Как понять, где бизнесу действительно нужен ИИ

Самый частый запрос, с которым к нам приходят, звучит так: «Мы хотим внедрить ИИ. С чего начать?» Это честный вопрос, но он поставлен с неправильного конца. Начинать нужно не с технологии, а с процесса: где команда теряет время, где копятся ошибки, где люди делают одно и то же по сто раз в день.

За несколько лет внедрений у нас сложился простой фильтр из четырёх признаков. Если процесс проходит по всем четырём — автоматизация почти наверняка окупится. Если не проходит хотя бы по двум — скорее всего, ИИ там пока не нужен.

Признак первый: повторяемость и объём

ИИ окупается на потоке. Сто однотипных заявок в день — отличный кандидат. Три сложных контракта в месяц — плохой: каждый случай уникален, а цена настройки и контроля превысит экономию. Посчитайте, сколько раз в день команда выполняет операцию и сколько минут она занимает. Если на круг выходит меньше пары человеко-часов в день — отложите эту задачу.

Признак второй: решение можно описать словами

Попросите лучшего сотрудника объяснить, как он принимает решение в этом процессе. Если он может сформулировать правила и привести примеры — задача формализуема, и агент справится. Если ответ звучит как «ну, по ситуации, я просто чувствую» — автоматизировать рано: сначала придётся навести порядок в самом процессе.

Признак третий: цена ошибки и возможность контроля

Везде, где работает ИИ, будут ошибки — вопрос в том, сколько они стоят и как быстро их видно. Черновик ответа, который проверяет менеджер, — безопасная зона. Автоматическая отправка финансовых документов без проверки — нет. Хорошая архитектура решает это границами автономности: что система делает сама, а что отдаёт человеку на подтверждение.

Признак четвёртый: данные уже существуют

Для анализа звонков нужны записи звонков. Для ассистента по регламентам — сами регламенты, причём актуальные. Удивительно часто проект упирается не в модель, а в то, что данных нет, они устарели или разбросаны по личным папкам. Это не приговор — но тогда первым этапом становится не ИИ, а наведение порядка в данных.

Что из этого следует

• Составьте список процессов с большим объёмом ручных повторяющихся операций
• Для каждого спросите: можно ли описать правила? какова цена ошибки? есть ли данные?
• Начните с одного процесса, где ответы самые уверенные, — а не с самого амбициозного
• Меряйте эффект на пилоте, прежде чем масштабировать

ИИ — не стратегия и не цель. Это инструмент, который хорошо работает на правильно выбранных задачах и разочаровывает на неправильно выбранных. Вся разница — в выборе.