С чего начать внедрение ИИ в бизнес-процессы

Внедрение ИИ начинается с процесса: одна повторяющаяся операция, замер точки отсчета, пилот на 4–6 недель с человеком в контуре и решение по цифрам. План первых 2 месяцев: как выбрать процесс и форму решения, что делать с персональными данными и по каким метрикам оценивать пилот.

Выбор нейросети — последний шаг внедрения ИИ, а не первый. Начинать нужно с процесса: взять одну повторяющуюся операцию, которая съедает часы сотрудников, научить ИИ выполнять ее под контролем человека и посчитать эффект в деньгах. Если эффект есть — масштабировать на соседние процессы. Если нет — закрыть пилот малой кровью: минус несколько недель, зато без потраченного впустую годового бюджета.

Ниже план первых 1,5–2 месяцев: как выбрать процесс-кандидат, что измерить до старта, в какой форме внедрять, что делать с персональными данными и по каким цифрам решать, продолжать ли. План не теоретический: по этой же схеме мы запускали ИИ-агентов в собственных процессах, примеры — ближе к концу статьи.

Почему «внедрите нам ИИ» — еще не задача

Формулировка «нам нужен ИИ» не содержит ни одного ответа: в каком процессе, что должно измениться, сколько это может стоить и как вы поймете, что получилось. Проект с такой постановкой обычно превращается в закупку подписок и пару эффектных презентаций. Через полгода подписки тихо умирают, а в компании остается вывод «мы пробовали, у нас не взлетело».

До работающих внедрений доходят немногие. По данным опроса Росстата по методологии ИСИЭЗ НИУ ВШЭ (проведен в 2025 году, опубликован в марте 2026-го), технологии ИИ применяют 4,8% российских организаций. На крупных предприятиях, где заняты больше 500 человек, доля составляет 14,9%, в компаниях до 100 человек — 4,1%. Разрыв в 3,6 раза объясняется не ценой технологий: подписка на нейросеть сегодня дешевле корпоративной мобильной связи. Дорого стоит организационная часть — выбор процесса, перестройка ролей, контроль качества. У крупных компаний под это есть отдельные команды, в малых эту работу часто просто некому делать.

Поэтому правильная стартовая формулировка звучит приземленно: «сократить время ответа на заявку с 2 часов до 10 минут», «разгрузить менеджеров от составления типовых писем», «обрабатывать входящие документы в день поступления». С такой задачей уже можно работать: у нее есть процесс, метрика и владелец.

Шаг 1. Выбрать процесс, с которого начать

Хороший процесс-кандидат проходит 5 фильтров.

• Повторяемость. Операция выполняется десятки раз в неделю по похожему сценарию. Автоматизировать разовые задачи невыгодно: настройка обойдется дороже эффекта.
• Формализуемость. Опытный сотрудник способен объяснить новичку, как выполнять эту работу, за 1 день. Если правила существуют только в голове у конкретного человека и словами не передаются, ИИ в них тоже запутается.
• Цена ошибки. Неверный результат легко заметить и дешево исправить. Ошибка в черновике письма стоит 2 минуты правки, ошибка в отгрузке — денег и репутации.
• Измеримость. Есть цифра, по которой будет виден эффект: минуты на операцию, доля обращений без ответа, срок обработки документа.
• Объем данных. Накоплены примеры: старые переписки, шаблоны, регламенты, база выполненных заявок. На них ИИ учится отвечать в вашем стиле и по вашим правилам.

Через все 5 фильтров проходят далеко не все процессы, и это нормально.

Вывод из таблицы: для старта подходит рутина с проверяемым результатом. Какие именно операции бизнес отдает ИИ-агентам без программирования, мы разбирали в отдельной статье с примерами по отделам.

Шаг 2. Зафиксировать точку отсчета

До запуска измерьте, как процесс работает сейчас. Без замера «до» вы не докажете эффект и через 3 месяца будете спорить о пользе пилота на уровне ощущений.

Минимальный набор цифр:

• сколько операций проходит за месяц;
• сколько времени занимает одна операция;
• кто ее выполняет и сколько стоит час этого сотрудника;
• где процесс теряет заявки, сроки или качество.

Пример расчета. Через отдел продаж проходит 300 обращений в месяц, первичный разбор каждого занимает 15 минут. Это 75 часов — почти половина рабочего месяца одного менеджера. У пилота появляется денежная рамка: если ИИ снимет хотя бы половину объема, экономия видна без калькулятора. А если обращений 20 в месяц, та же автоматизация не окупит и времени на настройку.

