← ohmy.journal
гайды 28 октября 2026·10 мин чтения

Как внедрить ИИ в бизнес: сначала процесс, потом технология

Пошаговый гайд для компании на 20–300 человек без IT-отдела: как найти процесс для ИИ, оценить его по чек-листу, посчитать эффект и провести пилот.

вступление

Нас часто просят «внедрить ИИ», и почти всегда разговор приходится начинать не с нейросетей, а с вопроса, который в таких просьбах пропущен: какой процесс вообще стоит отдавать машине. Этот гайд целиком посвящён ему.

Чтобы внедрить ИИ в бизнес, начните не с выбора нейросети, а с процесса: возьмите одну повторяющуюся операцию, распишите её по шагам и посчитайте, сколько часов она занимает. Затем решите, какие шаги отдать ИИ, какие — обычной автоматизации, а какие оставить людям, и проведите месячный пилот на реальных данных, где результат проверяет человек. Технологию выбирают в последнюю очередь.

Гайд рассчитан на компанию от 20 до 300 человек, где нет IT-отдела, а данные живут в таблицах, почте и мессенджерах. На выходе у вас будет чек-лист аудита на одну-две страницы: список процессов, оценка каждого, разметка шагов и расчёт эффекта до и после.

Почему внедрение начинают с процесса, а не с модели

Если автоматизировать процесс, который существует только в головах сотрудников, вместе с ним автоматизируются и все его неясности: кто за что отвечает, что считать готовым результатом, как поступать с исключениями. Нейросеть не знает, что менеджер Аня всегда перезванивает клиентам из другого региона, а бухгалтер сверяет реквизиты по старому договору. ИИ не чинит процесс, который никто не описал — он лишь быстрее воспроизводит то, что ему показали.

Типичная инструкция по внедрению выглядит так: выбрать решение, запустить пилот, масштабировать. Её чаще всего пишут те, кто это решение продаёт, поэтому ответ на вопрос «чем автоматизировать» в ней известен заранее. Мы смотрим с другой стороны: сначала понять, где в компании уходят часы, и только потом решать, нужен ли там вообще ИИ.

На разборе процесса часто выясняется, что нейросеть не нужна. Если задача формализуется правилами — расписание, уведомления, перенос данных между системами, — обычная автоматизация надёжнее, дешевле и предсказуемее. Нейросеть оправдана там, где нужно понимать текст, написанный человеком свободно. Говорить об этом до начала работ невыгодно тому, кто продаёт платформу, но выгодно тому, кто платит.

Шаг 1. Выпишите повторяющиеся процессы и их владельцев

В компании без IT-отдела за внедрение должен отвечать не программист, а владелец процесса — человек, который лучше всех знает, как делается работа, и отвечает за её результат. Рядом с ним нужен представитель руководства, который примет решение по итогам пилота. Data-инженер на этом этапе не нужен: аудит проводят те, кто работает с процессом каждый день.

Схема SIPOC: поставщики, входы, процесс, выходы, клиенты в пяти блоках со стрелками
SIPOC-диаграмма: укрупнённая карта процесса из пяти блоков — поставщики, входы, процесс, выходы и клиенты, соединённых стрелками слева направо.Peter Gladdish · CC BY 4.0 · Wikimedia Commons

Пройдите по отделам и задайте один вопрос: что вы делаете каждый день или каждую неделю одним и тем же способом? Лучше всего на него отвечают не руководители, а исполнители: именно они знают, сколько раз в день копируют реквизиты из письма в таблицу. Начните с продаж, поддержки, документооборота и отчётности — там рутины больше всего.

  • Входящие заявки с сайта, из почты и мессенджеров.
  • Подготовка коммерческих предложений.
  • Проверка договоров по типовым условиям.
  • Ответы на типовые вопросы клиентов.
  • Еженедельные и ежемесячные отчёты.
  • Перенос данных из писем в таблицу или CRM.

Затем разложите каждую операцию на шаги: откуда приходит задача, что с ней делают, куда кладут результат, кто проверяет. Сразу отметьте, где лежат данные: в общей таблице, в почте, в чате, на бумаге. Без этой разметки следующие шаги не сделать — ИИ назначают не процессу целиком, а отдельным шагам.

Результат шага: список из 10–15 повторяющихся операций. Пример строки: «Обработка заявок с сайта — владелец: руководитель отдела продаж — ежедневно — данные в почте и таблице».

