Если ваш AI не может сам выполнить действие, это пока не автоматизация

Компании быстро научились использовать AI для генерации текстов, анализа документов, поиска информации и подготовки идей. Сотрудник пишет запрос, получает результат и дальше использует его в работе. Это уже экономит время, но само по себе ещё не означает, что процесс автоматизирован.

Настоящая автоматизация начинается там, где человеку не приходится каждый раз переносить результат AI в следующий этап работы. Если модель подготовила письмо, но сотрудник должен скопировать его в CRM, проверить данные, создать задачу и отправить сообщение клиенту, значительная часть процесса всё ещё остаётся ручной.

AI в такой схеме помогает сотруднику. Но сам workflow он не выполняет.

Представим обычную работу отдела продаж. Менеджеру приходит заявка, он изучает информацию о клиенте, определяет его потребность, готовит ответ, заносит данные в CRM и ставит следующую задачу.

Теперь в этот процесс добавляют AI. Модель анализирует заявку и пишет хороший ответ. На первый взгляд кажется, что компания уже автоматизировала обработку обращений.

Но менеджеру всё равно приходится открыть CRM, найти клиента, перенести информацию, вставить подготовленный текст, изменить его при необходимости и вручную создать следующую задачу.

AI ускорил одну операцию. Весь процесс при этом практически не изменился.

Удобно разделять два сценария.

В первом AI выступает как инструмент сотрудника. Человек запускает его, получает результат и самостоятельно решает, что делать дальше.

Во втором AI становится частью workflow. Система получает событие, обрабатывает данные, выполняет нужные действия в подключённых сервисах, а сотрудник подключается только там, где действительно требуется его решение.

Разница может показаться небольшой, но для бизнеса она принципиальная.

В первом случае производительность зависит от того, насколько быстро сотрудник взаимодействует с AI. Во втором меняется сам способ выполнения работы.

Самый простой путь — добавить AI туда, где уже есть ручная операция. Поэтому компании начинают с генерации текстов, сводок, писем или аналитики.

Это хороший способ проверить технологию. Но после первых успехов возникает ложное ощущение, что процесс уже автоматизирован.

На практике сотрудник просто получает нового помощника, которому нужно постоянно давать инструкции.

Получается цепочка: человек → AI → человек → другая система → человек.

Каждое такое переключение требует времени. Кроме того, на каждом этапе появляется возможность ошибки: забыли перенести данные, вставили не тот результат, не создали задачу, отправили письмо не тому клиенту.

Если таких действий сотни или тысячи, экономия от AI быстро начинает теряться.

При проектировании AI-сценария полезно задавать вопрос не «что AI может сгенерировать?», а «что должно произойти после того, как AI получил результат?»

Допустим, модель классифицировала входящую заявку как срочную. Сам по себе этот вывод мало что меняет.

Гораздо интереснее, если после классификации система автоматически меняет приоритет заявки в CRM, назначает ответственного, создаёт задачу и отправляет уведомление сотруднику. Тогда AI не просто дал рекомендацию — его решение стало частью рабочего процесса.

То же самое работает с документами, поддержкой, финансами, маркетингом и внутренними операциями.

AI должен быть связан с теми действиями, которые следуют за его решением.

Если после каждого результата сотрудник спрашивает себя «и что теперь с этим делать?», процесс спроектирован не до конца.

У хорошего workflow есть понятное продолжение. После анализа документа появляется запись в системе. После классификации заявки запускается нужный сценарий. После подготовки данных формируется отчёт или создаётся задача.

Это не означает, что человек должен быть полностью исключён из процесса. Наоборот, там, где решение действительно требует опыта или ответственности, человек должен оставаться в контуре.

Но его участие должно быть осмысленным, а не сводиться к механическому переносу информации между системами.

Иногда стремление сделать процесс полностью автономным создаёт больше проблем, чем решает.

Если AI обрабатывает претензию клиента, финансовую операцию или документ с юридическими последствиями, контроль сотрудника может быть необходим. В таком случае workflow можно построить так, чтобы AI подготовил решение, собрал необходимые данные и предложил действие, а человек только подтвердил его.

Это уже серьёзная автоматизация.

Критерий здесь не в том, чтобы убрать человека любой ценой. Важно убрать ненужную ручную работу и оставить человеку те действия, где его участие действительно добавляет ценность.

