Внедрение ИИ в бизнес: с какой задачи начинать

Ко мне приходят с формулировкой «хотим внедрить ИИ». Это не задача, это настроение. Внедрение ИИ в бизнес с такого запроса не начинается: проект либо не стартует вообще, либо превращается в полгода экспериментов без результата.

Внедрение ИИ в бизнес работает только тогда, когда вы начинаете с одной конкретной задачи — узкой, частой и измеримой. Я в IT с 2014 года, и за это время видел достаточно проектов, которые утонули именно на этапе «давайте сначала всё обсудим». Расскажу, как выбираю первую задачу сам, и покажу на двух своих продуктах, что из этого получается.

Почему «внедрить ИИ» — это не постановка задачи

У фразы «внедрить ИИ» нет границ. Непонятно, что считать успехом, непонятно, когда остановиться, непонятно, кто в компании отвечает за результат. В итоге обсуждение уходит в выбор модели — а выбор модели вообще не то, что решает исход проекта.

Исход решает другое: попали вы в живой процесс или нет. Если процесс в компании происходит раз в месяц, автоматизация его не спасёт — вы потратите на внедрение больше, чем сэкономите за год. Если процесс происходит сто раз в день и его делает человек руками, то даже кривая первая версия уже вернёт деньги.

Поэтому первый вопрос не «какую нейросеть взять», а «какое действие в компании повторяется чаще всего и делается вручную».

Правило первой задачи: три критерия

Частая

Берите то, что происходит ежедневно. Не «раз в квартал готовим большой отчёт», а «каждый день отвечаем на сорок однотипных вопросов». Частота даёт вам две вещи: быструю обратную связь и быстрый возврат вложений.

Измеримая до внедрения

Если вы не можете назвать текущую цифру, вам нечего будет сравнивать. Сколько сейчас уходит времени на эту задачу? Сколько сообщений остаётся без ответа? Сколько заявок теряется? Замеряйте до, а не после — иначе через месяц начнётся спор о том, стало лучше или нет.

С дешёвой ошибкой

ИИ ошибается. Это не баг, это свойство. Поэтому первая задача должна быть такой, где ошибка стоит дёшево и её видно сразу. Ответ на нейтральный отзыв — дешёвая ошибка. Автоматическое выставление счёта на миллион — дорогая. Начинать надо с первого.

Пример первый: отзывы на Яндекс.Картах

Типовая картина у большинства карточек: отзывы копятся, отвечает на них кто-то раз в месяц, и отвечает «спасибо, приходите ещё». Клиенту это ничего не даёт, картам — тем более. При этом ответ владельца — часть карточки, по нему вас находят или не находят.

Задача попадает во все три критерия: отзывы приходят постоянно, количество без ответа легко посчитать, а цена ошибки в вежливом ответе близка к нулю. Поэтому мы сделали сервис, который сам следит за новыми отзывами и пишет на них полноценные ответы — каждый свой, а не шаблон.

И сразу заложили границу: на негатив автоматика не отвечает. Отзывы ниже трёх звёзд идут только через владельца, уведомление приходит в мессенджер. Это и есть управление ценой ошибки — там, где она дорогая, решает человек.

Дальше сервис оброс тем, до чего руками никто не доходит: чек-листом заполнения карточки из 39 позиций. Он читает карточку целиком и показывает, где недоделано — фото, услуги без описаний, пустые особенности, отсутствие публикаций. Половину пунктов закрывает сам. Стоит это 1000 ₽ в месяц за точку — и вот на таком масштабе цифр внедрение ИИ в бизнес перестаёт быть вопросом веры и становится вопросом арифметики.

Пример второй: нейропродавец и правило «или — или»

Второй наш кейс — нейропродавец в ПКМаркетинге. Он отвечает клиентам в четырёх каналах: ВКонтакте, MAX, Одноклассники, Авито. Один продавец, который знает ваш каталог, работает там, где клиент вам написал.

Здесь важнее не то, что он умеет, а два решения, которые мы приняли по ходу.

Первое: к одному аккаунту подключается либо нейропродавец, либо обычный чат-бот по сценарию. Одновременно — нельзя. Логика простая: если за переписку отвечает ИИ, сценарий туда лезть не должен, иначе клиент получит кашу из двух разных ответов. Это универсальное правило для любого внедрения — у каждого участка должен быть один хозяин.

Второе: мы добавили детектор вопросов, на которые продавец не ответил. Он собирает их по темам на отдельной странице. Видно, что спрашивают чаще всего и на что не хватает материалов — и можно подгрузить недостающее. По сути живая обратная связь от ваших же клиентов, без ручного чтения переписок.

Вот этот детектор — самая недооценённая часть внедрения. Любая ИИ-задача должна возвращать вам список своих провалов. Без него вы не управляете системой, вы в неё верите.

Что посчитать до старта

Перед тем как заказывать разработку, соберите четыре числа:

1. Сколько раз в день выполняется задача сейчас.
2. Сколько минут на одно выполнение уходит у сотрудника.
3. Сколько стоит час этого сотрудника.
4. Какая доля результата обязана быть правильной — 100 %, 90 % или «лишь бы не хуже, чем сейчас».

Первые три числа дают потолок экономии. Четвёртое определяет архитектуру: если нужны стопроцентная точность — значит, в схеме обязателен человек на подтверждении, и это нормально. Плохо не когда человек остался в процессе, а когда он остался там незаметно для расчётов.

Порядок, по которому я это делаю

• Выбираем одну задачу по трём критериям выше.
• Фиксируем текущие цифры. Без этого шага дальше не идём.
• Собираем самую простую версию, которая закрывает 70 % случаев.
• Отдаём её на реальный поток, а не на тестовые примеры.
• Смотрим список провалов и латаем их — настройками, а не переписыванием.
• Только после того, как первая задача работает месяц, берём вторую.

Последний пункт самый неудобный. Всем хочется закрыть пять процессов сразу. Но пять недоделанных автоматизаций в компании хуже одной работающей: они генерируют недоверие, и следующий проект вам уже не согласуют.

Где ИИ внедрять не надо

Не надо там, где процесс не описан. Если два менеджера делают одну и ту же работу по-разному и оба считают себя правыми, ИИ это не починит — он просто зафиксирует хаос и начнёт его масштабировать. Сначала описание процесса, потом автоматизация.

Не надо там, где данных нет. Нейропродавец без каталога — это болтливый сотрудник без прайса. Сервис ответов на отзывы без истории отзывов — генератор общих слов.

И не надо там, где нельзя проверить результат. Если никто в компании не сможет посмотреть на выход системы и сказать «это правильно» или «это ерунда», вы внедряете не инструмент, а риск.

Что делать дальше

Если вы читаете это и уже держите в голове конкретный процесс — значит, первая задача у вас есть. Дело за расчётом и архитектурой.

Мы разбираем это на первом же разговоре: какой процесс брать, что он даёт в деньгах, где в схеме обязан остаться человек. Напишите мне — посмотрим на ваши цифры. А если задача похожа на бота в мессенджере, вот как мы такие делаем: разработка ботов.