Обычный сценарий: руководитель читает про нейросети, покупает подписку, раздаёт доступы сотрудникам. Через месяц ей пользуются двое, эффект неизмерим, тема закрывается словами «нам не подошло».

Проблема не в инструменте, а в порядке. Сначала выбрали, чем делать, потом стали искать, что делать.

По июньскому опросу UserGate среди 300 IT-специалистов искусственный интеллект в том или ином виде используют около 57 процентов российских компаний. Но «используют» и «получают результат» - разные вещи, и разница между ними обычно в четырёх шагах ниже.

Шаг 1. Найти процесс, а не инструмент

Подходящий для старта процесс узнаётся по трём признакам одновременно.

Он повторяется. Десятки раз в месяц минимум. На разовой задаче автоматизация не окупится никогда, сколько бы времени она ни занимала.

У него текстовый вход и выход. Пришло сообщение, письмо, документ, заявка - на выходе тоже текст: ответ, карточка, краткое описание, категория. Это то, что нейросети делают хорошо.

Ошибка в нём не критична. Неточная категория заявки исправляется за секунду. Неточная цифра в договоре - нет.

Типичные кандидаты: разбор входящих обращений, ответы на повторяющиеся вопросы, извлечение данных из документов, первичная квалификация заявок, черновики типовых текстов.

Шаг 2. Проверить на двадцати реальных случаях

До того, как что-то настраивать и покупать.

Берёте двадцать реальных обращений или документов за прошлую неделю и прогоняете вручную через любую доступную модель. Смотрите не на «в целом неплохо», а на конкретное: сколько раз результат можно взять без правки, сколько раз нужна мелкая правка, сколько раз ответ негодный.

Если из двадцати без правок проходит меньше половины - процесс либо не тот, либо задача сформулирована плохо. Автоматизация это не исправит: на двух тысячах случаев будет то же самое, только быстрее.

Этот шаг занимает вечер и экономит месяцы. Его чаще всего и пропускают.

Шаг 3. Встроить в поток

Самая частая причина, по которой внедрение умирает через месяц: сотруднику нужно куда-то переключаться.

Открыть другую вкладку, скопировать текст, дождаться ответа, скопировать обратно. Пока задач мало - терпимо. Как только день загруженный, человек делает по-старому: так быстрее.

Работает наоборот: результат приходит туда, где человек и так работает. В чат, где переписка с клиентом. В карточку CRM. В таблицу, которую он и так заполняет. Идеальный случай - когда сотрудник не запускает ИИ вручную, а получает уже готовый черновик и либо подтверждает, либо правит.

Здесь же решается вопрос ответственности: у любого автоматического ответа должен быть человек, который может вмешаться, и понятный порог, при котором задача уходит к нему.

Шаг 4. Считать метрику процесса, а не «сэкономленные часы»

«Экономим 15 часов в месяц» - цифра, которую нельзя проверить и которая никого ни в чём не убеждает.

Считать нужно то, что и так измеряется в процессе:

  • среднее время первого ответа клиенту;
  • долю обращений, закрытых без участия сотрудника;
  • число документов, вернувшихся на доработку;
  • долю заявок, дошедших до сделки.

Снимаете значение до внедрения, через месяц смотрите снова. Если метрика не изменилась - процесс выбран неправильно, возвращаетесь к шагу 1.

Не уверены, какой процесс брать первым? Напишите в Telegram @viktdo, опишу, что из вашего списка годится для старта, а что даст только видимость результата.

Три ошибки, на которых спотыкаются

Начинать с самого сложного. Логика «раз внедряем, то там, где больнее всего» приводит к тому, что первый же проект оказывается неподъёмным. Начинать нужно с простого и заметного: одна победа даёт вам право на вторую попытку.

Отдавать ИИ решения с последствиями. Расчёт стоимости, юридические формулировки, любые обязательства перед клиентом. Модель уверенно ошибается, и цена ошибки здесь несопоставима с экономией. Пусть готовит черновик - решает человек.

Отправлять персональные данные куда попало. Передача данных клиентов во внешний сервис - это обработка персональных данных со всеми требованиями закона. Штрафы по этой статье после поправок выросли до сумм, которые перекрывают любую экономию. Подробно я разбирал это в отдельной статье.

Когда с этим лучше подождать

Процесс не описан. Если в компании нет понимания, как задача делается сейчас, автоматизировать нечего - вы автоматизируете хаос и получите быстрый хаос.

Мало объёма. Десяток обращений в месяц обрабатывается руками дешевле, чем любая настройка.

Нет данных. Модель отвечает на основе того, что вы ей дали. Если информация о продукте живёт в голове у двух человек, сначала выгружаете её в текст, потом всё остальное.

Проблема организационная. Если заявки теряются потому, что за них никто не отвечает, ИИ не поможет: он не назначит ответственного.

С чего начать разговор

Напишите в Telegram @viktdo - посмотрю ваши процессы и скажу, какой из них годится в качестве первого, сколько это займёт и какую метрику стоит мерить. Разбор бесплатный.

Что делаем: чат-ботов и ИИ-ассистентов, которые разбирают входящие, отвечают на типовые вопросы и передают сложное человеку - один сценарий сразу для MAX, Telegram и VK. Обработку документов и извлечение данных я разбирал здесь, автоматизацию поддержки - здесь. Прикинуть бюджет можно в калькуляторе.

BotKraft - студия чат-ботов и автоматизации: 5 лет на рынке, больше 300 проектов.