С чего начать внедрение ИИ в бизнесе, чтобы не потратить деньги на ненужную автоматизацию

Компании всё чаще задумываются о внедрении искусственного интеллекта. Руководители видят возможности нейросетей, читают о новых ИИ-агентах и хотят использовать технологии для автоматизации продаж, маркетинга, поддержки клиентов или внутренних процессов.

Проблема в том, что многие начинают не с бизнес-задачи, а с выбора технологии.

Компания решает сделать чат-бота, ИИ-агента или сложную автоматизацию, но заранее не определяет:

• какую проблему должна решить система;
• кто будет ей пользоваться;
• сколько будет стоить разработка и поддержка;
• какой экономический эффект она должна принести;
• кто внутри компании будет отвечать за её работу.

ИИ-агент — инструмент, а не бизнес-цель. Если сначала не понять процесс и ожидаемый эффект, автоматизация легко превращается в ещё одну систему, которую нужно обслуживать.

Почему нельзя начинать с фразы «сделайте нам ИИ-агента»

ИИ-агент — не готовое решение бизнес-проблемы. Это только один из возможных инструментов.

Прежде чем разрабатывать агента, нужно понять, какой процесс необходимо изменить.

Например, компания может считать, что ей нужен ИИ-агент для продаж. Но после анализа может выясниться, что основная проблема находится не в работе менеджеров, а в другом месте:

• заявки поступают из разных каналов и теряются;
• лиды слишком долго ждут первого ответа;
• менеджеры не делают повторные касания;
• информация о клиенте хранится в нескольких системах;
• руководитель не видит причины отказов;
• в компании отсутствует понятная аналитика по воронке.

В такой ситуации разработка отдельного агента может только усложнить существующий процесс.

Сначала необходимо устранить разрыв в данных, определить правила обработки заявок и выстроить последовательность действий. И только затем решать, какую часть процесса стоит передать ИИ.

Три вопроса перед внедрением ИИ

Перед началом разработки необходимо ответить как минимум на три основных вопроса.

1. Что именно это даст бизнесу

Формулировка «мы хотим использовать ИИ» не является бизнес-задачей.

Нужно определить конкретный результат. Например:

• сократить время первого ответа клиенту;
• снизить количество потерянных заявок;
• уменьшить объём ручной работы;
• ускорить подготовку коммерческих предложений;
• повысить количество повторных касаний;
• автоматизировать анализ звонков;
• сократить время подготовки контента;
• улучшить онбординг сотрудников или клиентов.

Результат должен быть понятным и по возможности измеримым. Иначе обсуждение быстро вернётся к общему желанию «использовать ИИ».

2. Сколько будет стоить внедрение и дальнейшая поддержка

Стоимость ИИ-системы не заканчивается после её запуска.

Необходимо учитывать:

• проектирование;
• разработку;
• интеграцию с существующими сервисами;
• использование API нейросетей;
• серверы и инфраструктуру;
• тестирование;
• исправление ошибок;
• изменение промптов и логики;
• поддержку;
• обучение сотрудников;
• развитие системы при изменении процессов.

Кастомный ИИ-агент требует внимания так же, как любой другой программный продукт.

Если внутри компании никто не понимает, как устроена система, бизнес становится полностью зависимым от внешнего разработчика. Каждое изменение превращается в отдельную задачу и дополнительные расходы.

3. Какой измеримый эффект должна принести система

До начала проекта нужно определить, по каким показателям будет оцениваться результат.

Это могут быть:

• количество сохранённых рабочих часов;
• скорость обработки заявки;
• конверсия между этапами продаж;
• стоимость обработки одного обращения;
• число выполненных повторных касаний;
• снижение нагрузки на сотрудников;
• скорость подготовки документов;
• рост выпуска контента;
• снижение количества ошибок.

Не каждая ИИ-автоматизация обязана напрямую увеличивать выручку. Она может сокращать затраты, освобождать время команды или уменьшать зависимость процесса от конкретного сотрудника.

Эффект определяют до запуска. Иначе после внедрения невозможно честно понять, принесла ли система пользу.

Почему компании получают ИИ-системы, которыми никто не умеет пользоваться

Мы регулярно сталкиваемся с проектами, в которых уже разработаны кастомные агенты и автоматизации, но внутри компании отсутствует понимание их работы.

