Как внедрить ИИ в компанию: 7 шагов

Шаг 1 и 2: какая задача первой и какие данные?

Шаг 1: выберите одну задачу. Хорошая первая задача часто повторяется, следует узнаваемому шаблону и отнимает измеримое время: ответы на одинаковые вопросы клиентов, ввод счетов в систему, разбор почты, подготовка коммерческих предложений. Не начинайте с самого сложного процесса или того, который никто толком не понимает.

Шаг 2: найдите данные. Запишите, где лежит информация для задачи и у кого к ней доступ. Если прайс-лист существует в трёх версиях, решите, какая действует, до того как к нему прикоснётся ИИ. Отметьте персональные и конфиденциальные данные сейчас, а не потом.

Шаг 3 и 4: какой инструмент и как строить?

Шаг 3: выберите инструмент. Варианты - от функций внутри существующих программ, таких как Microsoft Copilot, до инструментов автоматизации вроде n8n, Make или Power Automate и собственного ИИ-агента. Выбор зависит от задачи, а не от самого нового продукта. Сравнение: Microsoft Copilot или собственный ИИ-агент и RPA или ИИ-автоматизация.

Шаг 4: стройте внутри существующих инструментов. ИИ должен работать там, где уже работает команда: в Outlook, WhatsApp, Telegram, CRM или 1С. Новое приложение, которое никто не открывает, - самая частая причина, по которой ИИ-проекты буксуют.

Шаг 5 и 6: как тестировать и обучать?

Шаг 5: тестируйте на реальных случаях. Запустите ИИ параллельно с текущим процессом. Сравните его результат с работой команды, посчитайте, как часто приходилось исправлять, и задайте порог, после которого он действует сам. Неуверенные случаи всегда идут к человеку.

Шаг 6: обучите команду. Покажите, что ИИ делает, чего не делает и как его поправить. Короткое письменное правило о том, какие данные можно вводить в ИИ-сервисы, предотвращает большинство проблем; см. обучение сотрудников работе с ИИ.

Шаг 7: когда и как масштабировать?

Масштабируйте, только когда первая задача работает стабильно и цифры понятны: сэкономленные часы, скорость ответа, доля ошибок. Затем берите следующую задачу, которая использует те же данные или систему: каждое уже построенное подключение удешевляет следующий проект.

И продолжайте наблюдение: модели и данные меняются, поэтому автоматизированному процессу нужны журналы, оповещения и человек, который раз в неделю смотрит на исключения.

Какие ошибки при внедрении ИИ встречаются чаще всего?

• Начинать с инструмента, а не с задачи.
• Автоматизировать процесс, который непонятен даже тем, кто его выполняет.
• Нет ответственного в компании, и проект ждёт ответов неделями.
• Нет тестового периода, и первая ошибка доходит до клиента.
• Сотрудники используют личные ИИ-аккаунты с данными компании, потому что официального варианта нет.