Шаг 2. Оцените каждый процесс по чек-листу аудита

Теперь пропустите каждую операцию через шесть вопросов. Хороший кандидат для автоматизации повторяется часто, даёт измеримый результат и обеспечен данными. Но этого мало: важно ещё, сколько стоит ошибка и кто её поймает до того, как она уйдёт клиенту.

Чек-лист аудита процесса
КритерийЧто записатьТревожный знак
ЧастотаСколько раз в день или неделюРеже раза в неделю
Часы в месяцСколько времени уходит у всех участниковНикто не может назвать даже порядок
Типовые случаиКакая доля похожа одна на другуюКаждый случай уникален
ДанныеГде лежат, в каком видеДанных нет или они только в головах
Цена ошибкиЧто будет, если ошибитьсяШтраф, суд, потеря клиента
Кто проверяетКто смотрит результат перед отправкойПроверять некому

Поставьте по каждому критерию от 0 до 2 баллов, где 0 — тревожный знак, а 2 — всё в порядке, и сложите. Часы лучше не называть по памяти: попросите сотрудников неделю-две записывать время на операцию. Отдельно посмотрите на данные: повторы, пробелы и записи в разном формате ИИ не исправит, а размножит. Порядок в таблицах — часть подготовки, а не работа «потом».

Результат шага: рейтинг процессов. Первый кандидат — процесс, который часто повторяется, отнимает много часов, состоит в основном из типовых случаев, обеспечен данными, а ошибку в нём легко поймать на проверке.

Шаг 3. Решите, где нужен ИИ, а где обычная автоматизация

Этот шаг чаще всего пропускают. Между тем процесс, разложенный на шаги, редко имеет смысл отдавать ИИ целиком. Часть шагов закрывает простое правило, без всякого ИИ — и это дешевле, быстрее и предсказуемее.

Чем закрыть шаг процесса
Тип шагаЧем закрытьПример
Разбор писем и документовИИИзвлечь из письма имя, телефон, суть запроса
Ответы на типовые вопросыИИ с проверкойОтвет о сроках доставки по базе знаний
Черновики КП и писемИИ, финал за человекомСобрать КП по шаблону и истории клиента
Перенос данных между системамиИнтеграция или скриптЗаявка из формы в CRM
Напоминания и статусыПравилоНапомнить менеджеру, если клиент не ответил за день
Решения и исключенияЧеловекСкидка, спор, нестандартный договор

Пример разметки для заявок. Письмо приходит в общий ящик — ИИ разбирает его и раскладывает по полям. Интеграция создаёт карточку в CRM. Правило ставит менеджеру задачу перезвонить. Менеджер звонит и решает, что предложить. ИИ здесь нужен только на одном шаге, а остальные ускоряются и без него.

Логика простая: ИИ нужен там, где на входе свободный текст и формат каждый раз немного другой. Если данные уже структурированы и действие одно и то же — хватит правила.

Результат шага: у каждого шага выбранного процесса стоит отметка «ИИ», «правило» или «человек».

Шаг 4. Посчитайте эффект «до → после» в часах и рублях

Без расчёта пилот нечем будет оценить. Формула занимает четыре строки:

  • Часы до = время на одну операцию × число операций в месяц.
  • Часы после = время на проверку + время на исключения, которые остались людям.
  • Экономия в часах = часы до − часы после.
  • Экономия в рублях = экономия в часах × стоимость часа сотрудника − ежемесячная стоимость сервиса и поддержки.

Пример. Менеджер разбирает входящие заявки: 15 минут на письмо, 200 писем в месяц — это 50 часов. После автоматизации ИИ раскладывает письмо по полям, интеграция создаёт карточку в CRM, а менеджеру остаётся проверить результат — допустим, 2 минуты на письмо и час в месяц на нестандартные случаи. Итого около 8 часов вместо 50, экономия около 42 часов в месяц. Цифры условные: подставьте свои часы и стоимость часа с налогами — её знает бухгалтерия — и не забудьте вычесть сервер, обращения к модели и поддержку.

Для типовых процессов полезно заранее решить, что именно измеряем:

  • Заявки — время от письма до карточки в CRM.
  • Коммерческие предложения — время на сборку черновика.
  • Договоры — время на сверку с типовыми условиями.
  • Поддержка — доля типовых вопросов и время до ответа.

Если после вычета проверки и стоимости сервиса экономии почти не остаётся, процесс не первый в очереди. Переходите к следующему в рейтинге.

