ИИ убил мои отмазки
- -
- 100%
- +
Модель
Как работает
Когда применять
Человек в петле (Human-in-the-loop)
Проверяет каждый результат перед тем, как он идёт дальше
Высокорисковые решения: финансовые данные, юридические документы, стратегические решения, прямая коммуникация с ключевыми клиентами
Человек над петлёй (Human-on-the-loop)
Наблюдает за паттернами системы в целом, выявляет аномалии и сдвиги
Масштабные операционные процессы: генерация контента, обработка данных, автоматические отчёты
Gartner особо подчёркивает: второй уровень — наблюдение за системой — важнее первого для большинства бизнесов. Ошибки ИИ накапливаются незаметно. Одна ошибка в еженедельном отчёте — мелочь. Сто ошибок за год — системная проблема, которую никто не заметил, потому что никто не наблюдал за паттерном в целом.
Три зоны, где человека не убирают никогда
На основе работы с агентствами и образовательными центрами я выделяю три категории, где автоматизация уничтожает ценность — не потому что ИИ технически не справится, а потому что доверие не делегируется алгоритму:
Клиентская коммуникация на стратегическом уровне. Когда клиент платит за партнёрство — он платит за живого человека с контекстом, памятью и ответственностью. Автоматизированный ответ — это сигнал, что его перевели в режим «поддержки», а не «партнёрства».
Финальные решения, где важен вкус. ИИ генерирует варианты. Выбор финального направления — это суждение, построенное на понимании клиента, рынка и того, что работало раньше. Передать этот выбор нейросети — значит передать то, за что клиент выбрал именно вас, а не конкурента с такими же инструментами.
Переговоры и партнёрства. Крупные контракты, сложные переговоры по условиям, выстраивание долгосрочных отношений. Доверие формируется между людьми. Алгоритм может подготовить аргументы — но за стол переговоров садится человек.
Практическая карта: где нужен человек
Полезное упражнение — пройтись по всем процессам компании и поставить метку против каждого:
Клиент платит за результат процесса — ИИ может делать, человек проверяет.
Клиент платит за то, что процесс выполняет человек — человек делает, ИИ помогает.
Процесс влияет на репутацию или доверие — человек в петле, не над петлёй.
Это разграничение — не философия. Это операционное решение, которое принимается один раз и сохраняет и клиентов, и репутацию.
Правило шестое:
Перед автоматизацией любого процесса задайте вопрос: клиент платит за результат или за то, что это делает человек? Если второе — человека не убирают. Никогда.
Что на самом деле разделяет рынок
В 2026 году 88% цифровых маркетологов используют ИИ в ежедневной работе. 93% маркетологов используют ИИ для создания контента. По данным McKinsey, внедрение ИИ в бизнесе выросло с 29% в 2021 году до 76% в 2026-м — рост на 162% за пять лет. Доступ к инструментам стал всеобщим.
Это хорошая новость. Но у неё есть оборотная сторона.
Когда у всех одинаковый доступ к одинаковым инструментам — инструменты перестают быть конкурентным преимуществом. Подписка за 20 долларов в месяц доступна любому. ChatGPT, Claude, Gemini открываются в браузере за тридцать секунд. Инструментального преимущества больше не существует.
Конкурентное преимущество переместилось туда, где его нельзя купить за 20 долларов. В подготовку до внедрения. В экспертизу, которая направляет инструмент. В дисциплину доведения до результата.
Карта рынка: кто где находится
Категория
Доля рынка
Отличительная черта
Получают реальную измеримую отдачу
5% (MIT, 2024)
Подготовка до внедрения, обучение, чёткие метрики
Фиксируют улучшение, но не системное
23% (Gartner, 2026)
Частично перестроены процессы, нет системы
Используют ИИ без измеримого результата
~50–55%
Тестируют и коллекционируют, но не внедряют
Разочаровались и свернули инициативы
42% (S&P Global, 2025)
Ожидали быстрый результат без подготовки
Рынок разделился не на тех, у кого есть ИИ, и тех, у кого нет. Он разделился на тех, кто умеет его использовать, и тех, кто думает, что умеет. Это разные глаголы. И разные результаты.
