Как внедрить ИИ в бизнес: 15 шагов, 5 проблем и их решения

Ниже - 15 шагов. Они закрывают 5 проблем внедрения ИИ: доступ к модели путают с внедрением; непонятно, какие данные можно отдавать; не выстроены интеграции; нет контроля качества результата; не считается экономика. Каждый шаг - действие с проверяемым результатом, а не общая рекомендация.

1. Выберите один процесс и распишите его как последовательность операций. Результат: список из 5–10 пунктов, где видно, кто и что делает руками, где принимается решение и где результат уходит наружу.
2. Посчитайте стоимость часа этого процесса: зарплата сотрудника с налогами, делённая на рабочие часы в месяц. Результат: цифра в рублях за час для расчёта выгоды.
3. Замерьте состояние «до»: сколько раз в неделю выполняется процесс, сколько минут занимает один цикл, сколько ошибок или возвратов бывает. Результат: таблица с тремя-четырьмя числами — без неё эффект не доказать ни себе, ни команде.
4. Определите, какие данные нужны агенту: прайс, условия, регламенты, типовые ответы, справочная информация. Результат: перечень полей и источников, откуда каждый берётся.
5. Проверьте, в каком виде эти данные существуют сейчас. Результат: список того, что уже оцифровано и пригодно к загрузке, и того, что лежит в голове сотрудника, в бумаге или в переписке и требует оцифровки до старта.
6. Отдельно отметьте, попадают ли в процесс персональные данные клиентов или сотрудников. Результат: понимание, какие сведения нельзя передавать во внешние сервисы и какие шаги процесса нужно перестроить.
7. Примите решение, где будет работать модель: внешний сервис по API или решение на вашей стороне. Результат: зафиксированный выбор и ответственный за него, а не «попробуем как-нибудь потом».
8. Опишите права доступа агента: что он может читать, что создавать, что отправлять и куда. Результат: короткий список разрешений, в котором нет пункта «доступ ко всему».
9. Настройте журналирование: каждое действие агента и каждый прогон должны оставлять след — что запрошено, что получено, сколько это стоило. Результат: возможность восстановить историю любого результата.
10. Соберите пилот на одном процессе и одном сотруднике. Результат: две-четыре недели работы и 10–20 реальных прогонов, на которых видно, где система ошибается.
11. Встройте шаг подтверждения человеком перед тем, как результат уходит клиенту, в документ или в публикацию. Результат: сотрудник видит карточку с кнопками «принять», «переделать», «отклонить», и ни одно действие не уходит наружу само.
12. Повторите замер по тем же метрикам, что и в шаге 3. Результат: два столбца чисел, «до» и «после», по времени, количеству циклов и числу ошибок.
13. Посчитайте полную стоимость владения: разовая разработка и настройка, ежемесячные платежи, расход на прогоны моделей, плюс время сотрудника на проверку результатов. Результат: сумма в рублях, которую вы сравниваете с сэкономленными часами.
14. Напишите короткий регламент: кто отвечает за процесс, что делать при ошибке, кто утверждает изменения в базе знаний, где смотреть расход. Результат: документ на одну-две страницы, по которому новый сотрудник разберётся без объяснений.
15. Расширяйте на следующий процесс только после того, как первый проработал месяц без сбоев и с подтверждённой экономией. Результат: решение о масштабировании, основанное на цифрах, а не на впечатлении от демонстрации.

Практический вывод из этих цифр простой. Рынок в начале пути, и большинство конкурентов ещё не считали выгоду автоматизации, а внедрение «на глазок» легко превращается в расходы без результата. Поэтому шаги 3 и 12, где фиксируются замеры «до» и «после», важнее выбора конкретной модели: модель можно заменить в любой момент, а отсутствие замеров лишает аргументов при защите бюджета на следующий год.