Внедрение ИИ в бизнес-процессы

Почему начинаем не с разработки

По данным Deloitte до продакшена доходит около 11% корпоративных пилотов агентов, MIT фиксирует, что 95% компаний не увидели эффекта в деньгах, а S&P Global — что 42% свернули большинство ИИ-инициатив за год. При этом технология в этих отчётах фигурирует как причина заметно реже, чем исполнение.

Отсюда наш порядок: сначала проверяем готовность, потом считаем экономику, и только потом пишем код. Разбор причин провалов — в отдельной статье.

Этапы

Стоимость аудита засчитывается в проект. Если по итогам аудита мы видим, что эффекта не будет, — говорим об этом, и это нормальный исход.

Что проверяем на аудите

1. Есть ли у процесса владелец, готовый тратить на пилот два часа в неделю
2. Оцифрованы ли данные и в каком они состоянии на самом деле, а не по схеме
3. Можно ли измерить результат числом и известно ли значение «до»
4. Насколько стабилен процесс — меняется ли он чаще раза в квартал
5. Какой объём операций: хватит ли его, чтобы автоматизация окупилась

Что вы получаете на выходе аудита

Документ, с которым можно идти к любому подрядчику: карта процессов, три сценария с расчётом окупаемости, техническое задание и смета. Это не презентация — это рабочий материал, и в нём может быть написано «автоматизировать не стоит, вот почему».

Этапы подробно: что происходит на каждом шаге и что вы получаете

Таблица выше даёт сроки и цены, здесь — содержание шагов внедрения ИИ в бизнес. После каждого шага можно остановиться, а самые дешёвые проверки стоят в начале.

Срок пилота «3–4 недели» из таблицы выше — это проектирование и разработка до запуска; опытная эксплуатация и замер «до и после» идут следом и в этот срок не входят, так что от первого разговора до подтверждённой цифры выходит около двух месяцев. Что растягивает срок — в статье «Сколько длится внедрение AI-агента», общая схема — на странице разработки AI-агентов.

Готовность компании: чек-лист из пяти признаков

Прежде чем выбирать подрядчика и модель, проверьте себя: на каждый признак обычно хватает одной выгрузки и разговора с тем, кто делает работу.

1. Данные. Всё, на что опирается агент, лежит в системах, а не в личных таблицах и памяти сотрудников. Проверка: возьмите случайные записи, не самые аккуратные, и пройдите по ним с тем, кто с ними работает. Сигнал тревоги — «это поле мы заполняем для галочки» (подготовка данных).
2. Процесс. Решение принимается по правилам, а не по чутью. Проверка: дайте двум сотрудникам независимо разобрать одни и те же случаи. Ответы разошлись — единых правил нет, и агента учить нечему.
3. Критерий ошибки. Вы можете сказать, что для вас ошибка и сколько она стоит. Проверка: запишите типы ошибок и последствия каждой — неверный ответ клиенту, неверно проведённый документ, пропущенная заявка. Где ошибка дорогая или необратима, нужно подтверждение человеком; это решает проектирование, а не «более умная модель» (где агенту нельзя решать самому).
4. Периметр данных. Известно, какие данные можно отдавать наружу. Проверка: до разработки спросите службу безопасности и юристов, есть ли персональные данные и коммерческая тайна и какие поля можно передавать внешней модели. Ответ определяет архитектуру — от модели по API до установки в вашем контуре. Оператор данных — вы; мы подсказываем, что спросить, юридических заключений не даём (вопросы службы безопасности).
5. Ответственный. Есть человек с именем и фамилией, которому результат нужен лично и который готов тратить два часа в неделю. Не «ИТ» и не «отдел», а один сотрудник с правом решать спорные случаи; нужно знание процесса, а не технологий.

Идеальных ответов не требуется. Один непройденный пункт разбираем на аудите и закладываем в план: как его закрыть и кто это делает, пропишем до сметы. Если не пройдены несколько, честный вывод другой: сначала порядок в данных и описание процесса, внедрение позже.

Роли на вашей стороне и кто что решает

Агента нельзя «заказать и забыть»: срок во многом зависит от людей с вашей стороны, а не только от разработки. Роли может совмещать один человек, если ни одна не остаётся пустой.

Что считается ошибкой, какие действия агент выполняет без подтверждения, какие данные уходят наружу и принимать ли результат, решаете вы; мы предлагаем варианты и объясняем последствия. Если роль владельца процесса пуста, мы за проект не беремся.

