AI-ассистент как “единая правда” по услуге: как перестать жить в версиях и снять зависимость от ключевых людей

Я довольно часто вижу одну и ту же картину — и у клиентов, и у нас в агентстве (да, мы тоже не святые). У компании вроде бы есть регламенты, презентации, Notion, папки “ФИНАЛ_ФИНАЛ2”, а решения всё равно живут… в головах двух-трёх людей. И пока эти люди на месте — система как-то едет. Стоит одному уйти в отпуск, заболеть или просто выгореть — и начинается любимый корпоративный спорт: “А кто вообще помнит, как правильно?”

Недавно на созвоне клиент сказал фразу, которую я записал себе дословно:— «Гена, у нас не хаос. У нас просто три версии правды».И вот это, по моему опыту, хуже хаоса. В хаосе все хотя бы честно понимают, что хаос. А “три версии правды” создают иллюзию контроля: документы есть, процессы есть, но реальность каждый день другая.

Я хочу разобрать, почему компании тонут не в отсутствии регламентов, а в отсутствии одной актуальной правды — и как AI-ассистент может стать этим “сквозным мозгом” по услуге или процессу. Не как “чатик, который отвечает”, а как механизм: собирает факты из работы → проводит людей по шагам → фиксирует решения → контролирует обновления → эскалирует, когда что-то ломается.

Внутри любой компании есть два слоя знаний.

Первый — “официальный”: регламенты, инструкции, презентации, база знаний. Он красивый. Его показывают новичкам. Он хорошо смотрится в папке “Onboarding”.

Второй — “рабочий”: как реально принимаются решения, где лежат актуальные шаблоны, какие исключения допустимы, кому писать “если клиент странный”, что делать, когда CRM не совпала с оплатой, и почему “вот этот скрипт” не используем уже полгода.

Проблема не в том, что второй слой существует. Он всегда будет существовать — бизнес живой. Проблема в том, что у большинства компаний нет механизма переводить рабочее знание в официальный слой быстро и без боли.

В итоге рождаются “версии”:

А потом приходит новичок и задаёт невинный вопрос: “А где взять актуальный прайс?” — и получает три ссылки и четыре мнения. И да, это обычно происходит в пятницу вечером.

Я бы сделал здесь неприятную паузу. Потому что зависимость от ключевых людей — это не “проблема HR”, а прямой финансовый риск.

Когда знание живёт в головах 2–3 людей, вы платите трижды:

И самое обидное — руководитель часто думает, что у него всё под контролем. Потому что эксперт рядом. Это как ездить без запаски, но с другом-механиком в багажнике. Работает… пока работает.

Когда говорят “AI-бот для внутренней базы знаний”, многие представляют: сотрудник пишет вопрос → бот выдаёт абзац текста. Это полезно, но это не меняет систему. Это просто более удобный поиск.

Если говорить честно, “единая правда” появляется не там, где ассистент что-то “рассказал”. А там, где знания начинают жить в цикле:

факт из работы → решение → фиксация → проверка → обновление → контроль качества.

И здесь AI-ассистент выступает не “справочником”, а диспетчером процесса знаний.

У нас в Creators Group, когда мы строим AI-решения, мы всегда отталкиваемся от того, что бот не должен быть “технологией ради технологии”, он должен быть встроен в реальную работу и метрики.

Представьте услугу, которая продаётся, производится и поддерживается. Пусть это будет любая услуга: разработка, консалтинг, маркетинг, внедрения — неважно.

Внутри у вас постоянно меняются мелочи: сроки, набор работ, ограничения, интеграции, “что входит/не входит”, кейсы, цены, формулировки, риски. И каждая мелочь — потенциальная ошибка в продажах или конфликт в исполнении.

AI-ассистент как “единая правда” — это когда:

1)Он собирает факты из работы.

-из CRM/таск-трекера: что обещали, что сделали, где сорвали сроки;

-из переписок/комментариев: какие вопросы повторяются, где люди спорят;

-из итогов созвонов: что согласовали и на каких условиях.(Да, это звучит как “интеграции”, но мысль простая: знания питаются фактами, а не фантазией.)

2)Он проводит человека по шагам процесса.

Например, менеджер готовит КП. Ассистент не “пишет текст”, а задаёт правильные вопросы и проверяет, чтобы не было дыр:

-ниша, объём обращений, каналы;

-цель: разгрузка, рост конверсии, ускорение;

-какие сценарии берём в пилот;

-какие ограничения и правила эскалации.Это ровно та логика, которую мы используем у себя: “контекст → задача → формат”.

3)Он фиксирует решение как артефакт.

Не “в переписке”, не “в голове”, а в конкретном месте: карточка в базе знаний, обновлённый шаблон, новая версия оффера, комментарий к регламенту.В идеале — с меткой: откуда факт, кто подтвердил, когда пересмотреть.

4)Он включает контроль и напоминание.

Если решение затрагивает несколько команд, ассистент запускает “цепочку подтверждений”.Продажи подтвердили формулировку, продакшен подтвердил реализуемость, руководитель подтвердил позиционирование.Если кто-то молчит — эскалация. Не через “Гена, напомни”, а через процесс.

5)Он ловит расхождения и эскалирует по правилам.

