После каждой большой конференции у меня одинаковая неделя: приходят руководители с горящими глазами и запросом «надо внедрять ИИ, мы отстаём». Я этот энтузиазм разделяю – сам строю системы на нейросетях и живу в них каждый день. Но первый вопрос всегда приземляет: в какой процесс внедряем? Не «в компанию», а в конкретный процесс, у которого есть название, исполнитель и часы, которые он ест. С этого вопроса начинается разница между работающей автоматизацией и модной игрушкой, которую забросят через месяц.
Почему «внедрить ИИ вообще» не работает
ИИ – это не оборудование, которое привезли, подключили и оно работает. Это скорее новый сотрудник: ему нужны данные, понятная зона ответственности и контроль на первое время. Компании, которые «внедрили ИИ» покупкой подписки на нейросеть для всех сотрудников, через полгода честно признаются: пара человек пишет письма быстрее, остальные забыли пароль. Подписка есть, внедрения нет.
Работает другой порядок, и он скучнее презентаций: один процесс, пилот, замер, расширение. Разберу по шагам, как это выглядит у меня на проектах.
Шаг первый: выбрать правильный процесс
Хороший кандидат на автоматизацию отвечает трём условиям сразу.
- Рутина повторяется часто и одинаково. Разбор входящих заявок, ответы на типовые вопросы, сборка отчётов, перенос данных между системами. То, что человек делает на автопилоте и слегка ненавидит.
- Результат можно проверить. У задачи есть понятный критерий «сделано правильно». Там, где правильность – вопрос вкуса и переговоров, автоматизировать рано.
- Есть данные. Прайсы, база клиентов, история переписки, регламенты – хоть в каком-то структурированном виде. Если знания живут только в голове у Марины, сначала их нужно оттуда достать.
Посчитайте на выбранном процессе простую вещь: сколько раз в день повторяется операция и сколько минут стоит. Десять заявок в день по пятнадцать минут разбора – это шестьдесят с лишним часов в месяц, почти половина ставки. Вот с такими цифрами уже можно принимать решения.
Шаг второй: пилот с человеком у руля
Пилот – это ИИ, работающий на ограниченном участке под присмотром. Агент разбирает заявки, но менеджер видит каждую карточку. Нейросеть готовит ответы клиентам, но отправляет их человек. Система пишет отчёт, но руководитель сверяет цифры первые недели.
Этот этап часто хочется перепрыгнуть – выглядит как недоверие технологиям. На самом деле это единственный способ узнать, где именно ИИ ошибается на ваших данных, до того, как ошибку увидит клиент. Нейросети галлюцинируют: уверенно сочиняют цену, которой нет, и обещание, которого никто не давал. В моих проектах ИИ никогда не говорит с клиентом о деньгах, здоровье и юридических обязательствах без подтверждения человеком – это правило выстрадано практикой, а не перестраховка. Подробнее о том, где проходит граница между работой агента и работой человека, я писал в разборе про ИИ-агентов.
Шаг третий: замер, а не впечатления
Через две-четыре недели пилота у вас должны быть цифры, а не ощущения. Сколько часов освободилось. Сколько ошибок делает система против человека. Как изменилась скорость ответа клиенту. Если замерять нечего – пилот провалился, даже если всем «в целом нравится».
Покажу, как выглядит удачный замер. Для сети клиник мы собирали утренний отчёт из семи кабинетов: аналитика, реклама, CRM, брони, карточки на картах. Маркетолог тратил на это часы, владелец видел картину раз в неделю. Теперь пайплайн каждое утро сам опрашивает все источники, а нейросеть пишет короткое резюме дня. Экономия конкретная: часы работы каждую неделю и решения, которые принимаются по утренним цифрам, а не по прошлогодним впечатлениям.
Кейс: один экран вместо семи кабинетов – дашборд с ИИ-резюме
Шаг четвёртый: расширение по одному процессу
Когда первый процесс работает и цифры сходятся, появляется аппетит – и это правильный момент для второго процесса, потом третьего. Неправильный момент – пытаться съесть всё меню сразу. Каждая автоматизация требует своих данных, своих проверок и своего периода присмотра; три параллельных пилота не удержит ни одна небольшая команда.
ИИ усиливает то, что есть: порядок делает быстрее, а хаос – громче.
Эта фраза звучит у меня почти на каждой встрече, потому что она объясняет главное разочарование во «внедрении ИИ». Если процесс не описан, данные разбросаны, а ответственного нет – нейросеть не наведёт порядок, она размножит беспорядок с удвоенной скоростью. Сначала процесс, потом автоматизация. С CRM, кстати, ровно та же история.
Когда внедрять ИИ рано
- Данных нет даже в Excel. Сначала учёт, потом интеллект. Это скучный совет, который экономит сотни тысяч.
- Объёма нет. Три заявки в день человек разбирает за полчаса. Автоматизация этого не окупится – честно скажу это на первой встрече.
- Процесс меняется каждую неделю. Пока правила игры не устоялись, автоматизировать нечего: система будет устаревать быстрее, чем строиться.
- ИИ нужен для презентации инвесторам. Легитимная задача, но решается она демо-стендом за неделю, а не боевой системой на живых клиентах.
Сколько это стоит и как начать
Пилот на одном процессе – это недели работы и сотни тысяч рублей, а не месяцы и миллионы. Простой агент на готовых каналах обходится дешевле, система со своими ролями, журналом действий и интеграциями – у меня от 300 000 ₽ и первого рабочего модуля через месяц-полтора. Против часов рутины, которые он забирает, математика обычно сходится быстро – а если не сходится, я так и говорю.
Начать проще всего с разговора на полчаса: расскажите, где у вас больше всего ручной работы, – я скажу, какой процесс автоматизируется первым, что для этого нужно из данных и во что это обойдётся. Иногда ответ – «вам пока хватит готового сервиса», и это тоже полезный итог.