Если нужны эффекты, то начинать надо не с ИИ инструментов.
Частый запрос, а где внедряется ИИ сейчас? Всегда рекомендую начинать с обследования процессов.
Берем основные блоки компании:
- управление;
- продукт;
- разработка;
- продажи;
- customer success;
- маркетинг;
- финансы;
- HR.
И по каждому процессу задаем 5 вопросов: 1. Где тратится время? 2. Где повторяется ручная работа? 3. Где теряются решения? 4. Где дорогая ошибка? 5. Где AI может помочь уже сейчас, а где лучше не трогать?
Например: Внутренние встречи. Время тратится на синки, статусы, повторные обсуждения. Ручная работа — протоколы, follow-up, перенос задач в Jira. Решения теряются в звонках и чатах. AI уже сейчас может делать транскрибацию, summary, список решений, action items и черновик задач в Jira, а владельцу процесса останется только подтвердить, что всё сформировано корректно.
Разработка. Время теряется на уточнение требований, переделки, ожидание ответов. Ручная работа — проверка user stories, acceptance criteria, тест-кейсов, релизных заметок. Решения теряются между продуктом, аналитикой, разработкой и QA. Ошибка дорогая: дефект в проде, срыв релиза, лишний спринт. AI может проверять требования и артефакты до того, как они попадут в разработку и прогонять тесты по чек листам, высвобождая время разработчиков.
Продажи. Время уходит на переписки, коммерческие предложения, CRM, разбор отказов. Ручная работа — понять, почему отвалился лид, что обещали клиенту, где конкурент оказался сильнее. Решения теряются между сейлзами, продуктом и маркетингом. Представьте себе, если ИИ агент соберёт новый прототип и ТКП прямо на встрече с клиентом, а менеджеру останется только проверить и отправить предложение.
Контроль затрат. Время уходит на сбор расходов из разных систем: облака, лицензии, подрядчики, поддержка, инфраструктура. Ручная работа — искать дубли, аномалии, неиспользуемые сервисы. Часто затраты приходят пост фактум и среагировать уже не возможно. AI может искать аномалии, повторяющиеся расходы и гипотезы оптимизации.
Почему именно эти 4 процесса? Потому что у них обычно есть три свойства:
- высокая частота;
- много текстовых и цифровых следов;
- понятная цена ошибки
- есть владелец.
Хорошая AI-карта процессов отвечает не на вопрос “какой бот нам нужен”. Она отвечает на вопрос: где у компании уже есть повторяемая боль, данные и понятный эффект и какой эксперимент можно пробовать запускать.
Прикрепил карточку с примерами метрик и инструментов. А вот ссылка на отличный кейс от BCG которые провели полноценное большое исследование суть которого в том, что ИИ полезно только там где люди осознанно понимают что и зачем они делают с GPT. Если интересно - пишите. Соберём карту процессов и инструментов под вашу задачу.
