ММООЗЗГГ.ru

Разбор

Чего ждать от внедрения ИИ: какие ожидания реальны, а какие нет

7 мин8 источников

Чего ждать от внедрения ИИ, понятно по задачам, а не по презентациям: ИИ берет типовую работу, сложные случаи остаются людям. По отчету MIT NANDA 2025 года, 95% организаций не получили измеримой отдачи от генеративного ИИ, поэтому цель стоит ставить до старта и в цифрах. Ниже, что ИИ делает хорошо, что остается за людьми и как поставить цель, которую можно проверить.

На странице · 6 разделов

Что ИИ делает хорошо

ИИ хорошо справляется с работой, которая повторяется сотни раз в день и идет по правилам: принять заявку и завести ее в CRM, записать клиента, ответить на типовой вопрос, собрать отчет из нескольких систем.

Он отвечает круглые сутки, без выходных и с той же скоростью при росте потока. Заявка в девять вечера получает ответ сразу, а не утром.

Он не устает и не забывает правила к концу дня. Ответ на сотую заявку такой же, как на первую.

Он готовит черновики: письмо, коммерческое предложение, сверку договора с реквизитами, протокол встречи. Человек проверяет и отправляет.

Он ищет ответ в больших массивах текста. Договоры, инструкции, переписка за год: нужный пункт находится за секунды, если у ИИ есть доступ к этим документам.

Признак подходящей задачи: ее можно описать правилами, а результат можно проверить. Если сильный сотрудник может объяснить новичку, как ее делать, ИИ обычно тоже справится.

Что остается людям

Сложные переговоры, спор, жалоба, крупный клиент с нестандартными условиями. ИИ передает такие случаи человеку вместе с историей диалога, и менеджер не начинает с нуля.

Решения о людях и деньгах: найм, оценка, увольнение, платежи. Агент может подготовить и посчитать, а отправить деньги и принять решение должен человек.

Работа без правил: новый продукт, разовая задача, процесс, который живет в голове одного человека. Сначала его описывают, потом отдают ИИ.

Стратегические решения тоже за людьми: какой продукт выпускать, с кем работать, куда вкладывать. ИИ может собрать сведения и варианты, но выбор делает руководитель.

Ответственность тоже остается за людьми. Агент работает от имени компании, и за его ответ клиенту отвечает компания, поэтому правила для агента утверждает человек.

Поэтому вопрос «заменить ли менеджера» на практике звучит иначе: сколько менеджеров нужно, если поток типовых обращений заберет агент. Сравнение по деньгам и скорости есть в разборе «ИИ-агент или менеджер».

Откуда завышенные ожидания

Демонстрации показывают удачный случай: чистый вопрос, готовый ответ, никаких исключений. В рабочем процессе многие обращения на пример не похожи.

Продавцы ИИ обещают «заменить отдел» и не говорят, сколько работы уйдет на правила, подключение к системам и разбор ошибок в первые недели.

Новости пишут о моделях, которые сдают экзамены и пишут код. Компания переносит это на свои процессы и ждет того же от бота на сайте.

Еще один источник: ожидание, что ИИ сам разберется в процессе. На деле агенту нужны ваши правила, цены, сроки и примеры переписок, иначе он отвечает правильно и бесполезно.

Итог виден в цифрах: по отчету MIT NANDA до рабочего использования доходит 5% заказных ИИ-инструментов. Остальные до него не доходят, и что ИИ может в бизнесе, компания так и не узнает.

Завышенные ожидания дорого стоят: проект закрывают после первых ошибок, хотя на типовой работе он мог окупиться.

Какие цифры реальны

Ориентир лучше брать из рабочих внедрений, а не из демонстраций. ВТБ в апреле 2026 года сообщил, что роботы решают больше 62% обращений клиентов без оператора. В одном из крупнейших банков, по данным на сентябрь 2025 года, робот делает 83% исходящих звонков по просроченным долгам.

Обе цифры получены в крупных банках с огромным потоком обращений и своими командами по ИИ. Для первого пилота средней компании это направление, а не цель на первый месяц.

Исследования показывают то же на уровне одного сотрудника. По работе экономистов NBER 2023 года, операторы поддержки с ИИ-помощником в среднем на 14% продуктивнее, а новички на 34%. ИИ здесь ускоряет человека, а не занимает его место.

У этой пользы есть граница. В эксперименте Harvard Business School и BCG 2023 года консультанты с ИИ сделали работу на 40% качественнее, но в задачах за пределами возможностей ИИ ошибались чаще. Поэтому новые для ИИ задачи проверяет человек.

Правило для ожиданий: берите цифру из похожего процесса в похожей компании, свою цель ставьте скромнее и проверяйте замером.