Замер занимает пару дней. Скучная работа, но именно она потом отделит работающее внедрение от красивой демонстрации.

Шаг 3. Выбрать форму: сервис, агент или разработка

Форм внедрения 3, и они закрывают разные ситуации.

• Готовый сервис с ИИ внутри. Чат-боты для сайта, речевая аналитика звонков, распознавание документов. Старт за несколько дней, оплата по подписке, минимум настройки. Ограничение: сервис работает по своему сценарию и под особенности вашего процесса не подстроится.
• ИИ-агент на конструкторе. Сценарий собирается без программирования: агент читает почту или CRM, выполняет письменную инструкцию, передает результат человеку. Гибкость выше, чем у готового сервиса, стоимость ниже, чем у разработки. Что такое ИИ-агенты и чем они отличаются от чат-ботов — в нашем разборе простыми словами.
• Заказная разработка. Решение под конкретный процесс, с интеграцией в учетные системы и вашими правилами безопасности. Дороже и дольше; оправдана, когда процесс нестандартный, объемы большие или данные нельзя выпускать наружу.

Тот же опрос ИСИЭЗ НИУ ВШЭ показывает, как выбирают компании: 56% внедривших ИИ заказывали разработку, 53% покупали готовое коммерческое ПО. Небольшие организации со штатом до 100 человек почти не разрабатывают сами (13–20%) — они приобретают готовые или доработанные под них решения (62% и 56% соответственно). Понятно, почему так: у малого бизнеса нет своей ИТ-команды, и это аргумент в пользу готовых форм на старте.

Для пилота почти всегда хватает готового сервиса или агента на конструкторе. Разбор вариантов по нарастанию сложности есть в статье про создание ИИ-агента: от no-code до собственной разработки, обзор моделей под разные задачи — в материале о нейросетях для бизнеса.

Шаг 4. Разобраться с данными

Все, что вы отправляете в облачную нейросеть, покидает контур компании и обрабатывается на чужих серверах. До пилота нужно честно ответить на вопрос, какие данные пойдут в модель.

Персональные данные клиентов. ФИО, телефоны, адреса и содержимое обращений — это персональные данные, и их передача стороннему сервису подпадает под требования 152-ФЗ «О персональных данных». Простое решение для пилота: обезличивать данные перед отправкой — убирать имена, телефоны и номера договоров, оставляя суть обращения. Штрафы за утечку персональных данных для юрлиц доходят до 15 млн руб., за повторную — оборотный штраф до 3% выручки (КоАП, ст. 13.11 в редакции 420-ФЗ, действует с 2025 года). Рисковать этим ради пилота бессмысленно.

Коммерческая тайна. Себестоимость, база клиентов, условия поставщиков. Если процесс без этих данных не работает, варианты такие: договор с провайдером модели, где прописаны гарантии по данным, российское облако или локальная модель на собственном сервере. Локальный вариант дороже и по качеству слабее облачных флагманов, зато данные физически не покидают компанию.

Практическое правило. Для первого пилота выбирайте процесс, где чувствительных данных нет или их легко замаскировать. Разбираться с юридической обвязкой параллельно с первым запуском — верный способ растянуть пилот на полгода.

Шаг 5. Запустить пилот

Рабочая рамка пилота: 4–6 недель, один процесс, один ответственный со стороны бизнеса. Не «рабочая группа по цифровизации», а конкретный человек, который пользуется результатом каждый день и может сказать, стало ли ему легче.

Главный принцип: человек остается в контуре. ИИ готовит результат, сотрудник проверяет и утверждает. В первые недели проверяется каждый ответ, дальше, когда качество стабилизируется, — выборочно. Отпускать ИИ в полную автономию на пилоте нельзя, тем более в общении с клиентами: одна заметная ошибка на старте, и команда потеряет доверие к инструменту раньше, чем он успеет чему-то научиться.

Что зафиксировать до запуска:

• Границы. Какие операции агент выполняет, какие передает человеку. Все, что выходит за сценарий, по умолчанию уходит человеку.
• Критерии остановки. При каких ошибках пилот ставится на паузу. Например, агент указал клиенту выдуманные условия или цену.
• Журнал. Каждый результат агента и каждая правка человека записываются. Это материал для доводки инструкций; без журнала доводка превращается в гадание.