Что объединяет 5%, которые получают результат
По данным Boston Consulting Group, Gartner и собственных наблюдений, компании, которые получают реальную отдачу от ИИ, разные по размеру, индустрии и географии. Но их объединяет одно общее.
Они делают всё правильно до того, как нажимают кнопку.
Они находят настоящее узкое место — не то, что легче всего автоматизировать, а то, где ускорение даёт реальный бизнес-результат. Они наводят порядок в процессах до внедрения. Они обучают команду работать с конкретным инструментом для конкретной задачи. Они выбирают один пилот и доводят его до измеримого результата, прежде чем масштабировать. Они сохраняют человека там, где его присутствие — это и есть продукт.
Это не секретное знание. Это дисциплина подготовки. И именно поэтому большинство её не применяет — она не выглядит захватывающей. Гораздо интереснее тестировать новый инструмент.
Шесть ошибок: сводная карта
Ошибка
Симптом
Реальная причина
Первый шаг
Автоматизировали не то
ИИ работает, метрики стоят
Не нашли настоящее узкое место
3 вопроса об узком месте
ИИ на хаос
Качество упало при росте скорости
Нет SOP и стандарта качества
Описать топ-10 процессов
Ценообразование не перестроили
Клиент давит на снижение ретейнера
Продавали часы, а не результат
Перейти на value-based до ускорения
Нет экспертизы
Красивые, но бесполезные результаты
ИИ умножил незнание
3 часа обучения промптингу в своей нише
Коллекционирование
Много инструментов, нет результата
Тест заменил внедрение
Один процесс, один инструмент, 8 недель
Убрали человека
Клиент чувствует автоматизацию
Не разграничили: за что платит клиент
Карта: результат vs человек
Итог: что значит работать с ИИ правильно
Правильное использование ИИ — это не про инструменты. Это про последовательность решений, которые принимаются до того, как инструмент включён.
Сначала — найти настоящее узкое место. Не то, что легче всего автоматизировать, а то, где ускорение даст реальный бизнес-результат. Не операцию, если проблема в стратегии.
Затем — навести порядок в том процессе, который будет автоматизирован. Описать шаги. Зафиксировать стандарт качества письменно. Определить человека, который несёт ответственность за результат.
Потом — перестроить ценообразование. Не после того, как клиент увидит вашу новую скорость. До.
Потом — обучиться. Не вообще про ИИ, а конкретно про вашу задачу: какие запросы дают хороший результат, где модель ошибается в вашей теме, как проверять то, что получается.
И только после этого — внедрять. Не тестировать. Именно внедрять: один процесс, одна метрика, восемь недель, человек, который наблюдает за системой в целом.
Это не сложнее, чем запустить рекламную кампанию. Но так же, как в рекламе нельзя пропустить анализ аудитории — в ИИ нельзя пропустить подготовку. Те, кто её пропускает, пополняют статистику RAND и MIT. Те, кто не пропускает, — входят в 5%, которые получают реальный результат.
Следующая глава — про то, как выглядит эта подготовка на практике. Конкретно и пошагово: что нужно выстроить до того, как нажать кнопку.
Ключевые идеи главы 1
1. 95% организаций не получают отдачи от ИИ — не из-за плохих инструментов, а из-за отсутствия подготовки (MIT, 2024). 2. Шесть ошибок воспроизводятся снова и снова: автоматизация не того процесса, ИИ на неупорядоченную основу, непересмотренное ценообразование, дефицит экспертизы, коллекционирование вместо внедрения, устранение человека. 3. ИИ масштабирует то, что уже есть — порядок или хаос. Если в бизнесе бардак — ИИ ускорит бардак. 4. Конкурентное преимущество переместилось с доступа к инструментам на умение их применять. Доступ стал всеобщим. 5. Правильная последовательность: найти узкое место → навести порядок в процессе → перестроить ценообразование → обучиться → внедрить с метрикой.
