На экране — AI-ассистент: за секунды отвечает клиенту, собирает отчёт, находит договор. Потом собственник спрашивает: «А что изменилось в экономике компании?» И выясняется, что исходные показатели никто не зафиксировал.

Технически проект состоялся. Управленчески — пока нет.

Я строю AI-продукты и работаю с компаниями. Убедительное демо показывает возможности технологии. Чтобы получить деньги, нужно выбрать задачу, изменить процесс и договориться об ответственности. Вот что я проверяю.

1. Где бизнес теряет деньги

«Нам нужен чат-бот» — ещё не задача. Допустим, коммерческое предложение готовится три дня. ИИ пишет текст за десять минут, но менеджер по-прежнему ждёт расчёта себестоимости и согласования скидки. Клиент почти не замечает разницы. Сначала стоит пройти весь путь заявки и найти ограничение. Иногда решение — интеграция систем или отмена лишнего согласования.

2. Как время превратится в финансовый эффект

Освободившийся час сам по себе не создаёт заказ и не сокращает расходы. Компания обработает больше заявок, уменьшит сверхурочные или выдержит рост без найма? Если нет — пока появился запас мощности.

Я считаю дополнительную маржинальную прибыль, подтверждённое сокращение расходов и полную стоимость решения: данные, интеграции, обучение, проверки, исправления и поддержку. Одни и те же минуты нельзя одновременно записать в экономию и дополнительные продажи.

3. Кто может изменить процесс

ИТ отвечает за систему, подрядчик — за объём работ. За бизнес-результат нужен владелец с метрикой и полномочиями менять работу. Для процесса через несколько подразделений — спонсор, способный разрешать конфликты между ними.

4. Что происходит после генерации

Презентация за пять минут мало помогает, если руководитель два часа проверяет цифры. Измерять нужно полный цикл до принятого результата, включая переделки и согласования. В поддержке — стоимость решённого вопроса, повторные обращения, жалобы и передачу человеку, а не только скорость первого ответа.

5. Что изменится в ежедневной работе

Если после обучения остаются прежние KPI, ручной перенос данных и старые согласования, сотруднику просто добавили инструмент. До запуска нужно решить, какие действия исчезнут, что проверит человек и куда пойдёт высвободившееся время. Обучать — на реальных задачах команды.

6. Выдержит ли решение реальную работу

Для выбранного процесса нужны актуальные данные и понятные права доступа. В пилот должны попасть неполные заявки, устаревшие документы и исключения. Критерии успеха и остановки определяют заранее.

Агенту, который сам отправляет письма или меняет данные, нужны границы полномочий, журнал действий, мониторинг и возможность отключения. Автономность расширяют после проверки надёжности.

Что я бы сделал за первые 90 дней

Первый месяц — выбрать один-два сценария, назначить владельцев и зафиксировать исходные метрики. Второй — проверить решение на ограниченном потоке реальных задач, учитывая расходы и переделки. Третий — масштабировать подтверждённый эффект, сузить сценарий или остановить неудачную гипотезу.

Это срок для обоснованного решения, а не обещание закончить AI-трансформацию.

В работе с компаниями я помогаю пройти этот путь через AI-стратсессию, аудит с дорожной картой или сопровождение в роли внешнего AI-директора.

Главный вопрос на совещании: какой результат теперь получается быстрее, дешевле или надёжнее — и чем это подтверждено?

Полная статья с примерами и исследованиями.