Компания подключает ИИ-ассистента к отделу продаж, автоматизирует обработку заявок или даёт нейросети доступ к внутренним документам. Первые недели всё выглядит хорошо: система отвечает на вопросы, собирает данные, помогает сотрудникам.
Через несколько месяцев оказывается, что работа почти не изменилась. Менеджеры так же долго готовят коммерческие предложения, каждый ответ ИИ перепроверяют, часть операций по-прежнему делают руками.
Чаще всего дело не в технологии, а в том, к чему её подключили: к плохо устроенному процессу, устаревшим данным или задаче без понятного результата.
Понятно, кто что делает и в каком порядке
Актуальные и без противоречий
Есть человек, который отвечает за результат
Работают поверх этого фундамента
Когда фундамент в порядке
ИИ не заменит порядок в процессах и данных.
Ниже — шесть ошибок внедрения ИИ, что проверить до запуска и как посчитать, окупилось ли решение.
Почему внедрение ИИ не решает проблемы бизнеса автоматически
Производственная компания решила готовить коммерческие предложения с помощью ИИ. Система пишет текст по запросу менеджера, но цены берёт из старой таблицы, не знает текущих сроков поставки и изменений в комплектации.
Бывает и наоборот: ИИ работает правильно, но задача, которую ему дали, почти ни на что не влияет. Например, компания автоматизировала резюме внутренних встреч, а продажи тормозит долгое согласование технических требований и условий.
Ошибка сделана раньше — когда выбирали задачу и не разобрались, как устроена работа. Качество текста нейросети тут ни при чём.
Мало проверить, что инструмент работает. Смотрите, что изменилось в процессе и стало ли проще решать исходную задачу.
Шесть ошибок внедрения ИИ в бизнесе
1. Компания внедряет технологию, не определив задачу
Часто решение «внедряем ИИ» принимают раньше, чем понимают, зачем он нужен. Руководство хочет современный инструмент, и сотрудники начинают придумывать, к чему его применить.
Так появляются отдельные помощники и автоматизации, которые закрывают мелкие задачи и не влияют ни на крупные расходы, ни на задержки.
Начинать лучше с конкретной проблемы. Например:
- менеджеры по несколько часов ищут информацию о продукции
- сотрудники вручную переносят заявки в CRM
- технический отдел снова и снова отвечает на одни и те же вопросы
По каждой такой задаче выясните, сколько времени она занимает, как часто повторяется и что мешает делать её быстрее. Способ решения выбирайте после этого.
- Какую проблему убираем
- Как её решают сейчас
- По каким признакам поймём, что стало лучше
2. ИИ подключают к неорганизованному процессу
Если не определено, кто обрабатывает заявки, где фиксируются договорённости и как задачи передаются между отделами, нейросеть порядок не наведёт.
Пример: запросы приходят на почту, через сайт и в мессенджеры. Одни менеджеры заводят карточки в CRM, другие ведут свои таблицы, часть договорённостей остаётся в переписке. Компания решает поручить ИИ первичную обработку обращений.
ИИ научится определять тему письма и доставать из него контакты. Но без правил он не решит, кому отдать заявку, какие сведения считать актуальными и что делать с неполным обращением.
Сначала договоритесь о порядке работы с заявкой: где её регистрируют, кто за неё отвечает, какие данные обязательны и когда подключается другой отдел. Потом автоматизируйте то, что подходит.
- Описан ли процесс от поступления задачи до её закрытия
- Назначены ли ответственные
- Есть ли правила для нестандартных случаев
3. Данные не подходят для работы ИИ
От качества данных для ИИ напрямую зависит, будет ли от него польза. Хорошая модель не даст точного ответа, если информация в компании неполная, противоречивая или устаревшая.
На производстве данные обычно разбросаны по разным местам:
- характеристики оборудования — в PDF-каталогах
- цены — в учётной системе
- история общения с клиентом — в CRM
- условия поставки — в переписке и договорах
В разных источниках встречаются разные версии одних и тех же данных.
Сводить все данные в одну систему для начала не нужно. Достаточно определить, где лежит актуальная информация по каждому вопросу, кто её обновляет и какие источники ИИ можно использовать.
Если ИИ будет работать с внутренними документами, проверьте, как он читает таблицы, сканы и сложные файлы и может ли показать, на какой документ опирается.
- Актуальны ли материалы и нет ли в них противоречий
- Как настроены права доступа
- Можно ли проверить источник каждого важного ответа
4. От ИИ ждут полностью самостоятельной работы
Нейросеть подготовит черновик письма, достанет сведения из документа, предложит ответ клиенту. Это не значит, что ей можно без проверки поручить любое действие.
Если система готовит коммерческое предложение, она не должна сама назначать цену, подтверждать наличие товара или обещать срок поставки, не сверившись с актуальными данными. Ошибка здесь обойдётся дороже, чем сэкономленное время.
Мы закладываем это правило в каждый проект: отправку КП, изменение цены или оплату ИИ выполняет только после подтверждения сотрудником.
Насколько строго проверять, зависит от цены ошибки. Черновик внутреннего письма сотрудник просмотрит за минуту. Ответ с техническими характеристиками или условиями сделки нужно проверять тщательнее.
- Что система делает сама
- Где нужно подтверждение сотрудника
- Что она делает, если данных не хватает
5. За внедрение никто не отвечает со стороны бизнеса
Настроить систему — ещё не значит, что сотрудники начнут ею пользоваться и получат пользу.
Компания внедрила ИИ-ассистента для отдела продаж. Разработчики его настроили, а менеджерам не объяснили, для каких задач он нужен. Руководитель отдела не смотрит на качество ответов, ошибки никто не записывает и не разбирает.
