Как внедрить ИИ в бизнес: пошаговый план без провалов

Почему 70% внедрений ИИ заканчиваются ничем

По данным Gartner, большинство пилотных проектов с ИИ не добираются до реального использования в компании. Причём провалы случаются не у тех, кто выбрал «не ту модель» или купил «не то железо». Технология здесь почти никогда не виновата.

Провалы случаются из-за процесса. Слишком амбициозная цель на старте. Сотрудники, которые не понимают зачем это нужно. Отсутствие ответственного. Нет метрик — непонятно, получилось или нет. Звучит банально, но именно это убивает три четверти внедрений.

У нас в eddp.ru первая попытка тоже была неидеальной — выбрали слишком широкую задачу, потратили месяц и получили неопределённый результат. Второй подход — с чёткой задачей, двумя неделями и конкретными метриками — дал результат, который мы уже измерили в деньгах.

Первый шаг: найти правильную задачу для пилота

Хорошая задача для первого пилота с ИИ соответствует трём критериям.

Измеримый результат. Не «улучшить качество коммуникаций», а «сократить время ответа на входящие запросы с 4 часов до 30 минут». Если результат нельзя посчитать — нельзя и оценить, стоило ли это делать.

Повторяемость. Задача должна возникать регулярно — каждый день или каждую неделю. Разовые задачи не дают репрезентативных данных и не приносят ощутимой экономии.

Некритичность. Пилот — это эксперимент. Если ИИ ошибётся, последствия должны быть исправимы. Начинать с автоматического выставления счетов клиентам или юридических документов — плохая идея.

Топ-5 задач, с которых начинают МСБ

Исходя из практики, проще всего получить быстрый результат в этих областях:

1. Поддержка клиентов. Ответы на типовые вопросы в чате или по почте. Результат заметен сразу — менеджеры освобождаются от рутины, клиенты получают ответ быстрее.
2. Генерация текстов. Описания товаров, посты, письма, коммерческие предложения. Скорость создания контента вырастает в 3–5 раз при том же качестве.
3. Работа с документами. Первичный анализ договоров, составление шаблонов, извлечение ключевой информации из отчётов.
4. Аналитика данных. Превратить таблицу продаж в понятный отчёт с выводами — без программиста и аналитика в штате.
5. HR и внутренние коммуникации. Ответы на вопросы сотрудников, шаблоны вакансий, обработка резюме.

С чего не стоит начинать

Финансовые расчёты с прямым исполнением, юридические документы без проверки человеком, общение с клиентами в конфликтных ситуациях, задачи где ошибка стоит дороже, чем экономия от автоматизации. Всё это — не запрещено навсегда, но не для первого пилота.

Как провести пилот за 2 недели и получить реальные данные

Две недели — достаточный срок для первой оценки. Меньше — данных не хватит, больше — тянете резину.

Неделя первая: настройка и обучение

Выберите инструмент и зарегистрируйтесь — большинство сервисов дают бесплатный период. Для пилота достаточно одного человека — важно не количество, а качество обратной связи. Критерий выбора простой: человек должен быть профессионалом в своей области — чтобы с первого взгляда замечал, когда ИИ ошибается или выдаёт правдоподобную чушь. И вот неочевидный совет из нашего опыта: лучше всего с такими задачами справляются те, кто не любит делать лишнюю работу. Именно они быстрее всех находят способ переложить рутину на инструмент и выжать из него максимум — им просто лень делать это руками.

Потратьте полдня на обучение. Не курсы и видеолекции — живая практика. Дайте реальные задачи, посмотрите как ИИ справляется, обсудите результаты вместе. Заодно разберитесь с промптами — как именно формулировать задание, чтобы получать нужный результат. Это называется промпт-инжиниринг, но звучит сложнее, чем есть на деле: чем точнее и конкретнее задание, тем лучше ответ.

Неделя вторая: реальная работа и сбор данных

Сотрудники работают в обычном режиме, используя ИИ для целевой задачи. Ваша задача — собирать данные. Фиксируйте простые вещи: сколько времени занимала задача до и после, сколько итераций нужно на правку результата, есть ли ошибки и какого рода.

Что измерять:

• Время на выполнение задачи (до и после)
• Количество задач в день / неделю
• Процент результатов, принятых без правки
• Субъективная оценка сотрудников по шкале 1–10

Критерии успеха пилота

Пилот считается успешным, если хотя бы два из трёх условий выполнены: время на задачу сократилось минимум на 30%, сотрудники оценивают инструмент на 7+ из 10, экономия времени в пересчёте на деньги покрывает стоимость инструмента за 3 месяца.

