Нейросети для бизнеса: с чего начать и что автоматизировать первым

Разговор про нейросети в компании обычно начинается не с той стороны. Собственник читает про очередную модель, приносит её на планёрку, руководители кивают — и через месяц выясняется, что подписку оплатили, а пользуется ей один маркетолог для заголовков. Деньги небольшие, но осадок остаётся: «мы попробовали, не зашло».

Не зашло по понятной причине. Инструмент выбирали раньше, чем задачу.

Начинать нужно с процесса, а не с технологии

Правильный первый вопрос звучит так: на что мои руководители тратят больше всего времени и что из этого делается по понятным правилам. Пересечение этих двух множеств и есть зона, где ИИ даёт результат сразу.

Проверьте кандидата на автоматизацию тремя условиями:

1. Объём. Процесс повторяется каждую неделю и занимает часы, а не минуты. Экономить на том, что делается раз в квартал, бессмысленно.
2. Правила. Вы можете объяснить новому сотруднику за полчаса, что считается хорошим результатом. Если критерии живут только в голове у руководителя, сначала их надо достать наружу.
3. Терпимость к ошибке. Черновик, который человек проверит, — хороший кандидат. Платёжка, которая уйдёт в банк без проверки, — плохой.

Процессы, которые проходят все три фильтра, почти всегда связаны с текстом и данными: разговоры, письма, отчёты, документы, резюме. Именно там сегодня и есть отдача.

Пять сценариев, которые окупаются первыми

Ниже — то, что чаще всего работает у компаний от ста миллионов выручки. Оценка отдачи — в часах управленческого времени в неделю, потому что деньги считаются уже из них.

Контроль качества звонков

Самый недооценённый сценарий. В типичной компании руководитель отдела продаж слушает пять-десять разговоров в неделю из нескольких сотен — то есть видит два процента картины и делает выводы по ним. Модель разбирает все сто процентов по тому же чек-листу, которым пользуется руководитель, и выдаёт список разговоров, где были нарушения.

Меняется не только объём. Меняется предмет разговора на планёрке: вместо «мне кажется, вы плохо отрабатываете возражение по цене» появляется «возражение по цене прозвучало в сорока одном разговоре, отработано в девяти».

Условие успеха здесь одно: чек-лист должен существовать до внедрения. Если критериев качества нет, ИИ их не придумает — он лишь масштабирует то, что вы ему объяснили.

Сводка по отчётности

Речь не о том, чтобы модель считала цифры — считать должна система. Речь о слое поверх: взять готовые показатели, найти отклонения от плана и написать черновик комментария, почему так вышло. Руководитель правит и отправляет.

Это связка с оцифровкой: пока показатели не собираются автоматически, автоматизировать комментарий к ним нечего. Порядок именно такой — сначала данные, потом их интерпретация.

Типовая переписка

Работает там, где половина писем — вариации десятка одинаковых ситуаций: уточнение сроков, ответ на претензию, напоминание о задолженности, ответ подрядчику. Модель готовит черновик, менеджер правит и отправляет. Экономия времени заметна, но важнее выравнивание качества: слабый менеджер начинает писать на уровне сильного.

Первичный отбор резюме

Полезно на активном найме, особенно когда собираете команду и закрываете несколько позиций одновременно. Модель сравнивает отклик с профилем должности и — что важнее — объясняет, почему кандидат не подходит. Объяснение позволяет поймать момент, когда профиль составлен неверно и вы отсеиваете подходящих людей.

Финальное решение остаётся за человеком. Автоматический отказ без просмотра — способ потерять сильного кандидата с нестандартной биографией.

Черновики регламентов и документов

Классическая ситуация: процесс работает, но нигде не описан, потому что у руководителя нет четырёх часов на текст. Запись встречи, где этот процесс обсуждали, превращается в структурированный черновик за минуты. Дальше руководитель правит — но правит существующий документ, а это принципиально легче, чем писать с нуля.

Как считать эффект

До запуска зафиксируйте две вещи: сколько часов в неделю уходит на процесс сейчас и по какому признаку вы поймёте, что результат стал лучше. Без этого через месяц начнётся спор об ощущениях.

Для контроля качества звонков это выглядит так: было — восемь часов в неделю и пять разговоров из трёхсот; цель — два часа и все триста. Через месяц сравниваете. Цифры сошлись — масштабируете на другие отделы. Не сошлись — разбираетесь, где именно застряло, обычно дело в нечётком чек-листе.

Такой замер удобно оформить как пункт еженедельной встречи: сценарий внедрения — это обычный проект с ответственным и сроком, а не «пробуем новое».

Пять ошибок, которые съедают первые месяцы

• Начинать с самого сложного. «Давайте сделаем ИИ-агента, который сам ведёт сделку» — верный способ потратить квартал и ничего не получить. Начинают с процесса, который можно закрыть за две недели.
• Автоматизировать хаос. Если в отделе продаж нет описанной воронки, а в CRM половина сделок висит без этапа, нейросеть не наведёт порядок — она его отразит.
• Внедрять без владельца. У сценария должен быть конкретный руководитель, у которого этот процесс болит. Если ИИ внедряет «отдел ИТ для всех», не внедряет никто.
• Отдавать решения, а не черновики. На первом этапе человек проверяет всё. Убирать проверку можно только после того, как накопится статистика ошибок.
• Считать эффект в деньгах на старте. Первые два-три месяца эффект измеряется в освободившихся часах и в качестве. Деньги появляются позже, когда освободившееся время направлено на конкретную задачу — иначе оно просто растворится.

С чего начать на этой неделе

Возьмите один процесс. Один, не пять. Лучше тот, где болит у вас лично, — тогда хватит настойчивости довести до результата. Смежная тема — чат-бот для бизнеса: там разобрано, как это устроено на практике.

1. Опишите, что считается хорошим результатом. Час работы, лист бумаги.
2. Замерьте, сколько времени процесс занимает сейчас и с каким качеством выполняется.
3. Соберите сценарий на готовом инструменте — без разработки, руками руководителя.
4. Две недели работайте параллельно: человек и модель делают одно и то же, вы сравниваете.
5. Сошлось — оставляете и переходите к следующему процессу. Не сошлось — правите критерии, а не инструмент.

Через три-четыре таких цикла в компании появляется собственное понимание, где ИИ помогает, а где мешает. Это понимание ценнее любого списка модных инструментов: инструменты меняются каждые полгода, а привычка сначала описывать процесс и замерять результат остаётся.