Обычно причины повторяются:

1. Разработку начали без аудита процессов.
2. Систему проектировал внешний исполнитель без участия будущих пользователей.
3. В компании не назначили владельца процесса.
4. Логика агента нигде нормально не описана.
5. Сотрудников не обучили работе с системой.
6. Не определили показатели эффективности.
7. Не предусмотрели дальнейшую поддержку и развитие.

В результате технология формально внедрена, но не встроена в ежедневную работу компании. Она существует отдельно от бизнеса и постепенно превращается в технический долг.

С чего в действительности нужно начинать внедрение ИИ

Первым этапом должен быть не выбор модели и не написание технического задания на агента. Начинать нужно с анализа бизнеса.

Шаг 1. Описать текущий процесс

Нужно понять:

• кто участвует в процессе;
• какие действия выполняются;
• откуда поступают данные;
• где они хранятся;
• какие сервисы используются;
• где требуется ручной контроль;
• какие решения принимают сотрудники.

Без описания текущего процесса невозможно понять, что именно следует автоматизировать.

Шаг 2. Найти точки потерь

Далее необходимо определить, где бизнес теряет:

• деньги;
• время;
• заявки;
• клиентов;
• данные;
• качество;
• энергию команды;
• внимание руководителя.

Это могут быть повторяющиеся ручные операции, задержки, отсутствие аналитики, человеческие ошибки или процессы, полностью завязанные на одном сотруднике.

Шаг 3. Оценить потенциальный эффект

Для каждой точки нужно приблизительно рассчитать:

• сколько времени она занимает;
• сколько людей задействовано;
• как часто повторяется операция;
• сколько стоит текущий процесс;
• к каким потерям приводят ошибки;
• какой эффект даст автоматизация.

После этого можно сравнить стоимость внедрения с потенциальной пользой.

Шаг 4. Выбрать минимальное решение

Не всегда бизнесу нужен сложный автономный агент. Иногда достаточно:

• привести данные в порядок;
• настроить простую интеграцию;
• добавить ИИ-подсказки сотруднику;
• автоматизировать подготовку черновика;
• создать сводную аналитику;
• настроить уведомления;
• изменить существующий процесс.

Лучше начать с небольшого решения, которое быстро приносит измеримый эффект, чем сразу строить большую систему с непонятной окупаемостью.

Шаг 5. Назначить владельца процесса

У любой автоматизации должен быть человек, который понимает:

• зачем она нужна;
• как должна работать;
• какие данные использует;
• что делать при ошибке;
• какие показатели контролировать;
• когда требуется изменение логики.

ИИ не отменяет ответственность за процесс. Если владельца нет, система быстро перестаёт соответствовать реальной работе компании.

Когда бизнесу действительно нужен кастомный ИИ-агент

Разработка собственного агента может быть оправдана, когда:

• процесс часто повторяется;
• в нём есть понятная последовательность действий;
• доступны необходимые данные;
• ручная работа обходится дорого;
• типовые сервисы не подходят;
• важна интеграция с внутренними системами;
• эффект можно измерить;
• у компании есть ресурсы на поддержку.

При этом кастомная разработка не всегда должна быть первым этапом.

Сначала можно проверить гипотезу с помощью существующих инструментов, полуавтоматического процесса или простого прототипа. И только после подтверждения ценности переходить к полноценной системе.

Что должен включать ИИ-аудит бизнеса

Результатом аудита должен быть не список модных технологий, а карта практических возможностей.

Она может включать:

• описание текущих процессов;
• точки потерь времени и денег;
• проблемы в работе с данными;
• участки ручной рутины;
• потенциальные сценарии использования ИИ;
• оценку сложности внедрения;
• ожидаемый эффект;
• риски;
• приоритеты;
• план пилотного запуска.

Такой подход позволяет отделить полезные внедрения от автоматизаций ради автоматизаций.

Главный принцип ИИ-внедрения

Бизнесу не нужен ИИ-агент сам по себе.

Ему нужен конкретный результат: быстрее обработанные заявки, меньше ручной работы, прозрачная аналитика, регулярный контент, более качественная поддержка или снижение операционных затрат.

Поэтому внедрение ИИ стоит начинать не с вопроса:

«Какого агента нам разработать?»

А с трёх других вопросов:

Какую проблему мы решаем?
Сколько нам будет стоить решение?
Какой измеримый эффект оно должно принести?

Технологию следует выбирать только после того, как бизнес ответил на эти вопросы.

В Abistep мы начинаем подобные проекты с ИИ-аудита: изучаем процессы, находим точки потерь и определяем, где ИИ действительно может дать практический эффект, а где только добавит компании новую сложную систему.