Внедрение ИИ в бизнес-процессы компании: пошаговый план

ИИ Кейсы

Executive summary

Google отчитывается в своем свежем отчете "Возврат инвестиций от ИИ" о таких данных:

74% руководителей сообщают о достижении окупаемости инвестиций в течение первого года;
среди руководителей, которые сообщают о повышении производительности в своих компаниях, 39% отмечают, что производительность выросла как минимум вдвое.

Главный вывод: именно ИИ-агенты совместно с перестройкой бизнес-процессов дают такой эффект.

Внедрение ИИ в бизнес-процессы начинается с грамотного выбора области трансформации, которая называется доменом. А внутри домена еще важен правильный выбор пилотного сценария.

Детали о том, как выбрать домен и сценарий, с примерами ниже в статье.

Шаг 0. Сначала процессы, потом технологии

Если вложения в ИИ идут вместе с организационными изменениями, отдача от них в 5 раз выше. А если просто накладывать ИИ на старые рельсы, то измеримого эффекта от внедрения ИИ не будет.

Большая часть успеха (70%) зависит от людей и процессов, и только 10% от выбора нейросети, и 20% от данных, инфраструктуры и возможностей по интеграции с системами.

Ссылки на источники всех цифр приведены в конце статьи.

Шаг 1. Выберите домен для ИИ-трансформации бизнеса

Что такое домен

Это часть компании, которая объединяет связанный набор работ, с понятным владельцем и измеримыми результатами. Пример из страховой компании: домен "Урегулирование убытков" идёт от заявления клиента о страховом случае до выплаты. Домен задаёт границы трансформации. Трансформацию направляют на домен целиком, отдельные сценарии использования идут внутри него как пилоты.

Критерии выбора

Размер. Домен должен быть достаточно крупным, чтобы эффект был заметен на уровне компании. И достаточно замкнутым, чтобы его можно было перестроить без сильной зависимости от других подразделений.

Количество доменов. В компании с одним бизнесом их обычно 10-15, в группе компаний домены выделяют на уровне бизнес-единицы. Для первой волны трансформации берут 1-2 домена, после их трансформации расширяют еще на 2-3. Если взять больше, нужны крупные вложения, больше координации и ресурсов, и риски становятся выше.

Ценность оценивают по таким параметрам:

Улучшение клиентского опыта;
Финансовый эффект через операционные KPI: рост клиентов, выручка на клиента, отток, стоимость обслуживания;
Скорость выхода домена на измеримые результаты: ИИ-проекты должны быть в диапазоне 6-18 месяцев, не надо строить космолет, но и быстрых результатов за квартал не ждите.

Сложность оценивают по таким параметрам:

Длительность разработки;
Бюджет разработки;
Поддержка руководителей домена и отсутствие конкурирующих приоритетов (например, внедрения новой ИТ-системы или крупной работы по регуляторике);
Готовность данных и технологий (устаревшие системы это частая отговорка, в нашей практике устаревшее мышление мешает сильнее).

Точные расчёты на этом этапе не нужны. Матрица "ценность × сложность" помогает структурировать разговор с менеджментом, бизнес-кейс можно посчитать точнее позже.

Кейсы ИИ-трансформации: как компании выбирали домен

Проектная компания, которая живёт тендерами. До ИИ она подавала около 20 тендеров в год, в плановую маржу попадали примерно 70%. Доменом выбрали всю тендерную работу: проверку маржи, закупку и поиск поставщиков. За 3 месяца её пересобрали вместе с одним ИИ-инженером, своих разработчиков в компании нет. ИИ предложил тендер со сложной сертификацией, в 50 раз крупнее прошлых. За следующие 4 месяца выиграли ещё два таких. Плановая прибыль по законтрактованным проектам на следующий год выросла в 6 раз. Так выглядит эффект на уровне домена: у компании появилась новая стратегическая ставка.

Производитель FMCG: выбрали закупки и сквозное планирование цепочки поставок. Производство отложили: ценность высокая, но и сложность высокая. Персонализированный маркетинг в цифровых каналах отложили: сделать легко, но ценность мала.