Практический инструментарий: как диагностировать узкое место
Как измерить узкое место: практический инструментарий
Знать шесть ошибок — это половина работы. Вторая половина — уметь их диагностировать в собственном бизнесе до того, как они проявились. Разберём практические инструменты.
Инструмент 1: матрица «скорость — ценность»
Нарисуйте таблицу 2 на 2. По горизонтали — скорость выполнения задачи (медленно / быстро). По вертикали — вклад задачи в бизнес-результат (низкий / высокий).
Вы получите четыре квадранта:
Медленно выполняется
Быстро выполняется
Высокий вклад в результат
ПРИОРИТЕТ №1 для ИИ — здесь ускорение даёт максимальный эффект. Именно сюда смотрим.
ОСТАВИТЬ КАК ЕСТЬ — уже работает хорошо. ИИ может помочь масштабировать.
Низкий вклад в результат
ИСКЛЮЧИТЬ или ДЕЛЕГИРОВАТЬ — даже с ИИ это не изменит метрики. Вопрос: зачем это вообще делается?
АВТОМАТИЗИРОВАТЬ В ПОСЛЕДНЮЮ ОЧЕРЕДЬ — выигрыш минимальный, риск есть.
Большинство компаний автоматизируют нижний левый квадрант — задачи медленные и с низким вкладом. Потому что там легче всего применить ИИ. И именно поэтому результата нет.
Правильный ответ — верхний левый квадрант. Стратегический анализ, который занимает три дня. Конкурентный мониторинг, который требует недели. Подготовка к клиентским встречам, которая занимает полдня. Всё это — кандидаты на автоматизацию с реальным бизнес-эффектом.
Инструмент 2: двухнедельный аудит времени
Это самый дешёвый и самый точный инструмент диагностики. Он не требует консультантов, программного обеспечения или специальных знаний. Только честность.
В течение двух недель каждый член команды ведёт простой дневник: задача — время начала — время конца — категория. Категорий четыре:
Стратегия и развитие: работа, которая создаёт будущую ценность.
Производство: создание продукта или услуги для клиентов.
Операционная рутина: отчёты, согласования, переписка, встречи.
Пожар: незапланированные задачи и срочные проблемы.
Через две недели сложите время по категориям. Картина, которую вы увидите, почти всегда удивляет. TechNetExperts из Касабланки — агентство, которое мы разберём в следующей главе — обнаружило, что 55% рабочего времени команды уходит на операционную рутину. Никто этого не знал. Потому что никто не мерял.
После аудита узкое место видно без всяких консультантов. Задачи из операционной рутины — кандидаты на автоматизацию. Задачи из категории «пожар» — сигнал, что нет системы и SOP. Задачи из производства — смотрим на вклад в результат прежде чем автоматизировать.
Инструмент 3: карта клиентского пути
Иногда узкое место не внутри компании, а в точках контакта с клиентом. Нарисуйте путь клиента от первого касания до покупки и повторной покупки:
Этап
Что происходит
Где теряем клиентов
Время на этап
Осведомлённость
Клиент узнаёт о нас
?
Измеряем
Интерес
Изучает предложение
?
Измеряем
Рассмотрение
Сравнивает с конкурентами
?
Измеряем
Решение
Принимает решение о покупке
?
Измеряем
Покупка
Заключает договор
?
Измеряем
Использование
Работает с нами
?
Измеряем
Лояльность
Продлевает, рекомендует
?
Измеряем
На каком этапе потери максимальные? Именно туда нужен ИИ. Не туда, где применить легче. Туда, где потери больнее.
Порядок в процессах: с чего начать прямо сейчас
Вторая ошибка — ИИ на хаос — решается одним конкретным действием: описанием процессов до внедрения. Это звучит скучно. Но это именно то, что отделяет 5% от остальных.
