Шесть вопросов, которые я задаю до того, как компания потратит деньги на ИИ

С этим клиентом мы работаем четыре года. Производство — щиты временного электроснабжения.

Начинали с разработки и обслуживания всей инфраструктуры сайтов. Потом пошли в Битрикс24. Этим летом дошли до ИИ.

Запрос звучал знакомо: нам срочно нужно внедрить ИИ.

И здесь стоит сказать прямо. Я могла просто взять этот заказ. Четыре года работы, выстроенное доверие, бюджет есть, возражать никто бы не стал. Одно внедрение в этой компании — порядка 500 тысяч рублей.

Вместо этого я задала шесть вопросов. Через полчаса стало ясно, что внедрять пока нечего.

Мы не стали делать ИИ. Взялись за автоматизацию процессов, а ИИ поставили следующим шагом — когда будет что усиливать.

Полчаса вопросов сэкономили полмиллиона до того, как он был потрачен впустую. И, что для меня важнее, сохранили те самые четыре года — потому что неудачное внедрение стоит дороже денег.

Дальше сами вопросы. Если больше двух ответов «не знаю» — внедрять рано.

Не «внедрить ИИ», а «сократить время на обработку заявки с трёх дней до одного».

Если цель формулируется через инструмент, а не через результат, это не цель. Это желание не отстать.

Проверка простая: подставьте вместо «ИИ» слово «экскаватор». «Нам срочно нужно внедрить экскаватор» звучит странно ровно потому, что непонятно, что копаем.

В часах и в деньгах.

Без этой цифры невозможно понять, окупится ли что-либо. И именно здесь чаще всего выясняется, что автоматизировать нечего: задача, которая занимает двадцать минут в неделю, не стоит внедрения за полмиллиона.

На этом производстве вопрос дал больше всего. Оказалось, что самое дорогое место — не то, на которое хотели ставить ИИ.

Не «примерно понятен», а описан текстом: что на входе, какие шаги, где развилки, что считается результатом, что делать при ошибке.

Если процесс живёт в головах и у каждого своя версия — автоматизировать нечего. Сначала описываем, потом автоматизируем.

Этот вопрос отсеивает больше половины запросов. И это хорошая новость: выясняется на этапе разговора, бесплатно, а не через полгода и полмиллиона.

Разбросанные по почте, экселю и трём табличкам данные — это не данные.

Около 80% работы при переходе от пилота к рабочему решению приходится именно на этот слой: собрать, почистить, связать. Про это не пишут в кейсах, потому что это скучно.

У решения должен быть владелец. Конкретный человек, который чинит, когда сломается, и отвечает за результат.

«Все понемногу» — это никто. Через два месяца такое решение тихо умирает, и никто не может сказать, когда именно это произошло.

Метрика и способ её замерить — до старта.

Если её нет, через полгода вы будете спорить, стало лучше или нет, и каждый останется при своём. А отчёт покажет то, что умеет показывать, а не то, что вам нужно.

У меня был свой случай на эту тему: рекламный кабинет отчитался о 198 конверсиях, а в базе за тот же период оказалось 42 регистрации. Отчёт был честный. Он отвечал на другой вопрос.

А точно ли нужен именно ИИ?

Часто хватает нормально настроенных процессов. Воронки, которые не теряют заявки. Роботы, которые сами двигают сделку по этапам. Отчётность, которая собирается без человека с экселем по пятницам.

Это дешевле, быстрее и работает предсказуемо — в отличие от модели, которую ещё надо обучать, проверять и объяснять сотрудникам.

Я три года занимаюсь автоматизацией процессов, в том числе на Битрикс24: анализ и описание процессов, воронки и сделки, бизнес-процессы, роботы и триггеры, интеграции со сторонними системами, отчётность, права доступа. И довольно часто вижу, что запрос «нам нужен ИИ» на деле означает «у нас непрозрачные процессы и мы не понимаем, где теряем».

ИИ такое не чинит. ИИ это ускоряет.

Порядок работы был такой.

Описали процессы как есть. Не как написано в регламенте, а как они реально работают: кто кому передаёт заявку, где она ждёт, кто про неё забывает. Эта часть обычно неприятная, потому что вслух проговаривается то, о чём все знали и молчали.

Описали, как должно быть. Отдельным документом, без оглядки на то, что умеет текущая система.

Наложили одно на другое в Битрикс24. И вот здесь начинается самое полезное. Становится видно, где расхождение закрывается настройкой, где — сменой самого процесса, а где люди годами обходили систему, потому что она мешала работать.

Привели в порядок и процесс, и систему. Именно вместе. Настроить платформу под кривой процесс — значит зацементировать кривой процесс, только теперь ещё и с роботами.

Дальше уже техника: воронки, которые не теряют заявки, бизнес-процессы, роботы и триггеры, интеграции, отчётность, права доступа.

Пока идёт настройка, вторым потоком идёт обучение сотрудников. И это не про ИИ-автоматизацию, до неё ещё далеко.

Это про базовое: как вообще разговаривать с моделью, как поставить ей задачу, как проверить то, что она ответила, куда можно грузить рабочие документы, а куда нельзя.

Звучит слишком просто для отдельного направления работы, но именно здесь чаще всего всё и ломается.

Компания покупает внедрение, запускает, а сотрудники им не пользуются. Не из вредности — просто непонятно и немного страшно. Человек один раз получил от модели уверенную чушь, решил, что это не работает, и вернулся к экселю. Дальше в отчёте у вас внедрение есть, а в работе его нет.

Именно поэтому мы даём базу до того, как дойдём до автоматизации на ИИ. Чтобы к моменту, когда появится модель внутри процесса, люди уже умели с ней обращаться и не воспринимали её как угрозу.

Я об этом писала, разбирая расследование про Meta: скорость внедрения ограничена не моделью, а тем, насколько люди согласны с происходящим. Там компания с неограниченным бюджетом уткнулась ровно в это.

Это не отказ от него: когда процесс описан, данные лежат в одном месте, у результата есть владелец и метрика, а сотрудники не шарахаются от нейросети — вот тогда модель добавляет к работающей системе, а не к беспорядку.

Внедрение, которое мы не сделали в первый месяц, стоило бы порядка 500 тысяч. Внедрение, к которому компания придёт осознанно, будет стоить столько же — но принесёт результат.

Каждый раз, когда рынок разгоняется вокруг новой технологии, компании начинают закрывать самое заметное вместо самого рискованного.

Заметное — «у нас есть ИИ». Рискованное — то, что процессы не описаны, данные разбросаны, а за результат никто не отвечает.

Шесть вопросов занимают полчаса. Внедрение вслепую — полмиллиона и полгода.