Запрос «хотим внедрить ИИ» приходит примерно раз в неделю, и почти всегда без второй части — какой процесс он должен улучшить. Разбираем, с чего начинать, чтобы проект закончился работающим инструментом, а не подпиской, которой никто не пользуется.

Начинать с процесса, а не с технологии

Подписка на нейросеть сама по себе ничего не меняет: сотрудник по-прежнему копирует текст в окно, получает ответ и переносит его обратно руками. Эффект появляется тогда, когда ИИ встроен в процесс — то есть работает внутри той системы, где человек уже сидит, и получает данные автоматически.

Поэтому первый вопрос не «какую модель взять», а «какая рутина съедает больше всего часов». Ответ обычно лежит на поверхности: проверка документов, подготовка однотипных коммерческих предложений, разбор входящих заявок, поиск информации в регламентах.

Признаки процесса, который стоит брать первым

  • Он повторяется часто — ежедневно или несколько раз в неделю
  • Данные уже в электронном виде, а не в бумажной папке
  • Результат можно проверить: есть понятие «правильно» и «неправильно»
  • Есть цифра, которую видно до и после: часы, количество ошибок, срок обработки
  • Ошибка не критична мгновенно — у человека есть возможность проверить

Последний пункт важен. Первым сценарием не стоит брать то, где ошибка стоит дорого и обнаруживается поздно. Начинать лучше там, где ИИ готовит черновик, а решение остаётся за человеком.

Три сценария, которые окупаются чаще других

Проверка документов

ИИ читает договор от контрагента, сверяет с вашим шаблоном и подсвечивает расхождения: ответственность, штрафы, сроки оплаты, автопролонгация. Юрист получает не пустой документ, а список мест, на которые нужно посмотреть. Экономия — часы на каждом договоре и меньше пропущенных условий.

Реестры и извлечение данных

Массив действующих документов превращается в таблицу: стороны, предмет, суммы, сроки, условия индексации, даты пролонгации. После этого становится видно, какие договоры подходят к концу и где не проведена индексация — а это уже прямые деньги.

Подготовка коммерческих предложений

Данные проекта на входе, готовое КП в фирменном оформлении на выходе: этапы, сроки, разбивка оплат. Менеджеру остаётся проверить и отправить. Ускоряется первый контакт с клиентом, а он часто решает, с кем будут работать.

Когда нужен ИИ, когда обычный робот, а когда ничего
Самая частая ошибка — ставить нейросеть туда, где задача решается жёсткими правилами: это дороже и менее предсказуемо.

Как считать эффект

До запуска замерьте текущее состояние: сколько времени занимает операция, сколько их в месяц, сколько людей задействовано. После пилота посчитайте то же самое. Без замера «до» любой разговор об окупаемости превращается в ощущения.

Пилот имеет смысл держать коротким — несколько недель на одном процессе. Если за это время эффекта не видно, масштабировать нечего, и это тоже полезный результат: вы потратили недели, а не полгода.

До запуска зафиксируйте текущие показатели. Без замера «до» разговор об окупаемости превращается в обмен ощущениями.

Где ИИ не нужен

Там, где задача решается обычной автоматизацией. Если нужно перекладывать данные из формы в CRM по жёстким правилам — это робот, а не нейросеть, и он дешевле, быстрее и предсказуемее. Такие задачи закрывает обычная автоматизация процессов. ИИ нужен там, где входные данные неструктурированы: текст, документ, речь.

И не нужен там, где нет данных. Если документы существуют только на бумаге, сначала оцифровка, потом всё остальное.

Что остаётся за человеком

В проектах, которые мы делаем, ключевой контакт всегда остаётся за человеком: звонок клиенту, финальное решение по договору, подтверждение коммерческого интереса. ИИ берёт подготовку — сбор, проверку, черновик. Такое разделение и даёт эффект: скорость растёт, а ответственность остаётся там, где ей и место.

Как выглядит пилот на практике

Хороший пилот ограничен по объёму и по времени. Берётся один процесс, один отдел и срок в две-четыре недели. На входе фиксируются текущие показатели, на выходе — те же самые. Всё, что не относится к выбранному процессу, в пилот не тащится, даже если очень хочется.

Технически это обычно выглядит так: данные забираются из той системы, где они уже лежат, обрабатываются сценарием, результат возвращается туда же — в карточку сделки, в задачу, в реестр. Сотрудник видит готовый черновик в привычном интерфейсе и не открывает никаких дополнительных окон.

Если по итогам пилота человек продолжает делать работу вручную, значит сценарий не встроился в процесс. Это не повод отказываться от идеи, но повод разобраться, где именно он ломается.

Что спросить у подрядчика

  • Какой процесс берём первым и почему именно его
  • Какие показатели меряем до и после
  • Где физически обрабатываются данные и что уходит во внешние сервисы
  • Что происходит, когда модель ошибается: кто это увидит и как исправит
  • Что останется у нас, если мы прекратим сотрудничество

Последний вопрос особенно важен. Сценарий, полностью завязанный на инфраструктуру подрядчика, превращает вас в заложника. Нормальная практика — когда логика и данные остаются в ваших системах.

Про безопасность данных

Перед запуском стоит решить, какие данные вообще можно передавать модели. Для договоров и внутренних регламентов это обычно нормально, для персональных и медицинских данных — отдельный разговор с вашим специалистом по безопасности. Часть задач решается моделями, развёрнутыми внутри вашего контура: это дороже, но снимает вопрос передачи данных наружу.

Не знаете, с какого процесса начать?

Проведём бесплатный аудит и покажем две-три точки, где ИИ окупится быстрее всего именно у вас.

Внедрение AI workflow — тарифы