Как внедрить ИИ (AI) в бизнес: пошаговый план для руководителя

Внедрение AI в бизнес-процессы: как выбрать первую задачу

Типичная ошибка на старте — слишком широкая постановка: «внедрить AI в продажи» или «автоматизировать документооборот». Для первой задачи нужен один процесс и один участок в нём. Тогда понятно, кто им владеет, на каких материалах он живёт и как измерить результат.

AI хорошо подходит там, где работа повторяется, но каждый раз немного отличается: обращения пишут разными словами, документы приходят в разном виде, ответ нужно искать в большой базе знаний. Если правило можно записать одной строкой, дешевле обычная автоматизация или регламент — для этого AI не нужен.

Типовые задачи для начала: разбор входящих обращений и передача нужному сотруднику, извлечение данных из договоров и счетов, поиск по документам и базе знаний, подготовка типовых ответов и отчётов, выявление отклонений в операциях. Проверьте выбранную задачу по списку ниже.

• Процесс повторяется регулярно, и сотрудники тратят на него заметную часть рабочего времени.
• Есть реальные примеры входящих материалов: обращения, документы, выгрузки.
• Понятно, что считать правильным результатом, и это можно проверить на примерах.
• Ошибка не приводит к необратимым последствиям: спорные случаи можно передать человеку.
• Результат должен появляться в системе, которой сотрудники уже пользуются.

Какие данные и люди нужны для внедрения AI

Данные — это не обязательно большая база. Для старта чаще всего хватает набора реальных примеров: обращений, документов, переписок, выгрузок из учётных систем — с опечатками, пустыми полями и нестандартными случаями, которые встречаются в работе. Решение проверяется именно на них. Аккуратно подготовленные образцы только мешают: на них качество будет выглядеть выше, чем в реальном потоке.

Если в материалах есть персональные данные, вопрос решается до начала работ: какие поля решению действительно нужны, можно ли работать на обезличенных данных, где будет развёрнуто решение — в вашей инфраструктуре или в согласованном облаке. Требования 152-ФЗ закладываются при проектировании, а не подгоняются под готовое решение.

Не менее важны люди: технически сильный проект без них останавливается на приёмке. Со стороны компании понадобятся:

• Владелец процесса — знает, как работа устроена на самом деле, и может объяснить исключения.
• Ответственный за приёмку — согласует критерий и решает, достаточен ли результат.
• Специалист по системам — выдаёт доступы и описывает, как устроены 1С, CRM и другие системы.
• Сотрудники, которые ведут процесс, — отмечают ошибки решения на пилоте; их замечания и есть материал для доработки.

Разбор задачи, пилот на реальных данных и критерий приёмки

Разбор задачи — короткая предпроектная работа. Подрядчик изучает процесс так, как он устроен сейчас, смотрит на ваши материалы и письменно отвечает: есть ли здесь работа для AI, какой участок автоматизировать первым, какие у решения границы и какого объёма работа потребуется. Итог — документ: карта процесса, выбранный участок, критерий приёмки, оценка объёма, перечень рисков. Честный разбор может закончиться выводом, что AI не нужен: часть задач дешевле закрыть регламентом или готовым сервисом.

Критерий приёмки — заранее записанное условие, при котором результат считается принятым. Он должен проверяться на примерах. Например: на согласованной выборке реальных обращений решение правильно определяет тип и ответственного, а спорные случаи передаёт человеку. Без такого критерия спор о том, работает решение или нет, превращается в разговор о впечатлениях.

Пилот на реальных данных — первая версия решения, собранная под ваш процесс и проверенная на ваших материалах, включая редкие случаи: нестандартные обращения, пустые поля, ошибки во входных данных. Следующий шаг — прогон на живом потоке параллельно с обычной работой. Сотрудники продолжают делать по-старому, решение работает рядом, и результаты сравниваются. Только после этого на решение стоит опираться.