Стандарт «нового сотрудника»
Есть простой тест для любого процесса, который вы хотите автоматизировать. Представьте, что к вам завтра выходит новый сотрудник. Он никогда не делал эту задачу. У него нет никаких дополнительных источников информации, кроме того, что вы ему дадите.
Вопрос: есть ли у вас описание процесса, которое позволяет ему выполнить задачу без единого уточняющего вопроса?
Если нет — у вас нет SOP. Есть только голова конкретного человека, в которой хранится этот процесс. И когда вы просите ИИ выполнить эту задачу — вы получаете то же самое, что получил бы новый сотрудник без инструкций. Додумывание.
По данным Process Street 2024 года, компании с документированными SOP тратят на онбординг новых сотрудников на 40% меньше времени и фиксируют на 60% меньше операционных ошибок в первые 90 дней. Это же правило работает для ИИ-агентов: чёткое задание — предсказуемый результат. Размытое задание — угадывание.
Быстрый способ создать SOP
Не нужно тратить недели на написание инструкций. Есть быстрый метод:
Попросите человека, который выполняет задачу лучше всех в команде, записать экран во время работы и проговорить каждый шаг вслух.
Загрузите запись или транскрипт в нейросеть с задачей: «Оформи это как пошаговую инструкцию для нового сотрудника».
Черновик SOP готов за час. Человек проверяет и правит — не пишет с нуля.
Компании, которые навели порядок в SOP до внедрения ИИ, сообщают о 30–50% меньше ошибок в автоматизированных процессах. Это следствие одного простого факта: агент получил чёткое задание вместо размытого.
Что фиксировать в SOP для ИИ
SOP для ИИ-агента отличается от обычной инструкции для сотрудника. Нужно добавить три дополнительных блока:
Примеры хорошего результата: конкретные образцы того, как должен выглядеть результат. Не описание. Примеры.
Примеры плохого результата: что точно не должно быть на выходе. Типичные ошибки. Это важнее, чем кажется — ИИ лучше понимает границы через контрпримеры.
Что проверяет человек: конкретный список того, что нужно проверить в результате ИИ перед тем, как он идёт дальше. Не «проверить качество» — а «проверить три конкретные вещи».
Тридцать дней до первого внедрения: пошаговый план
Разберём конкретно: что делать в течение первого месяца, чтобы не повторить шесть ошибок.
Неделя
Задача
Результат
1
Аудит времени команды. Каждый сотрудник ведёт дневник задача-время-категория.
Карта того, куда реально уходит время.
1
Три вопроса об узком месте. Ответить честно: лиды, скорость, экономика юнита.
Ясность о том, где автоматизация даст эффект.
2
Выбрать один процесс для автоматизации — из верхнего левого квадранта матрицы.
Конкретный кандидат с понятным бизнес-эффектом.
2
Зафиксировать базовую метрику: время на процесс, количество ошибок, стоимость.
Точка отсчёта для измерения результата.
3
Описать SOP этого процесса по методу «нового сотрудника».
Техническое задание для ИИ.
3
Зафиксировать письменно: хороший результат vs плохой результат (с примерами).
Стандарт качества.
3
Пересмотреть ценообразование — если применимо. Договориться с ключевыми клиентами до ускорения.
Защита маржи после внедрения.
4
3 часа обучения промптингу именно для выбранного процесса.
Умение правильно ставить задачу.
4
Пилотный запуск: один человек, один процесс, ИИ встроен в каждую итерацию.
Первые реальные данные.
4
Сравнение с базовой метрикой. Что изменилось? Где ещё ошибки?
Честный результат первого месяца.
После четырёх недель у вас будет одно внедрение с измеримым результатом. Это больше, чем у большинства компаний, которые тестировали ИИ год.
