Есть странная стадия внедрения ИИ, через которую сейчас проходит половина бизнеса.

Сначала предприниматель думает:

«Да ну, игрушка какая-то».

Потом пробует нейросеть и через неделю уже хочет:

«А можно теперь уволить маркетолога, продавца, секретаря, бухгалтера и желательно меня самого?»

Можно.

Но есть нюанс.

Часть задач действительно уже можно отдать ИИ практически целиком и вспоминать о них только тогда, когда что-то сломалось. А есть процессы, где слово «автоматизация» пока означает совсем другое: ИИ работает, но кто-то взрослый всё равно должен периодически смотреть, что он там натворил.

Я за последний год всё сильнее прихожу к довольно простой классификации.

Нужно спрашивать не:

«Может ли ИИ выполнить эту задачу?»

Может почти любую.

Правильный вопрос:

«Что произойдёт, если он один раз выполнит её неправильно?»

Вот от этого и надо плясать.

Где ИИ уже можно отпускать без поводка

Начнём с самого приятного.

Есть огромный класс задач, где ошибка либо легко обнаруживается, либо легко исправляется, либо вообще ничего страшного не происходит.

Например, сбор и первичная обработка информации.

Мне нужно взять несколько документов, вытащить из них данные, классифицировать, собрать сводку, разложить по категориям, найти повторяющиеся вещи.

Зачем здесь человек?

Раньше сотрудник мог полдня сидеть с тремя таблицами и героически перекладывать значения из одной колонки в другую.

Теперь это вполне нормальная машинная работа.

ИИ может:

• разобрать входящие обращения;
• определить тему сообщения;
• вытащить имя, телефон, компанию и потребность;
• классифицировать заявку;
• сформировать краткую выжимку;
• записать всё в нужную систему;
• поставить следующую задачу.

Причём здесь уже не обязательно даже разговаривать с ChatGPT руками.

Получили данные → отправили модели → получили структурированный JSON → передали дальше.

Всё.

Человек вообще может не знать, что между двумя сервисами несколько секунд думала нейросеть.

Контентная рутина тоже почти созрела

Здесь я специально говорю именно рутина, а не «творчество вообще».

Например, у вас есть 200 карточек товаров и нужно сделать для каждой:

описание, характеристики, короткий текст, метатеги, несколько вариантов заголовков.

Посадить человека на эту работу можно.

Но за что вы его так ненавидите?

Такие операции прекрасно автоматизируются, если есть нормальные входные данные и правила.

То же самое с регулярными отчётами, дайджестами, сводками, короткими описаниями, расшифровкой аудио, первичной обработкой материалов.

Даже длинный контент можно собирать автоматически. Но здесь я бы уже не доверял одному запросу:

«Напиши прекрасную статью».

Нормальная схема выглядит иначе.

Одна модель строит план. Другая пишет. Третья редактирует. Ещё одна проверяет результат.

Это дороже одного запроса.

Зато начинает напоминать производство, а не лотерею.

Поддержка первого уровня — почти идеальная работа для ИИ

Вот здесь у бизнеса вообще огромный резерв.

Сколько сообщений получает компания вроде:

«А сколько стоит?»

«Вы сегодня работаете?»

«Когда отправите?»

«Есть доставка в Краснодар?»

«Где посмотреть каталог?»

«Как оформить заказ?»

В большинстве компаний на эти вопросы отвечает живой человек.

Причём каждый день.

Одно и то же.

Годами.

Человеческий мозг стоимостью несколько десятков тысяч рублей в месяц используется в качестве кнопки «скопировать стандартный ответ».

ИИ здесь чувствует себя прекрасно.

Главное — не превращать его в энциклопедию собственных фантазий.

У него должна быть нормальная база знаний. Понятные ограничения. И правило:

не знаешь — не придумывай, передавай человеку.

Тогда первая линия поддержки может автоматизироваться очень глубоко.

С продажами интереснее

Вот тут начинается самое вкусное.

Потому что долгое время ИИ-продавец выглядел примерно так:

— Здравствуйте! Чем могу помочь?

— Мне нужен котёл на 180 квадратов.

— Конечно! Котёл — важная часть системы отопления. Хотите узнать больше о наших услугах?

То есть клиент уже почти достал кошелёк, а бот внезапно решил провести лекцию об истории котлов.

Сейчас хорошие системы можно строить совсем иначе.

ИИ получает продукт, сценарий разговора, критерии квалификации, информацию о клиенте и правила передачи человеку.

И начинает не просто отвечать, а вести диалог к следующему шагу.

Выяснить объект.

Понять задачу.

Уточнить сроки.

Определить примерный бюджет.

Отсечь очевидно нецелевую заявку.

Собрать всё в нормальную карточку.

А потом передать менеджеру:

Иван, Новосибирск. Дом 170 м². Сейчас электрическое отопление, хочет газовый котёл. Планирует монтаж в сентябре. Бюджет ориентировочно такой-то. Готов обсудить замер завтра после 15:00.

Вот это уже не чат-бот.

Это реально полезный кусок отдела продаж.

Но именно здесь я пока не отпускал бы ИИ полностью.

Потому что стоимость ошибки растёт.

Простое правило: чем дороже ошибка, тем ближе человек

Представим два случая.

Нейросеть неправильно определила рубрику статьи.