Что может пойти не так и как это видно заранее

Агент может ошибаться, и это свойство технологии, а не дефект проекта. Поэтому делим риски на ошибки агента, которые ограничиваем устройством системы, и проектные, видные заранее.

От ошибок самого агента защищают узкий периметр, минимальные права у инструментов, подтверждение человеком на дорогих шагах, журнал действий, тестовый набор до запуска и запасной путь через оператора. Это снижает цену ошибки, но не отменяет её возможность (галлюцинации ИИ в бизнесе). Если у вас уже был застрявший пилот, сверьтесь с разбором «Почему ваш прошлый пилот ИИ не взлетел»: те же причины видны на первой неделе, а не на третьем месяце.

Как принимается результат: метрика в договоре и замер до и после

Приёмка «по демонстрации» — частый источник споров: на нескольких аккуратных примерах работает почти всё. Поэтому результат принимается по замеру, условия фиксируются до начала работ. Публичных кейсов с цифрами на российском рынке почти нет, чужие цифры мы в расчёт не берём: проверка идёт на ваших данных.

1. Показатель и значение «до». Последний стабильный период, а не месяц с аномалиями; считается так же, как «после». Показатель не собирается — сначала месяц измерений (как выбрать метрику).
2. Тестовый набор. Реальные случаи из вашего потока, включая трудные и редкие; правильный ответ определяют ваши сотрудники, а не мы. Набор фиксируется до настройки, чтобы агента не подгоняли под выборку (как оценить качество AI-агента).
3. Критерий приёмки. Проверяемая формулировка: показатель X достигнет значения B (сейчас A) на выборке N за период T. Значения называют стороны по итогам аудита: без вашей выгрузки заранее они были бы выдумкой. Примеры — в статьях про техзадание и договор на внедрение ИИ.
4. Период замера. Около месяца стабильной работы после опытной эксплуатации, лучше два; первые недели уходят на донастройку и в замер не входят.
5. Условие неудачи. Значение показателя, при котором проект признаётся неудачным, и что тогда: доработка, сужение объёма или остановка. Записывается до старта, пока стороны не защищают уже потраченное.

Считаем чистый эффект: экономия минус сопровождение, обращения к модели (по объёму, отдельной строкой) и время сотрудников на проверку ответов агента (как посчитать окупаемость). Отдельно следим за качеством для клиента: жалобы и повторные обращения. Экономия ценой раздражённых клиентов экономией не считается.

Один агент, несколько агентов или готовый сервис: как выбирать

Варианты, от простого к сложному (установка в контуре отвечает на вопрос «где работает», её можно сочетать с другими, итоговую смету даёт аудит):

Порядок такой. Сначала проверяем, нужен ли агент вообще (когда AI-агент не нужен). Если задача типовая, берите no-code: мы продаём разработку и всё равно советуем так, критерии — в сравнении «No-code или разработка AI-агента». Упёрлись в потолок платформы — начинаем с одного агента. Второго добавляем, только когда причину можно назвать одной фразой: «Один агент или несколько», мультиагентные системы. Контур — когда этого требует периметр данных (ИИ в контуре компании).

С чего начать на этой неделе

Эти шаги всё равно придётся сделать, подрядчик для них не нужен. Шесть дел на неделю:

1. Выпишите три-четыре процесса-кандидата и оцените их по пяти критериям (объём, правила, проверяемость, данные, владелец) из статьи «Какой процесс автоматизировать первым».
2. Для лидера запишите показатель за последний стабильный период и способ расчёта; показателя нет — начните собирать его сегодня.
3. Назовите владельца по фамилии и договоритесь с его руководителем о двух часах в неделю.
4. Выгрузите реальные данные за месяц, просмотрите их с тем, кто с ними работает, и пройдите пять признаков выше.
5. Попросите ИТ и службу безопасности письменно ответить, какие данные можно обрабатывать вне компании и как выдаётся учётная запись с минимальными правами. Доступы часто задерживают проект, поэтому начинайте сразу, а не после аудита (что ещё растягивает сроки).
6. Запишите, что будете считать неудачей пилота. Этот шаг пропускают чаще всего, а он самый полезный.

Общий порядок — в статье «С чего начать внедрение ИИ в компании». С готовым материалом приходите на экспресс-аудит: 50 000 ₽, 5–7 рабочих дней, сумма засчитывается в проект. Не окупится — скажем прямо: отказ — тоже результат аудита.