Почему начинают с одного процесса
По данным Школы управления СКОЛКОВО, компании, которые начинали с одного пилота и доводили его до измеримого результата, получили ROI в 3–5 раз выше тех, кто запускал несколько направлений параллельно. Не потому что один процесс важнее. А потому что фокус позволяет быстро обнаружить проблемы и исправить их до масштабирования.
Один процесс даёт данные. Несколько процессов параллельно дают шум, в котором невозможно понять, что работает, а что нет.
Урок от Klarna: когда ускорение привело не туда
В 2024 году шведский финтех Klarna запустил ИИ-агента для клиентской поддержки и громко объявил об этом. Агент обрабатывал 2,3 миллиона обращений за первые два месяца. Скорость ответа выросла с 11 минут до менее 2 минут. Клиентский сервис удешевился на 40 миллионов долларов в год. CEO Себастьян Сьёмарк заявил о «революции».
Через 11 месяцев Klarna начала нанимать агентов поддержки обратно.
Что произошло. Метрики удовлетворённости клиентов упали. Количество повторных обращений по одной теме выросло — клиенты не получали решения с первого раза. Процент эскалаций на живых операторов вырос выше ожидаемого. Агент хорошо справлялся с простыми стандартными запросами, но не справлялся с нюансами и пограничными случаями.
Это не история про то, что ИИ-поддержка не работает. Это история про то, что метрика была выбрана неправильно. Измерили скорость ответа и стоимость. Не измерили качество решения. Узкое место — скорость ответа — было найдено верно. Но качество решения оказалось другим узким местом, которое не заметили до внедрения.
Что это значит для вашего бизнеса
Перед любым внедрением ИИ зафиксируйте не одну метрику, а три:
Метрика скорости: сколько времени занимает процесс.
Метрика качества: насколько результат соответствует стандарту (процент ошибок, переделок, жалоб).
Метрика бизнес-результата: как изменение этого процесса влияет на клиента или выручку.
ИИ почти всегда улучшает первую метрику. Вторую и третью — только при правильной подготовке. И именно вторая и третья определяют, был ли результат реальным или иллюзорным.
Самодиагностика: где находится ваш бизнес
Пройдитесь по списку и честно отметьте каждый пункт: уже сделано, в процессе, или ещё не делали.
Вопрос
Уже есть
В процессе
Ещё нет
Вы знаете, куда уходит время каждого сотрудника в разрезе категорий?
Узкое место бизнеса сформулировано письменно — не «всё надо улучшить», а конкретно?
Топ-10 повторяющихся процессов описаны как SOP?
Для каждого KPI есть один источник данных, которому доверяет вся команда?
Зафиксированы письменные критерии «хорошего результата» для ключевых задач?
Ценообразование построено на результате, а не на часах?
На каждом процессе, где результат идёт к клиенту, есть назначенный человек с правом финальной проверки?
Команда прошла хотя бы базовое обучение тому, как правильно ставить задачи ИИ в своей области?
Если в третьей колонке больше трёх галочек — ИИ-внедрение сейчас преждевременно. Не потому что нельзя. А потому что каждый незакрытый пункт — это открытая дверь для одной из шести ошибок.
Если в первой колонке больше пяти галочек — вы готовы к первому пилоту. Выберите один процесс, зафиксируйте метрику, начните.
Финальная мысль главы 1:
ИИ — это умножитель. Он умножает то, что уже есть. Порядок умножает в результат. Хаос умножает в более быстрый хаос. Экспертизу умножает в конкурентное преимущество. Незнание умножает в красиво оформленные ошибки. Те 5%, которые получают реальную отдачу, не умнее остальных. Они просто сделали то, что большинство пропускает: навели порядок до того, как нажали кнопку.
Глава 2. Порядок до ИИ
Есть вопрос, который я задаю каждому собственнику перед тем как говорить про нейросети.
Вы можете прямо сейчас назвать пять самых повторяющихся процессов в вашем бизнесе — и объяснить, как именно они выполняются?
