Как внедрить ИИ в бизнес: от выбора процесса до запуска

О внедрении ИИ говорят много, а конкретных шагов почти нет. В итоге компании либо покупают инструмент «потому что все», либо пробуют на чём-то случайном и разочаровываются. Работает другой путь: небольшой понятный процесс, ограниченный срок и заранее оговорённый способ проверки.

Где ИИ действительно помогает

ИИ хорошо справляется с работой, где много текста или однотипных запросов, а ошибка не стоит дорого или легко ловится человеком. Типичные примеры:

• Подготовка черновиков. Ответы клиентам, коммерческие предложения, описания, резюме переписки.
• Разбор и сортировка. Входящие обращения по темам, выделение главного из длинного текста или разговора.
• Подсказки сотрудникам. Поиск ответа в базе знаний и внутренних документах.
• Первичная обработка. Ответы на частые вопросы, сбор исходных данных у клиента перед передачей менеджеру.

Общее у этих задач: ИИ готовит, человек проверяет или подхватывает.

Какие процессы выбирать первыми

Первый процесс должен быть небольшим и измеримым. Подходит тот, где одновременно выполняются условия:

• он повторяется часто, и сотрудники тратят на него заметное время;
• результат можно оценить: есть понятное «хорошо» и «плохо»;
• ошибка не приводит к серьёзным потерям или её легко исправить;
• данные для работы доступны и в порядке.

Последний пункт часто недооценивают. Если в CRM хаос, ИИ будет работать с хаосом. Иногда сначала полезно навести порядок в самих данных и процессах, и только потом подключать ИИ.

Где обычная автоматизация лучше ИИ

Если задача описывается чёткими правилами («если пришла заявка с сайта, назначить менеджера и поставить задачу»), ИИ не нужен: роботы и бизнес-процессы CRM справятся надёжнее и дешевле. ИИ нужен там, где правила описать нельзя: понять смысл письма, подобрать формулировку, найти ответ в большом документе.

Разумный порядок такой: сначала настроить понятные правила, потом добавлять ИИ на участки, где без понимания текста не обойтись.

Как определить метрику

До начала пилота нужно ответить на вопрос: как мы поймём, что получилось? Метрика должна быть простой и сравнимой «до» и «после»:

• сколько времени уходит на задачу сейчас и сколько с ИИ;
• как часто сотрудник правит результат ИИ;
• сколько обращений обработано без участия человека и сколько из них потом пришлось исправлять;
• как изменилась скорость первого ответа клиенту.

Одной метрики на один пилот достаточно. Много показателей сразу размывают результат.

Когда нужен пилот

Пилот — это ограниченная по срокам и охвату проверка. Он нужен для новой или сложной идеи, когда неясно, сработает ли ИИ на ваших данных. Для понятной задачи можно идти сразу к полноценному внедрению. Пилот отвечает на вопрос «стоит ли идти дальше», а не «внедрили ли мы ИИ». Примерный порядок:

1. Описать процесс как есть. Кто что делает, где тратится время, где возникают ошибки.
2. Выбрать границы. Что входит в пилот, а что нет, и какой группе сотрудников он доступен.
3. Зафиксировать метрику и порог. Какой результат считаем успехом.
4. Запустить на небольшом потоке. Лучше на части обращений или на одной команде.
5. Собирать ошибки. Что ИИ делает неправильно и почему.
6. Принять решение. Продолжать, доработать или остановиться.

Данные и безопасность

Прежде чем отдавать данные ИИ-сервису, нужно понять, какие это данные и куда они попадают. Полезные вопросы:

• есть ли среди данных персональные, коммерческие или финансовые сведения;
• где хранятся и обрабатываются данные, как это описано в условиях сервиса;
• кто из сотрудников получает доступ к результатам;
• что нужно скрыть или обезличить до передачи.

Для пилота часто достаточно обойтись данными без чувствительных полей. Это снижает риски и ускоряет старт.

Человек подтверждает важное

Рабочий принцип: ИИ предлагает и готовит, человек подтверждает. Особенно это касается:

• денег и платёжных действий;
• договоров и юридически значимых документов;
• удаления и изменения данных;
• чувствительных сведений о клиентах;
• критичных сообщений клиентам.

По мере накопления опыта границу можно двигать, но делать это стоит осознанно и по итогам проверки, а не из доверия «на слово».

Как проверить результат

Результат нужно сравнивать с тем, как было до пилота, а не с ожиданиями. Смотрите на метрику, на число исправлений и на отзывы сотрудников: если они обходят инструмент стороной, значит, он неудобен или неточен. Отдельно оцените, не появилась ли новая работа: например, постоянная проверка результатов ИИ может съесть всю экономию.

Когда масштабировать

Масштабировать стоит, когда одновременно выполняется несколько условий: метрика улучшилась стабильно, ошибки понятны и управляемы, сотрудники пользуются инструментом, а правила работы записаны. Тогда можно расширять охват процесса или брать следующий. Если хотя бы одно условие не выполнено, лучше доработать, чем тиражировать.

Когда не внедрять

• Процесс не описан, и никто не может объяснить, как он должен работать.
• Данные в беспорядке: дубли, пустые карточки, нет единого источника.
• Цена ошибки очень высока, а проверить результат нельзя.
• Задачу решают понятные правила, и ИИ ничего не добавляет.
• Цель — «чтобы было ИИ», а не конкретный измеримый результат.

Что делать дальше

Выберите один процесс и опишите его на одной странице: кто что делает, где теряется время, как поймёте, что стало лучше. Если хотите обсудить такой процесс, посмотрите страницу внедрение ИИ в бизнес: там описано, что и как мы внедряем. Для продаж есть страница ИИ для отдела продаж, для работы внутри Битрикс24 и amoCRM — ИИ в CRM. Если сначала нужно навести порядок в CRM и данных, начать можно с аудита.