Шаг 1. Найти процесс, а не тему

Первая ошибка - формулировать задачу как «внедрить ИИ в отдел продаж» или «сделать чат-бота». Это тема, а не задача. Правильная формулировка звучит конкретнее: «мы не знаем, почему 40% звонков не доходят до сделки» или «сметчик тратит 15 часов в неделю на построчную сверку актов».

Практический способ найти такой процесс - пройтись по трём вопросам для каждого отдела:

  • Что делает сотрудник вручную и регулярно, но результат этой работы нигде не измеряется?
  • Где решения принимаются «на глаз», потому что данных для точного ответа нет или на их сбор нет времени?
  • Какая часть работы - это чтение, сравнение или сверка документов, а не творческая задача?

Процессы, которые попадают под эти три вопроса - контроль звонков, проверка смет, обработка типовых обращений, сверка документов - почти всегда дают измеримый эффект от автоматизации. Процессы, требующие суждения о контексте, который не описан в данных (например, окончательное решение по спорному клиентскому кейсу), для старта подходят хуже.

Шаг 2. Оценить объём и посчитать, во что обходится статус-кво

Прежде чем говорить о решении, нужна базовая арифметика: сколько единиц процесса проходит через компанию в месяц (звонков, смет, обращений), сколько времени уходит на одну единицу вручную, и сколько сотрудников физически может проверить при текущей нагрузке.

Например: 4500 звонков в месяц на отдел продаж, ручная проверка одного звонка - 3-4 минуты, руководитель может физически прослушать не больше 150-200 в месяц. Это значит, что 95% звонков проходят вообще без контроля - не потому что там нет проблем, а потому что их некому увидеть.

Эта арифметика делает две вещи: превращает абстрактную идею «нужен ИИ» в конкретное число (сколько сейчас теряется из-за отсутствия контроля) и даёт критерий, по которому потом можно будет измерить эффект.

Шаг 3. Провести аудит, прежде чем выбирать решение

Аудит - не формальность для отчёта, а проверка трёх вещей, без которых любое внедрение забуксует:

Откуда брать данные. Звонки записываются полностью или частично? Сметы в цифровом виде или на бумаге? Обращения фиксируются в одной CRM или разбросаны по каналам?

Есть ли формализованные критерии. Для контроля звонков нужен хотя бы черновой скрипт или список критериев хорошего разговора. Для проверки смет - история цен по подрядчикам, с которой можно сравнивать. Без этого система будет оценивать «на глаз» так же нечётко, как человек.

Кто будет работать с результатом. Если систему внедрить, а результаты анализа некому смотреть и никто не назначен отвечать за реакцию на найденные проблемы - эффекта не будет независимо от качества технологии.

Аудит занимает от нескольких дней до пары недель в зависимости от количества процессов и источников данных, и по итогу должен дать однозначный ответ: с этого процесса стоит начинать, или сначала нужно навести порядок в данных.

Шаг 4. Начать с одного процесса, а не с полной цифровизации

Частая ошибка на этом этапе - попытка сразу построить систему, которая закроет несколько направлений одновременно: звонки, документы, аналитику, чат-бота. Это увеличивает срок и стоимость внедрения и отодвигает момент, когда появится первый измеримый результат.

Рабочая последовательность - пилот на одном процессе и одном участке (например, один отдел продаж, а не вся компания; один тип документов, а не весь документооборот). Цель пилота - не построить финальную систему, а быстро проверить: действительно ли автоматизация этого процесса даёт эффект, который совпадает с расчётом из шага 2.

По объёму данных пилот такого масштаба обычно запускается за 2 недели - от готового аудита до работающего контура на одном процессе. Полный комплекс из нескольких модулей и объектов - это уже другой масштаб и другие сроки, до 1,5-2 месяцев.

Шаг 5. Проверить эффект и только потом масштабировать

После пилота - не расширение автоматически, а проверка: совпал ли фактический эффект с тем, что считали на шаге 2. Здесь важны конкретные метрики, а не общее ощущение «стало удобнее»:

  • сколько часов освободилось у сотрудников, которые раньше делали эту работу вручную;
  • сколько ошибок или спорных позиций система нашла из тех, что раньше проходили незамеченными;
  • как изменился конкретный бизнес-показатель - конверсия, стоимость лида, объём спорных затрат.

Только если эти цифры подтверждают расчёт - есть смысл масштабировать решение на другие отделы, объекты или каналы. Если эффект оказался ниже ожидаемого, это сигнал разобраться в причине до масштабирования, а не увеличивать охват в надежде, что цифры выправятся сами.

Ограничения подхода

  • Этот порядок работает для процессов с измеримым объёмом и повторяемостью. Для разовых или уникальных задач (например, стратегическое решение, принимаемое раз в год) внедрение ИИ по этой схеме не подходит - там нет статистики, на которой система могла бы обучаться и показывать эффект.
  • Аудит и пилот требуют времени со стороны компании, а не только со стороны подрядчика - нужен человек, который предоставит доступ к данным и сможет объяснить контекст процесса.
  • Экономический эффект зависит от объёма: чем меньше единиц процесса в месяц, тем менее заметна автоматизация в абсолютных цифрах, даже если процент улучшения тот же.

Итог

Последовательность, которая снижает риск: найти конкретный процесс с измеримым объёмом → посчитать, во что обходится статус-кво → провести аудит данных и критериев → запустить пилот на одном участке → проверить эффект и только потом масштабировать.

Ошибка, которая чаще всего стоит бюджета - пропустить шаги 1-3 и сразу перейти к выбору технологии или подрядчика. Технология в этой цепочке - не первый вопрос, а один из последних.

Частые вопросы

С какого отдела лучше начинать внедрение ИИ?

С того, где больше всего повторяемых, измеримых в объёме действий - чаще всего это продажи, поддержка или документооборот, а не отделы, где решения штучные и завязаны на контекст.

Сколько стоит внедрение ИИ в бизнес?

Зависит от масштаба: пилот на одном процессе стоит и стартует иначе, чем комплекс из нескольких модулей на несколько объектов. Ориентир по срокам - от 2 недель для пилота до 1,5-2 месяцев для комплексного внедрения.

Можно ли внедрить ИИ без разработчиков в штате?

Да - на этапе аудита и пилота от компании требуется в первую очередь доступ к данным и человек, понимающий контекст процесса, а не собственная техническая команда.

Похожие материалы