Телеком: выбрано выездное обслуживание и ремонт. Сделали ИИ-инструмент, который подсказывает диспетчерам тип вызова и нужные запчасти. Кросс-функциональные команды получили общие цели и мотивацию, инженеров и диспетчеров обучили в КорпУниверситете.

Эксплуатационная компания: выбран домен "Техническое обслуживание и ремонт" как первый для трансформации: копилот находит причины поломок и подсказывает регламенты.

Какой домен выбирать НЕ надо

Слишком мелкий - тогда эффекта не видно, измерить нечего.

Слишком крупный: трансформировать значимую часть компании слишком дорого, и обычно такие мегапроекты ведут к провалу.

Размазать ресурсы по несвязанным инициативам. Это самая частая ошибка: активности много, ценности мало. Пример: российский банк из топ-30 купил несколько тысяч лицензий через партнера к передовым моделям в желании ИИ-зировать все процессы, но измеримого ценного эффекта это не принесло.

В чем отличие домена от процесса или от департамента

Домен vs процесс. Процесс может быть одним из способов выбрать домен, наряду с клиентским путём и функцией. Разница будет в масштабе: домен охватывает сквозной поток ценности целиком, и внутри него много процессов. Один процесс внутри домена будет выбран в качестве пилотного, детали о том, как его выбрать, смотрите ниже.

Домен vs департамент. Одна функция (продажи, финансы, маркетинг) тоже может быть доменом. Но большинство компаний выбирают процессы или клиентские пути: так клиенты и сотрудники получают больше ценности. Границы домена проводят по ценности и замкнутости, оргструктура тут вторична. У домена есть владелец: бизнес-лидер, который отвечает за результат, бюджет и приоритеты. Так у бизнеса и ИТ не расходятся мотивация и приоритеты.

Шаг 2. Выберите один сценарий для пилота внедрения ИИ

После выбора приоритетного домена важно правильно выбрать внутри домена сценарий для пилотного внедрения ИИ.

Отберите один часто повторяемый сценарий (сотни или тысячи повторов в месяц) по таким критериям:

Длительность сценария 1-3 недели,
У него 3-7 этапов,
Процесс можно описывать несложными правилами,
Есть измеримая метрика, или ее можно легко снять,
Есть один ответственный, или его можно закрепить.

Не все пять критериев обязаны выполняться: если у вас есть 3 из 5, это уже хороший кандидат на пилот.

Если взять целую функцию (закупки, обслуживание) как рамки пилота, то он увязнет в согласованиях.

И наоборот: если взять только 1-2 шага процесса, то ключевая бизнес-метрика не сдвинется.

Примеры правильного масштаба:

Проверка пакетов документов по претензиям,
Генерация КП,
Настройка таргетинга и визуала в диджитал рекламе,
Обработка заявок на возвраты товаров,
Поиск проектов на тендерных площадках, подготовка тендерной документации,
Разработка кода по проработанному ТЗ.

Сейчас мы видим, что бОльшая часть бюджетов на ИИ уходит в пилоты для продаж и маркетинга. Это выглядит логично, бизнес всегда хочет зарабатывать быстрее. Делают чат-боты для лидов, генерацию рекламных текстов и креативов, персонализацию сообщений под клиента и даже массовую отправку через мессенджеры.

НО! Если считать ROI, то самая высокая окупаемость у внутренних задач: автоматизация документооборота и юридической проверки договоров, обработка закупочных заявок, замена части аутсорса поддержки клиентов внутренними ИИ-агентами.

Первый рабочий инструмент по правильно выбранному сценарию можно собрать за несколько дней. Дальше время уходит на то, чтобы встроить его в процесс и поменять KPI. Кейсы из нашей практики:

Сценарий	Было	Стало
Подбор оборудования под тендер среди 50 000 позиций и чек-лист рисков	4-5 часов на тендер	около 5 минут
Разработка: от взятия задачи в работу до релиза	3 недели	1 день

Шаг 3. Этапы внедрения ИИ в процесс: от ассистента к агенту

Этап 1. Декомпозиция и маркирование процесса

Рутину (собрать документы, найти данные в CRM/ERP, сверить с правилами, подготовить черновик, заполнить форму) отделяют от задач, где нужна ответственность (спорные случаи, исключения, разговор с клиентом, утверждение). Декомпозицию обязательно делает владелец процесса со стороны бизнеса. Не надо ее отдавать в ИТ.

