Внедрение AI в бизнес: практический план на 90 дней

«Нам нужно внедрить AI» сейчас звучит почти на каждом совещании руководства. Дальше обычно появляются чатбот, которым никто не пользуется, пачка лицензий ChatGPT и слайд про «трансформацию». Внедрение AI в бизнес работает, когда к нему относятся как к любой другой интеграции систем: понятный вход, понятный выход, измеримый результат и ответственный человек.

Мы встраиваем AI в рабочие системы — свои продукты и проекты клиентов: inbox поддержки с черновиками ответов от AI, обработку документов, оценку качества и поиск по знаниям компании. Ниже — план, по которому мы работаем до того, как написать хоть строчку кода.

Где AI окупается в первую очередь

У хороших первых кандидатов три общих признака: работа повторяется, она в основном состоит из текстов или документов, и человек быстро может проверить, правильный ли результат. На практике это:

• Поддержка клиентов. Черновики ответов по базе знаний и прошлым тикетам, классификация и маршрутизация входящих, краткое содержание длинной переписки перед ответом человека. Клиентская версия описана в гайде про AI-чатбот для сайта компании.
• Обработка документов. Извлечение полей из счетов, договоров, заявок и накладных и передача их в ERP, CRM или бухгалтерию, а сомнительные случаи подтверждает человек.
• Продажи. Обогащение и скоринг входящих лидов, черновики первых ответов, краткие итоги звонков в CRM.
• Поиск по внутренним знаниям. Сотрудники задают вопрос по регламентам, инструкциям и вики и получают ответ со ссылками на источник.
• Контроль качества. Проверка звонков, чатов или контента по чек-листу и отметка тех, которые стоит посмотреть руководителю.

Плохие первые кандидаты — решения с юридическими или финансовыми последствиями, задачи без записанных правил и всё, где ошибка дорогая и её трудно заметить. AI сможет помогать и там, но позже, когда данные покажут, где он надёжен.

Шаг 1: аудит процессов и готовность данных

Прежде чем говорить о моделях, опишите процесс, который хотите улучшить. Для каждого кандидата запишите:

• Объём и время. Сколько раз в месяц это происходит и сколько минут занимает каждый раз? Это потолок возможной экономии.
• Входные данные. Откуда приходит информация: почта, формы, PDF, база данных, звонок? Есть ли к ней доступ через API или выгрузку?
• Правила. Есть ли записанный регламент или примеры правильных результатов? Если знания есть только в голове одного сотрудника, сначала их нужно записать.
• Системы. Куда должен попасть результат: CRM, helpdesk, ERP, таблица? Интеграция с этими системами обычно и составляет большую часть работы.
• Риск. Что будет, если результат неверный? Кто это заметит и как быстро?

Готовность данных — самый частый стоп-фактор. Устаревшие статьи помощи, дублирующиеся прайсы и PDF, которые никто не открывал с 2019 года, дают уверенные неверные ответы. Чистка исходного контента часто улучшает результат сильнее, чем любой промпт или смена модели.

Шаг 2: пилот — один процесс и одна метрика

AI-пилот должен быть достаточно маленьким, чтобы уложиться в 4–6 недель, и достаточно конкретным, чтобы результат не был делом вкуса.

1. Выберите один процесс из аудита — с лучшим сочетанием объёма, низкого риска и доступных данных.
2. Выберите одну метрику, которая уже важна бизнесу: время первого ответа, минуты на документ, число обработанных лидов в день, доля ошибок или стоимость тикета.
3. Снимите базовые цифры минимум за две недели до запуска. Без базы любой пилот выглядит успешным, но ни один нельзя доказать.
4. Оставьте человека в контуре. На первом этапе AI готовит черновик, а человек подтверждает. Считайте, как часто черновик принимают без правок, правят или отклоняют: эта доля принятия и есть ваш сигнал качества.
5. Заранее определите критерии выхода, например: «масштабируем, если время обработки снизилось на 30% без роста жалоб; останавливаем, если доля принятия ниже 50%».

Обязателен один владелец со стороны бизнеса. AI-проекты, которыми владеет только IT, обычно оптимизируют технологию, а не результат.

Build vs buy vs API

Есть три способа встроить AI в процесс, и большинство компаний в итоге используют все три для разных задач.

