Внедрение ИИ в бизнес: как выбрать процессы, провести пилот и масштабировать

Почему стихийное использование не превращается в эффект

Сотрудники пробуют нейросети сами, и часть из них действительно экономит время. Но у стихийного использования три проблемы.

Эффект не виден. Никто не знает, сколько времени сэкономлено и стало ли лучше качество.

Опыт не копируется. Удачный способ, найденный одним сотрудником, остаётся у него.

Данные не под контролем. В сторонние сервисы могут уходить сведения о клиентах, ценах и внутренних процессах, о которых руководство не знает.

Внедрение — это превращение разрозненных попыток в управляемую работу: выбранные процессы, общие правила, проверенные инструкции и измеримый результат.

Этап 1. Карта процессов и выбор задач (недели 1–2)

Соберите руководителей подразделений и составьте список повторяющихся задач: что делают, как часто, сколько времени занимает, что на входе и что на выходе.

В продолжение темы можно открыть База знаний для нейросети: как перестать быть компанией, про которую всё придумано: там следующий шаг разобран отдельно.

Затем оцените каждую задачу по четырём признакам.

Частота. Задача, которая повторяется каждый день, даст больше эффекта, чем ежемесячная.

Текст на входе. ИИ сильнее всего там, где нужно прочитать, разобрать, сократить или написать текст.

Проверяемость. Результат можно быстро проверить: есть образец правильного ответа или понятный критерий.

Цена ошибки. На старте лучше выбрать задачи, где ошибка не уходит клиенту без проверки.

Из списка выберите две-три задачи в разных подразделениях. Типичные кандидаты: разбор входящих писем, черновики ответов клиентам, сводки по отчётам, подготовка описаний и документов по шаблону.

Этап 2. Правила и подготовка (недели 2–4)

Правила работы с данными. Запишите, какие сведения можно передавать внешним сервисам, а какие нет. Например: обезличенные тексты — можно, контакты клиентов, финансовые показатели и внутренние документы — только в сервисах, которые одобрены компанией. Эти правила нужны до пилота, а не после первой проблемы.

Выбор инструментов. Под выбранные задачи, а не наоборот. Для одних хватит обычного чата с моделью, для других понадобится подключение к вашим системам.

Данные для задач. Шаблоны, справочники, примеры хороших результатов. Часто на этом этапе выясняется, что образцы нигде не собраны, и их подготовка сама по себе полезна.

Эталонные примеры. Для каждой задачи — двадцать-тридцать реальных случаев с правильными результатами. По ним будет оцениваться пилот.

Этап 3. Пилот (недели 4–10)

Пилот проводят на части команды — двух-пяти сотрудниках на задачу. Остальные работают по-старому, это даёт честное сравнение.

До старта зафиксируйте цифры: время на задачу, количество ошибок, скорость выполнения.

Во время пилота участники записывают случаи, где ИИ ошибся или помог особенно заметно. Раз в неделю — короткая встреча: что работает, что править в инструкциях.

Инструкции дорабатываются по итогам встреч и проверяются на эталонных примерах, чтобы исправление одной ошибки не порождало другие.

По итогам сравниваются цифры до и после. Решение принимается по каждой задаче отдельно: масштабировать, доработать или остановить. Остановка — нормальный результат пилота, а не провал: вы сэкономили деньги на неподходящей задаче.

Этап 4. Масштабирование (недели 10–13)

Библиотека инструкций. Проверенные на пилоте инструкции и шаблоны собираются в одном месте с описанием: для какой задачи, как проверять результат, кто отвечает за обновление.

Обучение. Короткое практическое занятие для каждой группы сотрудников на их собственных задачах. Общие лекции о возможностях нейросетей дают мало — люди начинают пользоваться, когда видят пользу на своей работе.

Ответственные. В каждом подразделении — человек, который собирает вопросы, следит за качеством и предлагает новые задачи.

Регулярный пересмотр. Раз в квартал — оценка эффекта и выбор следующих процессов по той же схеме.

Типичные ошибки внедрения

Начать с инструмента. Купили подписку всем сотрудникам и ждут эффекта. Без выбранных задач и инструкций пользуются единицы.

Слишком амбициозный первый проект. Сложная система на десяток интеграций, которая за полгода так и не доходит до работы. Первые задачи должны давать результат за недели.

Нет точки отсчёта. Через три месяца невозможно сказать, стало ли лучше.

Правила данных после инцидента. О том, что можно передавать внешним сервисам, договариваются после того, как что-то уже ушло.

Внедрение без участия сотрудников. Люди, которые выполняют задачу, лучше всех знают, где ИИ поможет, а где помешает. Без них пилот проверяет не ту задачу.

Как считать эффект

Для каждой задачи — свои цифры, но логика одна.

Время. Сколько занимала задача до и после, с учётом времени на проверку результата ИИ.

Качество. Доля результатов, которые пришлось переделывать, и число ошибок, дошедших до клиента.

Скорость. Время от поступления задачи до результата — особенно важно там, где ждёт клиент.

Стоимость. Подписки, обращения к моделям, время на поддержку инструкций.

Подробный разбор того, как переводить сэкономленные часы в деньги, — в статье о подсчёте экономии от ИИ, а об организации пилота в небольшой команде — в материале про пилот.