Ну и бог с ней. Переставим.

А теперь нейросеть самостоятельно пообещала клиенту:

«Да, конечно, мы сделаем вам это за 480 тысяч и закончим к пятнице».

А производство вообще не в курсе.

Вот здесь уже начинается корпоративная комедия.

Поэтому я делю автоматизацию примерно на три зоны.

Зелёная зона

ИИ можно дать практически полную автономность.

Это задачи, где ошибка дёшева и обратима:

сортировка, классификация, извлечение данных, сводки, черновики, мониторинг, техническая обработка, маршрутизация сообщений.

Здесь человек проверяет систему в целом, а не каждую операцию.

Жёлтая зона

ИИ работает сам, но результат периодически или выборочно проверяется.

Например:

контент, первичная квалификация лидов, ответы клиентам, аналитика, подготовка коммерческих предложений, рекомендации менеджеру.

Здесь уже нужны логи, контроль качества и возможность быстро вмешаться.

Красная зона

ИИ может помогать.

Но финальное решение принимает человек.

Деньги.

Юридические обязательства.

Изменение важных договоров.

Увольнение сотрудников.

Крупные скидки.

Медицинские решения.

Финансовые операции.

Всё, где одна красивая галлюцинация может внезапно стать очень дорогой.

Самая большая ошибка — автоматизировать хаос

Есть ещё одна проблема, о которой продавцы ИИ-автоматизации говорить любят гораздо меньше.

Нельзя нормально автоматизировать процесс, которого нет.

Если сегодня заявки:

падают в Telegram,

иногда приходят на почту,

ещё часть менеджер записывает себе в блокнот,

клиентов называют кто «горячий», кто «нормальный», кто «вроде мужик заинтересованный»,

а правила скидок существуют исключительно в голове директора…

то нейросеть тут не спасёт.

Она просто позволит хаосу двигаться быстрее.

Сначала нужно понять:

что является входом;

что должно получиться на выходе;

какие решения принимаются по дороге;

какие данные нужны;

когда процесс заканчивается;

где требуется человек.

И только потом прикручивать интеллект.

Вообще чем больше я занимаюсь автоматизациями, тем чаще вижу удивительную вещь:

главная сложность внедрения ИИ часто вообще не в ИИ.

Она в том, что сначала приходится объяснить компании, как на самом деле работает сама компания.

Агенты ничего магически не изменили

Сейчас модное слово — «агент».

И вокруг него уже возникло ощущение, будто обычная нейросеть была просто говорящей головой, а агент наконец стал настоящим сотрудником.

Не совсем.

Агент отличается прежде всего тем, что может не только ответить, но и выполнить последовательность действий.

Получить задачу.

Решить, что делать.

Использовать инструменты.

Посмотреть результат.

Сделать следующий шаг.

Например:

пришла заявка → прочитать → определить клиента → найти данные в CRM → проверить историю → составить ответ → отправить → поставить задачу менеджеру.

Это уже очень мощная штука.

Но чем больше действий мы разрешаем агенту, тем интереснее последствия ошибки.

Если чат написал глупость — неприятно.

Если агент написал глупость, отправил клиенту, поменял статус сделки, создал счёт и перенёс встречу — у нас уже полноценная автоматизированная жизнь.

Поэтому агентность должна расти вместе с контролем.

А не вместо него.

Я вообще не хочу, чтобы ИИ был идеальным

Это может прозвучать странно.

Но для хорошей автоматизации мне не нужна модель, которая никогда не ошибается.

Такой модели всё равно пока нет.

Мне нужна система, которая нормально переживает ошибку.

Вот это принципиальная разница.

Допустим, нейросеть не поняла сообщение клиента.

Плохая архитектура:

придумать ответ и отправить.

Хорошая:

уверенность низкая → ничего не выдумывать → запросить уточнение или передать человеку.

Провайдер нейросети лёг?

Плохая:

всё остановилось.

Хорошая:

резервная модель подхватила задачу или операция встала в понятную очередь ожидания.

Контролёр нашёл ошибку в готовом материале?

Плохая:

генерируем всё заново и надеемся, что станет лучше.

Хорошая:

исправляем конкретное место и повторно проверяем.

Вот тогда ИИ начинает становиться инфраструктурой.

А не очень умным стажёром, которого каждое утро приходится искать по офису.

Так сколько бизнеса можно автоматизировать уже сейчас?

Много.

Гораздо больше, чем автоматизировано в большинстве компаний.

Я спокойно автоматизировал бы почти полностью:

первичную обработку данных, классификацию, внутренние сводки, мониторинг, техническую контентную рутину, транскрибацию, маршрутизацию обращений и значительную часть первой линии поддержки.

С контролем — работу с лидами, маркетинговые материалы, аналитику, подготовку предложений и некоторые агентские процессы.

А вот окончательные решения с серьёзными деньгами, обязательствами и последствиями пока оставил бы человеку.

Не потому что ИИ «глупый».

А потому что автономность — это не характеристика модели. Это характеристика всей системы вокруг неё.

И вот когда бизнес это понимает, вопрос меняется.

Уже не:

«Какого сотрудника заменить нейросетью?»

А:

«Какую часть процесса вообще больше не должен делать человек?»

Вот это, на мой взгляд, гораздо интереснее.

И обычно именно с этого начинается настоящая автоматизация.