Что проверить до старта

Многие разочарования видны еще до старта. В опросе ИСИЭЗ НИУ ВШЭ по данным Росстата (сентябрь 2026) организации называют барьерами для ИИ высокие затраты (54%), нехватку данных (34%) и нехватку специалистов (33%). Каждый барьер проверяется за один разговор.

Данные. Где лежат заявки, ответы клиентам, цены и правила? Если половина знаний живет в головах и личной переписке, первые недели уйдут на то, чтобы их записать.

Люди. Кто будет каждый день смотреть ответы ИИ и править правила? Если такого человека нет, проект так и останется пилотом.

Деньги. Кроме запуска, ИИ стоит денег каждый месяц: сопровождение, оплата модели, время ответственного. У нас сопровождение стоит 40 000 ₽ в месяц, и от него можно отказаться в любой месяц.

Gartner в июне 2025 года прогнозировал, что больше 40% проектов с ИИ-агентами закроют к концу 2027 года из-за расходов, неясной пользы и слабого контроля рисков. Все три причины видны на этой проверке, до первого рубля на разработку.

Как поставить реальную цель

1. Выберите один процесс с типовой работой и большим потоком: заявки, запись, вопросы поддержки.

2. Замерьте его до старта: сколько обращений в день, сколько времени уходит на ответ, сколько людей занято.

3. Запишите цель как долю работы, которую берет ИИ. Например, для ИИ-оператора поддержки целью пилота может быть до 80% типовых вопросов без людей. Это цель, которую проверяют замером, а не обещанный результат.

4. Решите заранее, что делать по итогам: оставить, расширить или остановить. Как выбрать метрику и записать ее в договор, разобрано на странице о метрике до старта.

5. Назначьте ответственного, который в первые недели каждый день смотрит ответы ИИ и правит правила. Без этого цель остается на бумаге.

Реальная цель звучит скучнее обещаний: не «заменить отдел», а «снять с операторов часть типовых вопросов и отвечать на заявки ночью». Зато ее можно проверить и посчитать в рублях.

Если процессов несколько и непонятно, с какого начать, порядок задает карта ИИ-решений: где ИИ даст деньги, каким решением и сколько это стоит.

Вопросы и ответы

Через сколько ИИ начинает приносить результат?

Первую цифру дает пилот: один процесс, замер до старта и замер после. У нас пилот занимает 14 дней, а метрика записана в договоре. Первые недели уходят на правила и разбор ошибок, поэтому судить по первым дням рано, а по итогу пилота уже можно.

Может ли ИИ полностью заменить сотрудника?

Обычно ИИ забирает часть операций, а не должность. Даже в ВТБ, где роботы решают больше 62% обращений без оператора, остальные обращения ведут люди. Полезнее спросить, сколько людей нужно на поток, если типовую часть берет ИИ.

Почему пилот удался, а дальше ничего не пошло?

Так заканчивается большинство проектов: по отчету MIT NANDA 2025 года до рабочего использования доходит 5% заказных ИИ-инструментов. Частая причина в том, что у пилота не было цифры успеха и решения, что делать по итогам. Запишите метрику и правило «оставить, расширить или остановить» до старта.

Где ИИ ошибается чаще человека?

В задачах без правил и за пределами его возможностей: в эксперименте Harvard Business School и BCG 2023 года консультанты с ИИ на таких задачах ошибались чаще. Ответ при этом звучит уверенно, поэтому ошибку легко пропустить. Решения о деньгах, людях и спорах проверяет человек.

Внедрять ИИ своими силами или с партнером?

По отчету MIT NANDA 2025 года проекты с внешним партнером доходили до рабочего использования примерно в 67% случаев, внутренние разработки в 33%. Это данные опроса компаний, а не точный замер. Если своих людей с опытом внедрения нет, риск ниже с партнером и метрикой, записанной в договоре.

Источники и проверка

Проверено редакцией 13 октября 2026.

  1. MIT NANDA: The GenAI Divide, State of AI in Business 2025 (PDF) (mlq.ai)
  2. Virtualization Review: MIT report finds most AI business investments fail, reveals GenAI Divide (virtualizationreview.com)
  3. ITSpeaker: ИИ ВТБ решает 62% обращений клиентов, апрель 2026 (itspeaker.ru)
  4. CNews: 83% звонков по просрочке в Сбере делает робот, 18 сентября 2025 (banks.cnews.ru)
  5. NBER: Generative AI at Work, 2023 (nber.org)
  6. Harvard Business School: Navigating the Jagged Technological Frontier, 2023 (hbs.edu)
  7. CNews со ссылкой на ИСИЭЗ НИУ ВШЭ: использование ИИ в организациях, 24 сентября 2026 (cnews.ru)
  8. Gartner: больше 40% проектов агентного ИИ будут закрыты к концу 2027 года, 25 июня 2025 (gartner.com)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram