Что делать, если ИИ уже начали использовать, но эффект не масштабируется

Сотрудники используют ИИ каждый день, отдельные задачи выполняются быстрее, но это не всегда приводит к росту эффективности бизнеса. Где теряется результат?

Новый выпуск проекта «Антихрупкость 2.0» — об ИИ-трансформации компании и вызовах, с которыми она сопряжена: почему недостаточно просто дать сотрудникам доступ к технологии, как перестраивать процессы и что нужно учитывать на разных этапах интеграции.

В материале:

Ключевые тезисы дискуссии «ИИ ускоряет бизнес: что меняется в управлении?»
Конкретные кейсы применения ИИ в компаниях
Что стоит запомнить после эфира. Кратко
Основные вопросы, которые стоит задать собственнику
Презентация от экспертов СКОЛКОВО после эфира

Ключевые тезисы дискуссии

Логика «внедрения»: у компании идут свои процессы, потом внедрили инструмент, но по факту она продолжает работать так же. С искусственным интеллектом так не получается: если хотите дойти до результата, надо не «внедрять агента», а перестраивать процессы, а иногда и бизнес-модель полностью.

Раскатать технологию на любой масштаб бизнеса: вопрос двадцати минут. Но это не значит, что за 20 минут компания поймет, что с этим делать.

«Внедрение» — понятная и решаемая задача; трансформация того, как устроена компания вокруг этого инструмента, — нет.

Конкретный пример: сотрудникам дали доступ к корпоративному агенту с формулировкой «пользуйтесь, узнавайте любую информацию по компании». Один из самых популярных запросов — какая зарплата у начальника. Агенту никто не сказал, что это закрытая информация, — он и ответил.

«Я видел много погибших инициатив, которые даже в 2024-м и в 2025-м году были вполне валидны, они могли работать, но их похоронили собственными руками люди. И в большинстве случаев люди хоронили неосознанно, потому что они просто не знают, что это такое»

Цифровой сотрудник наследует те же права и нормы, что есть у человека в компании. Но если ошибается машина — отвечает сотрудник.

Не все можно безболезненно делегировать ИИ. Оптимальные процессы:

типовой документооборот («если он типовой — полностью»),
сетевая поддержка и мониторинг,
аналитика конкурентов и рынка.

Сложнее — то, что требует «нормы управляемости»: стратегические решения, вещи, которые человек либо не хочет делать и не может проверить, либо не хочет делать, но доверяет.

На решение о том, что и как внедрять влияют еще два фактора: размер бизнеса (одному человеку хватит подписки на топовый инструмент, команде — общего репозитория и инфраструктуры) и страновая специфика — законодательные ограничения, из-за которых крупному бизнесу приходится строить свою инфраструктуру, гибридные облака и разграничение доступа, а не полагаться на готовый зарубежный сервис.

Если ИИ-инструмент обновляется раз в две недели, у вас накапливается пул неполадок за это время. Если чаще, например, два раза в день, то процент ошибок остается примерно тем же — но абсолютное количество в моменте растет, просто потому что релизов физически больше. Это не значит, что ошибок стало больше: это дает шанс их быстрее исправить.

Важно не количество ошибок, а то, с какой скоростью вносят исправления.

«Если у вас в жизни нет интереса, а это возвращает фундаментальный тезис — то вам и не нужен ИИ, потому что вы не найдете, куда его применить».

Сотрудники, которые физически бегают между задачами и «табличками», компенсируя своим трудом неэффективность процессов, находят применение технологии быстрее и охотнее — потому что боль от рутины у них личная, ощутимая каждый день.

Конкретные кейсы применения ИИ в компаниях

Кейс 1

В стоительной компании была внедрена платформа для подготовки коммерческих предложений и подбора товаров; менеджеры пишут объем работ — система быстро формирует КП. Дорогостоящая разработка, которой сотрудники почти не пользовались. Один из руководителей попытался «заставить» систему угрозами поздравить гендиректора с днем рождения: в результате система обнаружила угрозу, забанив его по правилам его же собственного техзадания.

После инцидента команда прошла 3 дня очного обучения (3 модуля), около года системно работала с культурой понимания технологии. В результате — система вышла на полную загрузку; при любом сбое сотрудники сразу сообщают в поддержку, что не могут работать — то есть инструмент стал критичным для операционки.

Основной вывод: технология работала с самого начала — не хватало обучения и понимания у людей.

Кейс 2

Компания, 500 сотрудников, не имела отлаженной системы трансляции знаний и онбординга.

Владелец бизнеса, вовлеченный и интересующийся, за два дня с DevOps-командой самостоятельно развернул внутренний учебный портал, куда загрузил курсы, необходимые маршрутные листы и другие документы.

Основной вывод: решающий фактор успеха — личный интерес и любопытство собственника, а не бюджет или размер компании.

Кейс 3

Сотрудник вручную построчно сверял заявки на закупку и предложения поставщиков в Excel. После того как за 10 минут в нейросети был написан скрипт, сравнивающий файлы и строящий диаграмму соответствия — работа ускорилась в разы.

Основной вывод: тот момент, когда сотрудник понимает, что это не «чатик», а инструмент кратного усиления его работы, — переломный для принятия технологии.

Что стоит запомнить после эфира. Кратко

Малому и среднему бизнесу для старта обычно достаточно подписок на топовые инструменты — не обязательно закупать и разворачивать собственную инфраструктуру.
Крупному бизнесу и всем, кто работает с персональными данными, нужно заранее продумать регуляторные риски: 152-ФЗ.
Прежде чем давать сотрудникам широкий доступ к агентам, явно пропишите ограничения — что нельзя разглашать и делать.
Начинайте с постановки задачи в логике «точка А → точка Б» (нынешнее состояние и цель), а не с абстрактного «нужно внедрить ИИ».
Разберитесь как работает модель. Без этого легко разочароваться или довериться ложным ожиданиям вроде «дообучения» через диалог.
Используйте продуктовый подход «гипотеза → эксперимент → следующая итерация» вместо попытки сразу поставить сложную комплексную задачу.
Если вы сомневаетесь, точно ли вам это нужно, — попробуйте на реальной задаче, а не откладывайте.
Пересматривайте процессы чаще: не раз в год, а раз в квартал.
Если с одной моделью или задачей не получилось — попробуйте снова через две недели или в другой модели: технология меняется быстро, негативный опыт может устареть за недели.

Вопросы, которые стоит задать руководителю трансформации / собственнику / директору по ИИ

Не буксует ли ваше внедрение ИИ?
Можете ли вы четко сформулировать, какой процесс должен измениться?
Есть ли у сотрудников, которые получили доступ к ИИ, явные ограничения — что нельзя разглашать и делать?
Понимает ли команда хотя бы в общих чертах, как работает ИИ-модель?
Сформулирована ли задача как переход из точки А в точку Б?
Вовлечено ли лично руководство в использование ИИ-инструмента?
Пересматриваете ли вы процессы чаще, чем раз в год, — с учетом скорости изменений?
Есть ли у вас ответ, кто несет ответственность за ошибку ИИ в конкретном процессе?

Скачать презентацию к эфиру