В зависимости от процесса AI и связанные с ним системы могут, например:

· извлекать данные из входящих документов;

· классифицировать обращения;

· создавать или обновлять записи в CRM;

· формировать задачи для сотрудников;

· отправлять уведомления;

· готовить и направлять сообщения по заданным правилам;

· собирать информацию из нескольких источников;

· передавать результат следующему этапу workflow;

· запускать другой автоматизированный сценарий.

При этом набор действий определяется не возможностями конкретной модели, а архитектурой процесса.

Можно иметь очень мощную модель и при этом почти не получить автоматизации, если она работает в изолированном окне чата.

Даже хороший AI-сценарий не сможет нормально работать, если у него нет доступа к необходимому контексту.

Представьте менеджера, который каждый раз копирует в чат данные о клиенте, историю переписки, статус сделки и информацию о предыдущих обращениях. Модель действительно может подготовить качественный ответ, но сам процесс всё равно требует постоянного участия человека.

В полноценном workflow необходимые данные должны поступать в систему автоматически или через понятный входной этап. Тогда AI работает не с абстрактным запросом, а с конкретной рабочей ситуацией.

Именно поэтому при внедрении AI нужно смотреть не только на модель и промпт. Нужно понимать, откуда поступают данные, куда отправляется результат и какие системы участвуют в процессе.

Есть простой практический тест.

Опишите обычную ситуацию от момента запуска до конечного результата. Затем посмотрите, сколько раз сотруднику приходится вручную переносить информацию, запускать следующий этап, создавать задачу или передавать результат другой системе.

Если после каждого действия AI человек должен что-то копировать, нажимать и передавать дальше, перед вами, скорее всего, не автоматизация, а AI-помощник.

Если workflow может самостоятельно пройти большую часть пути, а сотрудник подключается только для контроля или принятия решения, ситуация уже другая.

Иногда компания говорит: «Мы автоматизировали обработку заявок», хотя на практике сотрудник всё ещё выполняет пять или шесть операций вручную.

В таком случае полезно не спорить о терминах, а посчитать эти действия.

Сколько раз человек открывает разные системы? Сколько данных переносит вручную? Сколько раз запускает следующий этап? Сколько решений принимает только потому, что системы не связаны между собой?

Именно эти переходы часто оказываются самым очевидным источником для следующего этапа автоматизации.

Ошибка многих проектов заключается в том, что сначала выбирается AI-инструмент, а уже потом ему пытаются найти применение.

Гораздо продуктивнее идти в обратном направлении. Сначала выбрать процесс, определить его результат и найти операции, которые создают наибольшую нагрузку. Затем понять, какие решения можно передать AI, какие действия автоматизировать, а где оставить человека.

После этого уже выбираются модели, интеграции и технические решения.

Такой порядок помогает не собирать набор красивых AI-функций, а менять конкретную работу.

Если сотрудники уже используют ChatGPT или другие AI-сервисы, не обязательно отказываться от них и начинать проект заново.

Лучше взять несколько наиболее частых сценариев и посмотреть, что происходит после получения результата. Например, сотрудник генерирует письмо — что он делает дальше? Создаёт документ — куда его сохраняет? Анализирует заявку — где фиксирует вывод?

Эти ручные шаги и есть карта потенциальной автоматизации.

Часто оказывается, что самый большой эффект даёт не улучшение промпта, а устранение нескольких действий вокруг него.

AI, который хорошо отвечает на вопросы, может быть полезным инструментом. Но если после каждого ответа сотруднику приходится самостоятельно выполнять следующий шаг, бизнес по-прежнему зависит от ручной работы.

Автоматизация начинается тогда, когда AI становится частью workflow: получает необходимые данные, принимает решение в рамках заданных правил и запускает дальнейшие действия в подключённых системах. Человек при этом не исчезает из процесса — он перестаёт выполнять механическую работу и подключается там, где действительно нужен его опыт и ответственность.

Поэтому при оценке AI-внедрения полезно смотреть не на то, насколько впечатляюще модель генерирует результат, а на то, что происходит с этим результатом дальше.

Если ответ заканчивается в окне чата, это инструмент. Если он запускает следующий шаг бизнеса — это уже автоматизация.