Внедрение AI-агентов в бизнес-процессы: как встроить решение в системы

AI-агент — решение, которое не только отвечает на вопрос, но и выполняет действия: принимает обращение, находит ответ в базе знаний, создаёт запись в CRM или 1С, ставит задачу исполнителю. Чем шире набор действий, тем важнее границы: что агент делает сам, а что только предлагает человеку.

Решение, которое живёт в отдельном окне, сотрудники быстро перестают открывать. Поэтому результат должен появляться там, где люди уже работают: в 1С, CRM, ERP, почте, мессенджере. Обычно это делается через API — интерфейс, через который системы обмениваются данными, — без замены того, что уже работает. Заранее выясните, у каких систем есть API, кто выдаёт доступы и как быстро это можно сделать.

Отдельно продумайте контроль: журнал действий решения, оповещения об отказах, порядок отката на случай сбоя и передачу сложных случаев сотруднику вместе с контекстом. Пример AI-ассистента, который понимает запрос обычными словами, — кейс Carfast AI под статьёй.

Кто отвечает за результат после запуска

Запуск — не конец проекта. Процессы меняются, меняются формулировки обращений и форматы документов, обновляются сами системы. Если ответственного нет, качество постепенно падает, а об этом узнают по жалобам сотрудников или клиентов.

Выберите режим до запуска. В первом решение ведёт ваша команда, а подрядчик остаётся на связи в объёме, зафиксированном договором. Во втором поддержку и развитие берёт подрядчик: следит за работой, разбирает инциденты, дорабатывает решение, когда меняется процесс. В любом случае нужны ответственный с вашей стороны, сохранённые доступы и письменные условия: что входит в поддержку, как реагируют на инциденты, кому принадлежат код, конфигурации и права.

Заранее уточните и постоянные расходы: вызовы к моделям и инфраструктура оплачиваются отдельно от разработки, и их стоит оценить до старта, а не после.

Типичные ошибки внедрения и вопросы подрядчику

Ошибки обычно типовые. Берут слишком широкую задачу вместо одного участка. Проверяют решение на подобранных образцах, а не на реальном потоке. Не фиксируют критерий приёмки и потом спорят о результате. Оставляют человека вне процесса: сложные случаи либо падают на сотрудника без контекста, либо решаются автоматически без контроля. Откладывают вопрос поддержки до первого сбоя.

Чтобы увидеть, как подрядчик будет работать, задайте вопросы, ответы на которые видны в документах, а не в презентации:

• Что будет результатом первого этапа и останется ли он у нас, если мы не продолжим проект?
• На каких наших данных и по какому критерию приёмки будет проверяться качество?
• Что произойдёт, если решение не достигнет критерия: кто и за чей счёт его дорабатывает?
• Где будет работать решение и как учтены требования 152-ФЗ?
• Кому принадлежат код, конфигурации и промпты — текстовые инструкции для модели?
• Кто следит за работой после запуска и как фиксируются инциденты и условия поддержки?
• Из чего складываются постоянные расходы и сколько стоит поддержка?

Как мы подходим к первому проекту

Мы начинаем с бесплатного разбора одной задачи: изучаем процесс, смотрим на ваши примеры и письменно отвечаем, есть ли здесь работа для AI, где её границы и какого объёма она получается. Разбор занимает 3–5 рабочих дней, точный срок называем, когда видим объём. Документ остаётся у вас в любом случае: он подойдёт и для работы своими силами, и для разговора с другим подрядчиком.

Если задача решается регламентом, обычной автоматизацией или готовым продуктом, мы пишем об этом прямо. Если AI нужен, дальше идёт прототип на ваших данных — от 3 недель, проекты с AI — от 130 000 ₽; для интеграций с 1С и CRM срок — от 4 недель. Критерий приёмки фиксируется письменно до начала работ, и решение дорабатывается до него за наш счёт. Поддержка после запуска — пакеты 10, 20 и 40 часов в месяц, от 25 000 ₽.