У вас появляется не “полицейский”, а “ранний датчик”:

-в продажах обещают сроки, которые уже два раза срывали — сигнал;

-в продакшене поменяли ограничения, а маркетинг продолжает рекламировать старую фичу — сигнал;

-новичок задаёт вопрос, на который есть три разных ответа — сигнал.

И вот в этом месте появляется то, что я называю “единой правдой”: не потому что у вас один документ, а потому что у вас есть механизм, который не даёт знаниям разъезжаться.

Классика. Пишет новичок в общий чат:

— «Ребят, а мы клиентам обещаем, что бот умеет интеграцию с X?»

Первый отвечает:— «Да, конечно, у нас же в презентации на 7 слайде».

Второй:— «Подожди, мы это делали один раз, и то костылём. Сейчас нельзя обещать».

Третий:— «А в КП в прошлом месяце было написано, что можно, я по нему отправлял».

И ты сидишь, читаешь этот тред, и у тебя одновременно два чувства: “мы живые люди” и “мы сейчас потеряем деньги”. В этот момент я обычно делаю вид, что спокойно пью кофе. Но кофе становится подозрительно крепким.

AI-ассистент в этой сцене нужен не для того, чтобы “ответить”. Он нужен, чтобы:

Если сделать “базу знаний”, но не завести цикл обновления, она превращается в музей. Красивый, но бесполезный. И сотрудники быстро перестают туда ходить. Потому что один раз пошёл — а там не то.

По моему опыту, лучше начинать с 3–5 узких “точек боли”, где расхождение версий стоит денег. Обычно это:

Здесь важно: AI-ассистент не должен “закрывать всё”. Он должен сделать несколько сценариев идеально. Это тот же принцип, по которому мы строим нашу внутреннюю систему ассистентов: есть “главный мозг” и узкие роли под процессы.

Самая сложная часть — не собрать документы. Самая сложная часть — сделать так, чтобы обновление происходило автоматически, по фактам, и было выгодно людям.

Я вижу рабочую схему из четырёх простых элементов.

1) Триггеры из работы.

Знание обновляется не потому, что “пора”, а потому что случилось событие:сорвали срок; клиент задал вопрос, на который нет ответа; команда сделала новый вариант решения; менеджер проиграл сделку из-за “не того обещания”.

Ассистент фиксирует это как “инцидент знания” и предлагает, что обновить.

2) Короткий формат фиксации.

Не “переписать регламент на 20 страниц”. А коротко:

Это помогает не утонуть в бюрократии.

3) Роли и ответственность.

У знания должен быть владелец. Не “все”, а конкретный человек или роль.Внутри AI-инфраструктуры мы прямо фиксируем ответственность: у CEO/CVO — финальные стандарты, у проджектов — актуальность методологии, у маркетинга — тональность и формулировки.В компании клиента это тоже должно быть: иначе “единая правда” станет ничьей.

4) Контроль качества и дата пересмотра.

Любая правда стареет. Поэтому:

Это не “техничка”. Это дисциплина управления.

Есть ещё один момент, который я часто встречаю: руководители пытаются “починить знание”, когда уже горит. А до этого всё выглядит терпимо: ну подумаешь, спорят в чатах.

Я для себя держу три простых индикатора, что долг по знаниям стал опасным:

AI-ассистент хорош тем, что эти индикаторы можно делать измеримыми: сколько раз задавали один и тот же вопрос, сколько “инцидентов знания” было за месяц, где чаще всего требуется эскалация. И это даёт руководителю практичный контроль — не над людьми, а над качеством системы.

Нормальный страх. Я его разделяю.

Если вы строите AI как “умного болтуна”, он действительно будет врать. Потому что задача будет “быть полезным”, а не “быть точным”.

Поэтому в корпоративных сценариях я бы делал так:

Это ровно то, почему мы в проектах сначала делаем диагностику, проектирование, тестирование и только потом запускаем в реальную работу.И да, никто не обещает “волшебную кнопку”. Мы вообще не обещаем полной замены людей — мы обещаем снижение зависимости и рост предсказуемости.

Когда у вас появляется механизм “единой правды”, вы как руководитель получаете очень приземлённые бонусы:

И появляется приятный эффект: вы перестаёте быть “главной Википедией компании”. Если честно, это одна из самых недооценённых радостей CEO.

Я бы начал не с внедрения “всего AI”, а с вопроса: где у нас сейчас самая дорогая версия правды?

Дальше — выбрать 1–2 сценария для пилота (принцип тот же, что и у AI-ботов в целом: сначала пилот → потом масштабирование).И построить ассистента вокруг конкретного цикла: факт → действие → фиксация → контроль → эскалация.

Если нужна человеческая метафора: это не “умный секретарь”, это “диспетчер знания”. Он не делает за вас работу — он не даёт вам забыть, что вы уже договорились.

Если у вас “есть регламенты”, но решения всё равно живут в головах 2–3 людей — это не про дисциплину сотрудников. Это про отсутствие механизма “единой правды”.

AI-ассистент здесь — не игрушка и не чатик. Это способ:

❓Вопрос в комменты: где у вас сейчас самая болезненная “версия правды” — в продажах, в продакшене или в управлении? И что вы делаете, когда две команды уверены, что правы обе?

✔Присоединяйтесь к моему Telegram-каналу, где я делюсь своим опытом и наблюдениями по работе с AI, а также помогаю в анализе и решении вопросов.