Этап 2 (промежуточный). Разрабатывайте и запускайте агента как инструмент сотрудника

Рутина передается агенту шаг за шагом по этапам процесса, сложные части процесса на человеке. По факту это еще не агент, а ассистент. Разница между ИИ-ассистентом и ИИ-агентом в том, кто принимает решение: ассистент готовит, человек подтверждает, а агент сам доводит простые случаи до результата. Ассистент собирает данные, классифицирует, предлагает решение с уровнем уверенности и рисками, а человек подтверждает каждое действие. Когда накопится статистика и качество ответов ассистента выйдет на целевую планку, агенту отдают простые случаи, нестандартные остаются у человека.

Заметим, что не все ассистенты перерастают в агентов.

Чтобы понять, возможно ли это, ответьте на такие вопросы:

Можно ли работать без проверки каждого решения?
Приемлема ли цена ошибки?
Все ли данные сейчас оцифрованы?
Есть ли чёткие критерии успеха?

Подсчитайте ответы "да". Если "да" три или четыре, начинайте движение к автономному ИИ-агенту, который работает в процессе с минимальным участием человека. Если меньше трёх, остановитесь на уровне ассистента.

Этап 3 (ключевой). Переход от ассистента к агенту и смена KPI

Пока сотрудника оценивают по старым метрикам, он будет обходить ИИ. Пример: сотруднику поддержки платят за число закрытых заявок, и ему быстрее закрыть заявку самому, чем проверять и докручивать черновик агента. Поэтому вместе с запуском агента меняют то, за что отвечает сотрудник. Раньше он делал всю работу руками. Теперь он проверяет работу агента, ловит его ошибки и берёт себе сложные случаи. Оргструктуру при этом трогать не нужно.

Пример смены KPI:

Роль	KPI до ИИ	KPI с ИИ
Специалист поддержки	Сколько заявок закрыл за смену, среднее время на заявку	Какая доля заявок решена без повторного обращения; сколько ошибок агента поймал до отправки клиенту; оценки клиентов по сложным случаям, которые агент передал человеку
Менеджер по продажам (КП)	Сколько КП отправил за неделю	Сколько КП превратилось в сделки; сколько часов прошло от запроса клиента до КП; как часто приходится сильно переписывать черновик агента (если часто, агента надо доучить)
Таргетолог	Сколько кампаний и креативов запустил	Сколько стоит лид и продажа; сколько гипотез проверено за месяц
Разработчик	Сколько задач закрыл	Сколько дней проходит от взятия задачи в работу до релиза на тестовое / продакшен окружение
Бухгалтер, отвечающий за разбор и классификацию счетов поставщиков	Сколько счетов провёл вручную	Какая доля счетов прошла без участия человека. Сколько исключений разобрал человек.

Шаг 4. Команда внедрения ИИ: роли в пилоте

Разберём, какая команда нужна для пилота и какие роли в ней должны быть. Типовая команда пилота: 3-4 человека.

Команда-минимум это владелец процесса и ИИ-чемпион.

Владелец процесса:

раскладывает процесс на рутину и задачи с ответственностью;
задаёт бизнес-метрику и её базовое значение до пилота;
решает, какие случаи отдать агенту, а какие оставить людям;
ведёт еженедельный разбор результатов, журнал ошибок и дашборд;
меняет KPI сотрудникам.

Он отвечает за результат в бизнес-метриках: время обработки, повторные обращения, стоимость операции.

ИИ-чемпион является встроенным в команду техническим партнёром и инженером:

готовит данные;
автоматизирует процессы;
налаживает интеграции;
запускает агентов и eval.

В крупном бизнесе появляется отдельная роль инженера данных. Обычно данные разбросаны по разным системам в разном формате, и никто в компании не отвечает за то, чтобы инструмент учился на реальных задачах. Часть данных может вообще жить только в головах людей. Это решаем в первую очередь.

Также обязательно за командой закрепляется куратор уровня CEO-1, он выделяет на пилот 10-20% времени и обеспечивает бюджет. Он не входит внутрь команды, но регулярно с ней на связи.