Шаг 5. Запустите пилот на один месяц

Пилот — это один сценарий, один участок и один человек, который потом будет работать с системой каждый день. Мы делаем пилот за две недели: собираем сценарий на реальных данных и замеряем, что изменилось. Месяц — разумный предел: если за месяц эффекта не видно, дело не в сроке. На всё время пилота оставьте человека в контуре (human in the loop): ИИ готовит, человек проверяет и отправляет.

  • Выберите один участок и одного пользователя.
  • Запишите критерий успеха до старта: сколько часов, какая доля ошибок допустима.
  • Решите, какие данные нельзя передавать во внешний сервис.
  • Проверьте условия хранения данных и срок их удаления.
  • Определите, кто видит результаты работы ИИ.
  • Сравните итог месяца с замером «до».

Пункты о данных для компании без IT-отдела важнее всего: договориться о них нужно до первого письма, отправленного в нейросеть, а не после. Есть два пути. Можно развернуть решение внутри своего контура на локальных моделях — наружу не уходит ничего, но качество ответов ниже. Можно использовать облачные модели и передавать им только обезличенный минимум: часто персональные данные модели вообще не нужны. Если данные людей всё же обрабатываются, хранение должно оставаться в России по 152-ФЗ.

Если пилот удался, расширение — это уже вопрос людей, а не технологий. Покажите команде, что умеет система и где её границы, вынесите тексты и сценарии в таблицу или админку, чтобы их правил один ответственный без программиста, и договоритесь, куда сообщать об ошибках. Система, которую никто не правит, через полгода отвечает по устаревшим данным.

Результат шага: одно из трёх решений — масштабируем, правим и повторяем пилот или останавливаем.

Какие ошибки сорвут внедрение и когда ИИ не нужен

  • Начинать с выбора платформы, а не с процесса.
  • Автоматизировать процесс, который никто не описал по шагам.
  • Не замерять часы до старта и потом спорить об эффекте на глаз.
  • Запускать пилот без критерия успеха.
  • Отдавать ИИ шаги, где ошибка дорогая, а проверять некому.
  • Строить пилот без человека, который потом будет работать с системой.
  • Отправлять клиентские данные во внешний сервис без договорённостей.

Бывает, что ИИ не нужен вовсе или с ним пока рано. Процесс повторяется раз в месяц. Каждый случай уникален. Данных нет. Задачу целиком решает правило или интеграция. Ошибка стоит дорого, а проверять результат некому. Отдельный случай — желание обучить собственную модель: для небольшой компании это почти всегда лишнее. Готовые модели, подключённые к вашим документам, закрывают те же задачи без месяцев сбора обучающих примеров.

Отказ от ИИ после аудита — тоже результат. И обходится он дешевле неудачного пилота.

Частые вопросы

Нужен ли IT-отдел, чтобы внедрить ИИ? Для аудита и первого пилота — нет. Нужны владелец процесса, человек от руководства, который принимает решения, и подрядчик или сотрудник, способный настроить сервис и интеграции.

Какие процессы автоматизировать первыми? Те, что повторяются каждый день, дают измеримый результат и обеспечены данными: разбор почты, подготовка отчётов, ответы на типовые вопросы.

Сколько длится пилот? Мы закладываем две недели на один сценарий и участок. Месяц — верхняя граница: если за это время эффекта не видно, стоит пересмотреть процесс, а не продлевать пилот.

Что делать с данными в таблицах и почте? Привести их в порядок до старта: убрать повторы, заполнить пробелы, свести записи к одному формату.

Можно ли отдавать в нейросеть данные клиентов? Только после того, как решите, какие данные передавать нельзя. Можно работать на локальных моделях внутри своего контура или передавать облачной модели обезличенный минимум. Разницу в качестве и рисках стоит увидеть до начала работ, а не после.

Что из этого следует на практике

Внедрение ИИ в компании на 20–300 человек — это прежде всего работа с описанием процессов и только во вторую очередь — с моделями. Пять шагов из этого гайда помещаются на одну-две страницы: список операций, оценка по шести критериям, разметка «ИИ / правило / человек», расчёт и план пилота. С таким документом проще разговаривать с любым подрядчиком — и проще заметить, когда вам продают платформу вместо решения задачи.

Проекты по AI и автоматизации мы в студии начинаем именно с такого разбора: иначе непонятно, что считать результатом. Хороший первый проект с ИИ — скучный, частый и измеримый. Эффектные демонстрации можно оставить на потом: деньги экономит процесс, который повторяется сто раз в месяц и который наконец кто-то описал.

читать дальше все материалы