7 ошибок, которые убивают внедрение ИИ в МСБ

Собрали из собственного опыта и разговоров с компаниями, которые уже прошли через это.

Ошибка 1: начать с глобальной трансформации

«Мы хотим внедрить ИИ во все процессы» — эта фраза убивает проект ещё на старте. Нет конкретной задачи, нет метрик, нет понятного первого шага. Через два месяца все устали, ничего не сделано, бюджет потрачен на консультантов.

Правило: первый пилот — одна задача, два-три человека, две недели.

Ошибка 2: не объяснить сотрудникам зачем это нужно

Люди боятся, что ИИ их заменит. Если не говорить об этом прямо — страх никуда не денется, просто уйдёт под поверхность. Сотрудники будут саботировать внедрение не со зла, а из инстинкта самосохранения.

Решение простое: скажите прямо, что цель — убрать рутину, а не людей. Покажите, как инструмент работает, дайте попробовать самостоятельно.

Ошибка 3: не назначить ответственного

Если за внедрение отвечают «все» — не отвечает никто. Нужен конкретный человек, который следит за пилотом, собирает обратную связь и принимает решения. Не обязательно IT-специалист — часто лучше справляется тот, кто сам использует инструмент в работе.

Ошибка 4: ждать идеального инструмента

«Вот выйдет новая версия, тогда и начнём». Новая версия выходит — и снова есть повод подождать. Рынок ИИ развивается быстро, идеального момента не будет. Начните с того, что есть сейчас — через полгода инструменты станут лучше, и вы уже будете знать, как ими пользоваться.

Ошибка 5: не считать результат в деньгах

«Удобно», «нравится», «кажется, быстрее» — это не данные. Если не считать результат в конкретных единицах (часы, рубли, количество задач), невозможно обосновать ни продолжение пилота, ни бюджет на масштабирование.

Ошибка 6: масштабировать неудачный пилот

Пилот не получился — нет роста скорости, сотрудники недовольны. Но руководитель уже публично объявил о внедрении ИИ и не хочет «терять лицо». Результат: неработающий инструмент разворачивается на всю компанию и дискредитирует идею ИИ на годы вперёд.

Неудачный пилот — это нормально. Это данные: не та задача, не тот инструмент, не то время. Остановитесь, проанализируйте, попробуйте другой подход.

Ошибка 7: игнорировать безопасность данных

Сотрудники начинают копировать в облачный ИИ-сервис клиентские базы, условия договоров, внутреннюю переписку — потому что так удобнее. Без чётких правил это происходит само собой. Определите заранее: какие данные можно передавать в облачные сервисы, а какие — только через локальную инфраструктуру. Об этом подробно — в следующей статье цикла.

После успешного пилота: как идти дальше

Когда переходить на свою инфраструктуру

Три сигнала, что пора думать о собственном сервере: облачный счёт за ИИ перевалил за 30 000–50 000 рублей в месяц; в запросах появляются чувствительные данные, которые не должны уходить к вендору; нагрузка выросла настолько, что облако тормозит рабочие процессы. О том, как выбрать железо — в третьей статье цикла.

Как обучать сотрудников по-настоящему

Корпоративные курсы по ИИ — деньги на ветер. Люди учатся на практике: реальные задачи, разбор ошибок, обмен находками внутри команды. Лучший формат — еженедельная 20-минутная встреча, где кто-то показывает интересный кейс использования ИИ. Это работает лучше любого обучения.

Роль «ИИ-чемпиона»

В каждой компании, где внедрение ИИ идёт хорошо, есть человек — не обязательно из IT — который горит этой темой. Он пробует новые инструменты, делится находками, помогает коллегам разобраться. Найдите такого человека или вырастите его. Это важнее любого бюджета на инструменты.

Интеграция с существующими системами

1С, CRM, корпоративная почта — рано или поздно захочется, чтобы ИИ работал внутри этих систем, а не параллельно с ними. Большинство современных платформ имеют API для интеграции. Это следующий уровень после успешного пилота — не первый шаг.

Вместо вывода

Внедрение ИИ — это марафон. Первый пилот даёт данные, второй — уверенность, третий — результат, который виден в финансовых показателях. Компании, которые начали два года назад с маленьких пилотов, сегодня имеют работающие системы. Компании, которые ждали «правильного момента» — всё ещё ждут.

Начните с одной задачи. Двух недель достаточно, чтобы понять, работает это для вас или нет.

Следующая статья цикла:
«Безопасность, приватность и право» — где хранятся ваши данные, что говорит законодательство и как защитить корпоративную информацию при работе с ИИ.