Кейс из нашей практики: в крупном телекоме внедрение было нужно только генеральному директору. Для CTO и CPO проект нёс риск: от их команд начнут требовать большей производительности, а компенсацию пересматривать не будут. Сменился CEO, и сопровождение отменили. Поэтому куратором должен быть тот, кто получает выгоду от результата.

По мере перехода от пилотов к масштабированию в каждой бизнес-функции появляются свои ИИ-чемпионы. ИИ-чемпионы могут переходить из функции в функцию, передавая компетенцию внутрь команды функции. Следующий шаг масштабирования: учить вайб-кодингу самих менеджеров. Тогда простые автоматизации перестают стоять в очереди к ИТ, и сотрудники собирают инструменты под свои задачи сами.

План внедрения ИИ на первый квартал

Первые 30 дней: аудит сценариев, выбор одного сценария, сбор команды.
Вторые 30 дней: пилот с заранее снятыми текущими и целевыми (прогнозными) метриками, еженедельным разбором и журналом ошибок. Новых сценариев на этом этапе не добавляем.
Финальные 30 дней квартала: решение масштабировать, доработать или остановить.

По опыту наших клиентов реалистичные сроки получения первых эффектов это 3-6 месяцев.

Кейс из нашей практики: в ИТ-подразделении телеком-компании на 700 человек за 3 месяца провели пилоты ИИ-разработки в 5 командах. Три команды перешли на новый цикл: выпуск задачи за один день, новая роль продуктового инженера, который сам ведёт фичу от задачи до релиза. В одной команде пилот отменили. Ещё одна ускорила только формирование требований и тест-кейсов, саму разработку из-за особенностей стека ускорить не удалось. Это нормальный итог пилотов: часть масштабируют, часть останавливают.

В качестве заключения

Предлагаем начать с 45-минутного разбора одного процесса для пилота. Если вы еще не выбрали домен, то поможем структурировать выбор. Оценить готовность компании к внедрению ИИ можно самостоятельно по нашему чек-листу ИИ-зрелости.

Мы вместе с вами:

найдём бутылочное горлышко в одном процессе;
покажем, где ИИ даст быстрый эффект на бизнес, а где нет;
наметим первые шаги, которые команда сделает за неделю и за месяц.

Разборы ведут Константин Хохрин и Анатолий Коротков, основатели Адаптивной стратегии.

Записаться на бесплатный разбор

Полезные источники

Канал "Адаптивная стратегия": в нем делимся, как собрать или обновить стратегию легковесным способом, сонастроить команду топ-менеджеров и наладить ритм реализации стратегических целей, внедрить ИИ в процессы так, чтобы был бизнес-результат;
Исследование "Яков и Партнёры" "ИИ-агенты: где хайп, а где реальность";
Статья-выжимка про домены из книги Rewired от McKinsey;
Отчет "State of AI";
Отчет Google "Возврат инвестиций от ИИ".

Вопросы и ответы о внедрении ИИ

С чего начать внедрение ИИ в компании?

С выбора домена: одной-двух областей бизнеса, где ИИ даст заметный эффект и которые можно перестроить без сильной зависимости от других подразделений. Внутри домена выберите один повторяемый сценарий для пилота и закрепите за ним владельца со стороны бизнеса.

Чем ИИ-агент отличается от ИИ-ассистента?

Ассистент собирает данные и готовит черновик решения, а человек подтверждает каждое действие. Агент сам доводит простые случаи до результата, человеку остаются исключения и спорные случаи.

Как выбрать процесс для пилота ИИ?

Нужен сценарий, который повторяется сотни раз в месяц, длится 1-3 недели, состоит из 3-7 этапов, описывается несложными правилами, имеет измеримую метрику и одного ответственного. Достаточно, чтобы выполнялись три критерия из пяти.

Когда ждать эффекта от внедрения ИИ?

Решение по пилоту принимают через 90 дней. По опыту наших клиентов первые эффекты появляются через 3-6 месяцев, а измеримые результаты на уровне домена через 6-18 месяцев.

Кто должен быть в команде внедрения ИИ?

Минимум владелец процесса со стороны бизнеса и ИИ-чемпион, который готовит данные, интеграции и агентов. В крупной компании к ним добавляется инженер данных, а за командой закрепляется куратор уровня CEO-1, который обеспечивает бюджет.