Большинство молчат. Или начинают объяснять устно — долго, с оговорками, с фразами вроде «ну это зависит от ситуации» или «обычно Марина этим занимается». Это и есть ответ. Не словами — паузой.
Если вы не можете описать процесс словами, нейросеть не сможет его выполнить. Она будет додумывать. А додумывает она всегда по-своему. Иногда близко к тому, что вы имели в виду. Иногда в другую сторону. И вы никогда не узнаете заранее — в какую именно.
Порядок до ИИ — это не бюрократия и не занудство. Это фундамент, без которого самый мощный инструмент становится источником красиво оформленных ошибок. Это то, что разделяет 5% компаний, получающих реальную отдачу от ИИ, от остальных 95%.
В этой главе — конкретно и пошагово: что именно нужно выстроить, в каком порядке и как это выглядит на практике.
Блок 1. Почему порядок — это не скучно, это обязательно
В 2024 году Школа управления СКОЛКОВО проанализировала больше 1600 внедрений ИИ в российских и международных компаниях. Вывод, который они получили, звучит контринтуитивно для тех, кто ждёт от ИИ быстрых результатов.
Компании, которые начинали с наведения порядка в процессах и данных, получили ROI в три-пять раз выше тех, кто пытался автоматизировать всё сразу без подготовки. Разрыв — не в инструментах. Разрыв — в фундаменте.
Подход к внедрению ИИ
Медианный ROI
Вероятность успеха
Сначала порядок в процессах и данных, потом ИИ
3–5x выше среднего
Высокая
Параллельно: ИИ + наведение порядка
Средний
Умеренная
ИИ без подготовки, порядок «по ходу»
Близкий к нулю
Низкая (провал в 80%+ случаев)
ИИ поверх хаоса, без осознания проблемы
Отрицательный
Провал практически гарантирован
Gartner в 2026 году подтверждает: 60% проектов без AI-ready данных закрываются до получения результата. Данные — не технический вопрос. Это управленческий барьер номер один.
Вот как я формулирую пропорцию своим клиентам: тратьте 60% усилий на фундамент и 40% на сам ИИ. Это звучит неправильно. Кажется, что нужно наоборот — больше на инструменты, меньше на подготовку. Но именно эта пропорция — единственная, которая даёт устойчивый результат.
Пять вещей, без которых ИИ работает против вас
По результатам аудита провальных внедрений — моих наблюдений и данных Лилак Буллок — каждый раз не хватало одного или нескольких из этих элементов:
Элемент
Что происходит без него
Описанные процессы (SOP)
ИИ додумывает и даёт непредсказуемый результат
Чистые, собранные данные
Красиво оформленные решения на основе неверных цифр
Явный порог качества
Бесконечные согласования, воркфлоу встаёт
Ценообразование на результат
Клиент видит вашу скорость и требует снизить цену
Человек с правом вето на ключевых точках
Ошибки ИИ накапливаются незаметно, пока не становятся катастрофой
Убрать любой из этих пяти элементов — значит открыть дверь для одной из шести ошибок, разобранных в первой главе. Добавить все пять — значит создать условия, при которых ИИ действительно работает.
Разберём каждый элемент детально.
Блок 2. Сначала замерьте — потом меняйте
Самая дорогостоящая ошибка при внедрении ИИ — автоматизировать то, что кажется проблемой, а не то, что является ею на самом деле. Разница между «кажется» и «является» — это данные.
До того как менять что-то в бизнесе, нужно честно увидеть, как он работает прямо сейчас. Не как вы думаете, что он работает. А как он работает на самом деле.
История, которая стала учебником
Агентство TechNetExperts из Касабланки. Двенадцать человек. Руководитель хотел внедрить ИИ, но не знал, с чего начать. Перед тем как что-то менять, они сделали простую вещь: попросили каждого сотрудника две недели записывать, на что уходит время. Конкретно — задача, время начала, время окончания, категория.