Постепенно сотрудники возвращаются к старому способу работы. Проект закрыт, а изменений нет.
У внедрения должен быть ответственный со стороны бизнеса. Он:
- ставит задачу
- согласует критерии результата
- собирает обратную связь от сотрудников
- решает, что делать дальше
Техническая команда отвечает за настройку и работу системы, сотрудники сообщают об ошибках и неудобствах.
- Кто отвечает за результат
- Кто следит за качеством
- Кто решает, дорабатывать или расширять систему
6. Результат оценивают по факту использования ИИ
Сколько создано ассистентов, обработано запросов и сгенерировано документов — об эффективности это ничего не говорит.
ИИ помогает менеджерам быстрее писать коммерческие предложения. Но если каждое КП потом долго проверяют и правят, общие трудозатраты почти не меняются.
«Внедряем, потому что модно»
«Подключаем ИИ к хаосу»
«Устаревшие или противоречивые данные»
«ИИ решает всё сам»
«Никто не отвечает за результат»
«Считаем запросы, а не эффект»
ИИ приносит пользу, когда понятно, какую задачу он решает, на каких данных работает и кто отвечает за результат.
Как оценить эффективность внедрения ИИ
До запуска зафиксируйте, сколько ресурсов уходит на процесс сейчас:
- время сотрудников
- стоимость обработки одного обращения
- число ошибок
- задержки
Затем определите, какого изменения ждёте. Например, сократить время на первый вариант коммерческого предложения или уменьшить ручной перенос данных в CRM.
Показатели выбирайте под исходную задачу.
| Задача | Что оценивать |
|---|---|
| Подготовка коммерческих предложений | Время подготовки и проверки документа |
| Обработка входящих заявок | Время до первого ответа, долю заявок с ошибками |
| Поиск технической информации | Время поиска, точность ответов |
| Работа с внутренними документами | Время обработки запроса, количество исправлений |
| Поддержка клиентов | Время решения обращения, долю ответов, требующих вмешательства специалиста |
Сравнивайте с тем, что было до запуска. Смотрите не только на скорость, но и на качество: если задачу делают быстрее, а ошибок стало больше, говорить об успехе рано.
Учитывайте и расходы: разработку, интеграцию, лицензии, сопровождение и время на проверку результатов.
После запуска повторите замеры на похожих задачах. Если за это время сильно изменились условия работы, сделайте на это поправку, иначе непонятно, откуда взялся результат.
Для предварительной оценки экономического эффекта подойдёт формула:
Экономический эффект = стоимость сэкономленных ресурсов + подтверждённые дополнительные выгоды − затраты на внедрение и эксплуатацию.
- 20 минна одно КП
- 5ошибок в месяц
- 8 минна одно КП
- 2ошибки в месяц
Экономия: 12 минут × 50 КП = 10 часов в месяц. Это пример, а не результат клиента.
Дополнительные выгоды тоже нужно подтвердить. Быстрый ответ на заявку не обязательно увеличит продажи: на них влияют цена, качество предложения, наличие продукции и многое другое.
Считайте тот эффект, на который решение действительно влияет, и не записывайте на счёт ИИ все изменения в компании.
Для каких задач подходит автоматизация бизнес-процессов с помощью ИИ
ИИ стоит рассматривать там, где сотрудники работают с большим объёмом документов, текстов и обращений, а жёсткими правилами обработку не описать.
В B2B-компаниях это, например, такие задачи.
- 1Поиск информации в технической документации. Ассистент находит нужное в инструкциях, каталогах и регламентах, и специалисту не нужно листать десятки файлов. Цифры и характеристики всё равно сверяйте с первоисточником.
- 2Первичная обработка обращений. ИИ определяет тему сообщения, достаёт основные данные и готовит короткое резюме для менеджера. Кому передать заявку, решают заранее заданные правила.
- 3Подготовка документов. Система собирает черновик коммерческого предложения, письма или отчёта по утверждённому шаблону и вашим данным. Цены, комплектацию и условия сделки проверяют отдельно.
- 4Внутренняя база знаний. Сотрудники задают вопросы обычным языком и получают ответы по внутренним инструкциям и документам. Здесь важны актуальность материалов, права доступа и ссылка на источник ответа.
Но ИИ нужен не везде. Перенести данные из одной системы в другую, отправить уведомление при смене статуса, создать задачу по условию — с этим проще справляется обычная автоматизация. Когда хватает возможностей CRM без ИИ, мы разбирали в статье «Когда производственной компании действительно нужен Битрикс24».
ИИ нужен там, где надо понимать смысл текста, работать с обычной речью или разбирать неоднозначные запросы. Для операций с чёткими правилами обычно хватает интеграций и стандартной автоматизации.
Когда стоит обратиться за внедрением ИИ
Черновики и эксперименты с открытыми сервисами компания может начать сама. Но если решение должно работать с внутренними данными, CRM, обращениями клиентов или несколькими системами сразу, придётся продумать интеграции, права доступа, проверку качества и что делать при ошибках.
С подрядчиком обсуждайте не только технологию, но и процесс. Он должен объяснить:
- какие задачи стоит отдать ИИ
- где у решения ограничения
- как будет проверяться результат
Итог
Внедрение ИИ чаще всего не даёт результата по одним и тем же причинам: выбрана не та задача, процессы и данные не готовы, нет ответственного, а успех считают по числу автоматизированных операций.
Прежде чем вкладываться, разберитесь, какую проблему решаете, как сейчас устроен процесс и какие показатели должны измениться. Затем проверьте идею на небольшом объёме задач и решайте по цифрам.