Инструкции агенту пишите так же, как регламент новому сотруднику: что делать, чего не делать, примеры хороших и плохих результатов. Половина «глупостей ИИ» на пилотах — следствие инструкции из 2 предложений.

Шаг 6. Принять решение по цифрам

В конце пилота сравните результат с точкой отсчета из шага 2. Смотреть стоит на 3 цифры: время на операцию, доля результатов, принятых без правок, и деньги — сэкономленные часы, умноженные на ставку сотрудника, минус стоимость подписок и настройки.

Дальше 3 исхода. Первый: эффект подтвердился — фиксируете новый регламент процесса и переносите схему на соседний участок. Второй: результат неровный — меняете инструкции или форму решения и продлеваете пилот на месяц. Третий: эффекта нет — закрываете пилот и записываете причины.

Закрытый пилот — тоже результат: вы потратили месяц и точно знаете, что этот процесс пока не для ИИ.

Хуже, когда слабое внедрение тянут годами, потому что жалко уже вложенного.

Ориентир по качеству из практики: если после месяца доводки инструкций агент выдает без правок меньше половины результатов, процесс выбран неудачно или ему не хватает данных. Продолжать в той же конфигурации смысла нет.

Как это устроено у нас

Мы в Design Lab сначала прошли этот путь на собственных процессах и только потом стали предлагать его клиентам. 2 примера из внутренней кухни студии.

Контроль обращений клиентов. ИИ-агент ежедневно просматривает рабочие чаты студии в мессенджере и собирает список сообщений клиентов, оставшихся без ответа дольше суток. Утром менеджер получает короткий отчет: кому не ответили и где. До агента этот контроль держался на памяти конкретных людей и стабильно давал сбои в отпуска и загруженные недели. Агент сам клиентам не пишет: его работа заканчивается списком.

Отбор тем для контента. Агент собирает темы из семантического ядра и отраслевых новостей, затем оценивает каждую по 6 критериям: актуальность, SEO-потенциал, долговечность, коммерческая ценность, экспертность, простота подготовки. Итог — таблица с баллами, из которой редактор выбирает, о чем писать. Решение остается за человеком; агент экономит часы на просеивании десятков вариантов.

Обратите внимание на общий знаменатель: оба агента работают в нише «подготовить и напомнить». Я считаю, что именно здесь ИИ сегодня дает самый предсказуемый эффект для малого и среднего бизнеса, и первое внедрение почти всегда стоит начинать в этой нише. Попытка сразу отдать ИИ переговоры с клиентами или ценообразование — самый короткий путь к разочарованию в технологии.

Ошибки, которые срывают первое внедрение

• Старт с самого сложного процесса. «Раз внедрять, так сразу в продажи целиком». Сложный процесс требует зрелой команды, чистых данных и опыта, которых на старте нет.
• Пилот без метрик. Через 2 месяца никто не может сказать, работает ли внедрение. Спор решают ощущения самого громкого участника совещания.
• Внедрение силами энтузиаста без полномочий. Сотрудник, которому «интересно про нейросети», не может поменять процесс, в котором работают другие люди. Нужен владелец процесса с правом менять регламент.
• Ожидание полной автономности. ИИ, который «сам все делает без ошибок», в бизнес-процессах пока не существует. Рабочая конфигурация — связка из ИИ и проверяющего человека.
• Подписка вместо внедрения. Купленные лицензии на нейросеть без выбранного процесса и ответственного — просто статья расходов, по которой никогда не будет отчета.
• Молчаливый запуск. Команду не предупредили, зачем появился агент, и люди тихо саботируют инструмент, который выглядит как их замена. Работает обратная подача: агент забирает рутину, освободившееся время идет на задачи посложнее.

Полтора месяца на первый процесс

План целиком: неделя на выбор процесса и замер точки отсчета, неделя на выбор формы и вопрос с данными, 4–6 недель пилота с человеком в контуре, день на честный разбор цифр. Итого 1,5–2 месяца — и у компании либо первый работающий ИИ-процесс, либо ясный ответ, почему сейчас не время. Оба исхода полезнее, чем годовая «стратегия цифровой трансформации» без единого запуска.

Начинать можно без подрядчика: готовые сервисы и конструкторы агентов покрывают большинство стартовых сценариев. Подрядчик нужен, когда процесс завязан на интеграции с CRM и учетными системами, когда данные нельзя выпускать из контура компании или когда после удачного пилота схему масштабируют сразу на несколько отделов.