Большинство корпоративных ИИ-пилотов умирают на стадии демо. Причина не в качестве модели, а в отсутствии встроенности в рабочий процесс. На митапе «ИИ без иллюзий» эксперты МТС, MWS и Т1 подчеркнули: качество ответов уходит на второй план, а на первый выходит изменение конкретного рабочего процесса. Если ИИ просто генерирует текст, но не встроен в документооборот, пользы мало. Компании застревают на демо, потому что не пересматривают процессы.
Главная ловушка: фокус на качестве ответов вместо изменения процессов
Модель может выдавать идеальные ответы, но если сотрудник не использует их в работе, эффекта нет. Проблема в том, что ИИ внедряют как надстройку, а не как часть процесса. Например, чат-бот для ответов на типовые вопросы сотрудников: если он не интегрирован с базой знаний и не влияет на скорость решения, он останется игрушкой. Переход от пилота к рабочему инструменту требует пересмотра того, как выполняется задача.
Типичный сценарий: компания запускает пилот, видит красивое демо, но не меняет регламенты. Сотрудники продолжают работать по-старому, а ИИ остаётся дополнительной нагрузкой. Чтобы ИИ стал рабочим инструментом, нужно встроить его в ежедневные операции и изменить KPI.
Как понять, что ИИ-функция действительно полезна: тест «убери функцию»
Проверка простая: уберите ИИ-функцию. Если процесс останавливается или резко замедляется, функция нужна. Если ничего не меняется, это украшение. Пример: чат-бот для поддержки клиентов. Если без него операторы справляются за то же время, бот бесполезен. Если без него клиенты ждут ответа часами, а с ним минутами, он критичен.
Почему количество запросов - плохая метрика
Число обращений к ИИ не показывает пользу. Сотрудники могут задавать вопросы из любопытства, но не применять ответы. Нужны метрики, привязанные к бизнес-результату: время выполнения задачи, количество ошибок, стоимость операции. Например, если ИИ сокращает время обработки заявки с 10 до 5 минут, это измеримая польза. Метрики должны отвечать на вопрос: как изменился процесс, а не сколько раз нажали кнопку.
От чат-бота к ИИ-агенту: в чем разница и когда пора переходить
Чат-бот отвечает на вопросы. ИИ-агент выполняет действия: ищет данные, создаёт документы, запускает процессы. Разница в доступе к инструментам и возможности действовать. Например, агент может найти информацию в CRM, подготовить черновик ответа и записать его в систему, а спорные случаи передать человеку.
Переход к агенту нужен, когда задача требует не только ответа, но и выполнения шагов. Компания Aixis настраивает агентов с явными ограничениями: доступ к определённым инструментам, перечень действий, подтверждение человеком для значимых операций. Это снижает риски и делает агента управляемым.
Какие задачи можно делегировать агенту, а какие нет
Агенту подходят задачи с чёткими правилами и низкими рисками: поиск информации, подготовка черновиков, выполнение согласованных операций. Например, агент может собрать данные для отчёта, но финальное решение принимает человек. Задачи с высокими рисками или требующие человеческого суждения лучше оставить людям: увольнение сотрудника, одобрение кредита, стратегические решения.
Масштабирование ИИ: почему это организационная, а не техническая задача
Технически масштабировать ИИ несложно: мощности есть, модели работают. Сложность в управлении доступом, обучении сотрудников и изменении процессов. Когда ИИ-агенты получают доступ к корпоративным данным, встают вопросы: кто имеет право на какие данные, как контролировать действия, как предотвратить ошибки. Это организационные вопросы, а не технические.
Контроль доступа и безопасность: как не потерять управление
Принципы безопасности: минимальные права для каждого инструмента, подтверждение человеком для значимых действий, журналирование. Aixis реализует защиту от повторного выполнения операций и понятную передачу сотруднику при сбое. Яндекс в Алисе AI для бизнеса разделяет личное и рабочее пространство, администраторы управляют разрешениями. Без таких мер агент может навредить: удалить данные, отправить письмо не тому адресату, выполнить операцию дважды.
Реальные примеры: как компании уже внедряют ИИ-агентов
Рассмотрим два подхода: продукт для массового рынка и кастомная разработка.
Яндекс 360: ИИ-ассистент для бизнеса
Алиса AI для бизнеса доступна клиентам Яндекс 360, это более 185 тыс. организаций. Ассистент выполняет многосоставные задачи: анализирует записи встреч, ставит задачи, ищет повторяющиеся проблемы в обращениях. Подключается к сервисам Яндекса (Почта, Диск, Календарь, Трекер, Вики) и сторонним системам (Битрикс24, СПАРК, amoCRM, 1С) через плагины. Администраторы управляют разрешениями, личное и рабочее пространства разделены.
Aixis: агенты с фокусом на безопасность
Aixis разрабатывает агентов, которые работают с документами, находят данные и выполняют согласованные действия. Доступ к инструментам настраивается отдельно, перечень действий и ограничения фиксируются явно. Цены: Quick Win 120-240 тыс. ₽ за 1-4 недели, пилот 300-600 тыс. ₽ за 4-8 недель, промышленное внедрение 500 тыс. – 1,2 млн ₽. Такой подход подходит компаниям, которым нужен контроль и кастомизация.
Подробнее о том, как ИИ-агенты работают внутри компании, читайте в статье «Как ИИ-агенты работают внутри компании». О провале агента-разработчика и неожиданной пользе для аналитиков - в материале «Побочный продукт ИИ-агента».
Какие навыки нужны команде для успешного внедрения ИИ
Успех зависит от людей. Нужна гибридная экспертиза: понимание бизнеса и технологий. Топ-менеджеры должны разбираться в архитектуре платформ, API и ML-моделях, даже если не пишут код. В финансовой отрасли зарплаты таких специалистов достигают 1,5 млн руб. в месяц, потому что они решают задачи на стыке бизнеса и IT. Команда должна уметь интерпретировать выводы моделей и знать их ограничения.
Вывод: с чего начать переход от пилота к рабочему инструменту
Пять шагов:
- Пересмотрите процесс, а не только модель. Встройте ИИ в ежедневные операции.
- Оцените пользу тестом «убери функцию». Если без ИИ процесс не ломается, он не нужен.
- Начните с узкого сценария и постепенно расширяйте.
- Заложите контроль доступа с самого начала: минимальные права, подтверждение человеком, журналирование.
- Развивайте компетенции команды: понимание бизнеса и технологий.
Главное - не технология, а изменение рабочих процессов. Только тогда ИИ станет рабочим инструментом, а не дорогим демо.