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

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.

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».

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.

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.