кто понимает задачу целиком. Мы внедряем ИИ-функции Битрикс24 и разрабатываем на нейросетях именно с таким подходом — и заранее говорим, где модель справится сама, а где придётся поработать руками. Разбор вашей задачи бесплатный и ни к чему не обязывает.
Оставьте контакт — посмотрим на ваши задачи и честно скажем, что нейросети закроют сами, а что потребует доработки. Без обещаний «всё само».