• Купить (SaaS со встроенным AI). Лучше всего для типовых задач: заметки встреч, помощь в написании текстов, AI-ассистент внутри helpdesk. Быстрый старт, но такой инструмент видит только свои данные, а оплата за место растёт вместе с командой.
• API (модель внутри ваших систем). Ваш бэкенд или инструмент автоматизации вызывает API провайдера модели и связывает его с CRM, базой данных и документами. Для большинства бизнес-интеграций это оптимум: вы контролируете поток данных, промпты и логи и платите за использование. Нужны разработчики и нормальная обработка ошибок.
• Своё решение (собственный конвейер или хостинг модели). Оправдано при строгих требованиях к размещению и конфиденциальности данных, при очень большом объёме, где расходы на API доминируют, или для уникальной задачи, которой нужны дообучение и оценка. Самый дорогой вариант в разработке и эксплуатации.

Практическое правило: начинайте с самого дешёвого варианта, у которого есть доступ к вашим реальным данным, и переходите на уровень выше, только когда можете назвать конкретное ограничение, в которое упёрлись. Оборачивайте каждый вызов модели в свой сервисный слой, чтобы сменить провайдера без переписывания интеграции. Инженерная сторона — повторы, таймауты, оценка и мониторинг — описана в статье про AI в продакшене.

Управление, стоимость и безопасность

Малому и среднему бизнесу для управления AI не нужен комитет. Нужны несколько правил, которые реально соблюдаются:

• Логирование. Сохраняйте каждый запрос и ответ AI вместе с пользователем, исходными документами и финальным решением человека. Так вы отлаживаете, проверяете и улучшаете систему.
• Подтверждение человеком для денег и исключений. Возвраты, скидки, условия договоров и всё, что уходит клиенту вне обычных правил, остаются за людьми.
• Правила для данных. Решите, какие данные можно отправлять внешнему провайдеру, по возможности маскируйте персональные данные и проверьте условия хранения и обучения у провайдера. Регулируемые данные (здоровье, финансы, дети) требуют предварительной проверки на соответствие. В ЕС проверьте, как к вашему сценарию применяются AI Act и GDPR.
• Минимальные права. AI-агент по умолчанию должен иметь доступ только на чтение, а на запись — только для конкретных нужных действий, желательно с шагом подтверждения.
• Стоимость одной задачи. Считайте токены и расходы на каждый обработанный тикет, документ или лид. Используйте модели поменьше для рутинных шагов, передавайте только нужный контекст и кэшируйте частые ответы. Дашборд затрат с первого дня спасает от неожиданных счетов.

План внедрения AI на 90 дней

1. Дни 1–15: аудит. Список процессов-кандидатов, оценка объёма и времени, проверка данных и интеграций, выбор пилота и метрики, начало сбора базовых цифр.
2. Дни 16–30: подготовка. Чистка исходного контента, доступ к API нужных систем, правила для данных, критерии выхода.
3. Дни 31–60: пилот. Интеграция с подтверждением человеком, логированием и дашбордом затрат. Работа на реальных задачах, еженедельный разбор, доработка промптов, контента и пограничных случаев.
4. Дни 61–75: оценка. Сравнение с базой. Расчёт экономии минус расходы на работу. Решение: масштабировать, доработать или остановить.
5. Дни 76–90: масштабирование или переключение. Снижение ручного подтверждения там, где доля принятия стабильно высокая, документирование процесса, обучение команды и аудит второго процесса.

Вторая и третья интеграции идут намного быстрее, потому что логирование, доступы, правила для данных и сервисный слой уже есть. Эта переиспользуемая основа и есть настоящий результат первых 90 дней. Если ваши инструменты до сих пор обмениваются данными через копирование вручную, сначала прочитайте наш плейбук интеграций для стартапа: AI поверх несвязанных систем просто автоматизирует хаос.

Чем мы можем помочь

Мы подключаем AI к системам, которые у вас уже работают: CRM, helpdesk, биллингу, хранилищу документов и внутренним базам данных — с логированием, подтверждением человеком и учётом затрат. Посмотрите нашу услугу AI-автоматизации и кейс Prism о рабочей AI-платформе контроля качества. Чтобы выбрать правильный первый процесс, запишитесь на консультацию (€50/час); чтобы получить письменный план интеграции, потоков данных и рисков до старта разработки, закажите анализ архитектуры (€200). Когда план готов, мы можем разработать и сопровождать интеграцию в рамках заказной разработки.