Счета, акты и чеки
Агент вытаскивает суммы, даты и реквизиты, а человеку оставляет сомнительные случаи.
Бухгалтер перестаёт быть оператором ручного ввода и занимается проверкой там, где ошибка действительно стоит денег.
Новая экономика визуальной автоматизации
DeepSeek посмотрит 10 000 изображений за 70 рублей
DeepSeek добавил ИИ-агентам дешёвые глаза. Разбираю, какие ручные операции теперь можно автоматизировать и почему сотрудник всё равно должен проверять исключения.
В любой компании есть работа, которую никто даже не считает автоматизацией.
Бухгалтер открывает фотографию счёта и переносит цифры в систему. Менеджер смотрит скриншот от клиента и пересказывает проблему техническому специалисту. Руководитель каждое утро открывает 5 кабинетов, чтобы глазами проверить продажи, рекламу и остатки.
Везде человек работает переводчиком между картинкой и бизнес-системой.
Я попробовал новый DeepSeek V4 Flash Vision Exp. Модель получила возможность видеть фотографии, документы, графики и экраны.
После первых проб отношение у меня очень позитивное. Не потому, что нейросеть научилась ещё раз описывать картинку. Она способна убрать из процессов огромное количество ручной перекладки.
Автоматизация, внутри которой всё равно сидел человек
Раньше DeepSeek отлично работал с текстом. Но для картинки требовался отдельный сотрудник или другая нейросеть.
Один посмотрел. Второй описал. Третий занёс результат в таблицу.
Дивный мир автоматизации, где посередине всё равно сидит человек и копирует цифры.
Теперь DeepSeek может получить изображение напрямую, понять его содержание и продолжить задачу в том же рабочем процессе.
Например, принять фотографию счёта, найти сумму и реквизиты, проверить обязательные поля и подготовить данные для системы.
Или увидеть скриншот ошибки, определить проблему, найти инструкцию и подготовить ответ специалисту поддержки.
Человек перестаёт переносить увиденное между 2 окнами и подключается только там, где модели нельзя доверять окончательное решение.
Главный переворот находится в цене
Качество зрения здесь важно. Но сильнее всего меня зацепила экономика.
По моему расчёту, обработка 1 изображения в дешёвые часы стоит меньше 1 копейки.
Как получается около 70 рублей
Официальные цены DeepSeek ↗01 изображение< 1 коп.
100 изображений≈ 70 коп.
1 000 изображений≈ 7 ₽
10 000 изображений≈ 70 ₽
Расчёт: максимум 384 входных токена на изображение × $0,22 за 1 млн токенов в непиковые часы × 83 ₽/$. Это только стоимость визуального входа — без текста ответа, повторных запросов, интеграции и проверки человеком.
Даже 1 минута сотрудника стоит дороже, чем обработка большой пачки изображений.
Что это меняет для бизнеса
Скриншоты ошибок
Клиент присылает скриншот с ошибкой. Агент видит ситуацию, определяет тип проблемы, находит инструкцию и готовит следующий шаг.
Уходит пинг-понг, из-за которого клиент злится, а специалист тратит половину смены на уточнения.
Витрины, ценники и упаковка
Агент сравнивает изображение с эталоном и отмечает отклонения.
Руководителю не приходится листать сотни фотографий из филиалов, чтобы найти 3 действительно проблемные.
Прайсы и предложения
Модель вытаскивает суть, сравнивает условия и готовит информацию для ответа.
Менеджер тратит время на переговоры, а не на переписывание содержимого картинки.
Кабинеты и дашборды
Данные уже существуют, но живут внутри кабинетов, диаграмм и отчётов, к которым автоматизация нормально не подключена.
Агент видит провал и сообщает руководителю только то, что требует решения.
Меньше ручной перекладки
Сотрудники перестают переносить данные глазами и руками между двумя окнами.
Получается важный сдвиг.
Раньше автоматизировали то, что уже лежит в таблице или базе данных. Всё визуальное оставалось человеческой территорией.
Новый DeepSeek способен добраться до процессов, которые годами считались слишком мелкими, разрозненными и дорогими для автоматизации.
Компания начинает управлять по исключениям
Отдельный сотрудник может потратить на просмотр 1 изображения минуту. 10 000 изображений превращаются в месяцы ручной работы.
Для DeepSeek визуальная часть такого объёма стоит около 70 рублей.
Конечно, останется стоимость ответов, интеграции и человеческой проверки. Но сама возможность увидеть картинку практически перестаёт влиять на бюджет.
Это уже история про деньги, скорость и масштаб.
Компания обрабатывает больше входящих документов без расширения штата. Поддержка отвечает быстрее той же командой. Руководитель получает контроль по исключениям, а не просматривает каждый филиал.
Где дешёвое зрение начинает подводить
Я бы не отпускал модель бесконтрольно во все процессы.
В названии стоит Exp, потому что версия экспериментальная. Во время проб я увидел конкретную границу: плотные экраны с мелким текстом она понимает заметно хуже.
Большое изображение ужимается примерно до 800 на 800 пикселей. За счёт этого просмотр стоит меньше 1 копейки, но мелкие подписи в таблицах и сложных панелях могут превратиться в кашу.
Модель способна перепутать строку, сумму или элемент интерфейса и при этом ответить уверенно.
Рабочая схема выглядит иначе
Модель забирает основной поток, а сотруднику показывает исключения:
- неразборчивый документ;
- сомнительную сумму;
- несовпадение с правилами;
- низкую уверенность в результате.
Тогда человек проверяет 5 сложных случаев вместо 500 обычных.
Вот здесь появляется настоящий бизнес-эффект.
Мы не пытаемся заменить бухгалтера, специалиста поддержки или руководителя. Мы убираем из их дня роль биологического переходника между картинкой и системой.
Как посчитать эффект в своей компании
Не начинайте с вопроса: «Куда нам поставить DeepSeek?»
Пройдите по отделам и найдите процесс, где сотрудник регулярно открывает фотографию, скриншот или скан, а затем вручную переносит увиденное в другую программу.
Возьмите 100 реальных примеров и прогоните через модель.
Измерьте 3 показателя:
- Сколько случаев модель обработала правильно.
- Сколько времени она сэкономила.
- Какие ошибки потребовали человека.
Затем умножьте освобождённые часы на полную стоимость работы сотрудника и вычтите расходы на проверку и внедрение.
Так вы получите нормальный расчёт, а не восторг от новой игрушки.
Мой вывод после первых проб
DeepSeek добавил дешёвые глаза к уже сильному мозгу.
Если зрение доведут до стабильной версии, огромное количество маленьких ручных операций впервые станет экономически выгодно автоматизировать.
Самое ценное здесь даже не то, что нейросеть увидела картинку.
Она наконец увидела ту часть бизнеса, которую раньше приходилось обслуживать человеческими глазами.