Автоматизация процессов

Как внедрить ИИ в реальные бизнес-процессы

Александр Лукашевич · 1 августа 2026

Про ИИ в бизнесе сейчас пишут все. Проблема в том, что пишут в основном про демо: собрали бота за выходные, он ответил на три вопроса, красиво. А дальше начинается настоящая работа, о которой не пишут, потому что она некрасивая.

Я прошёл этот путь на своём продукте и на клиентах. Ниже — то, что реально происходит между «давайте внедрим ИИ» и «оно работает и приносит деньги». Без обещаний, что вы сократите расходы вдвое за месяц.

Сколько бизнесов уже внедрили ИИ — и сколько на этом обожглось

Цифры выглядят внушительно ровно до тех пор, пока смотришь только на первую.

Читается это так: внедрили почти все, довели до денег почти никто. И вот тут важно не сделать вывод «значит, ИИ не работает». Работает. Просто между «попробовали» и «считаем в отчёте» лежит не технология, а обычная скучная работа с процессами.

Почему пилот не доезжает до прода

Пилот живёт в тепличных условиях: один канал, десять примеров, рядом сидит человек, который поправит. Прод — это когда клиент пишет ночью в мессенджер, которого не было в тестах, про заказ, которого нет в базе.

Вот что убивает проекты чаще всего:

• Нет источника правды. Модель отвечает красиво, но не тем, что написано в ваших инструкциях. Через неделю кто-нибудь получает ответ, противоречащий условиям доставки, и проект закрывают.
• Некому передать сложный случай. Если у ИИ нет понятного способа сказать «я не уверен, зовите человека» — он будет уверенно врать.
• Пилот не связан с системами. Ответ есть, а в CRM не появилось ничего. Значит, работу всё равно делает менеджер, просто теперь ещё и дублирует.
• Никто не считал «до». Через три месяца невозможно доказать, что стало лучше, потому что никто не знает, как было.

Ни один из этих пунктов не про модель. Все четыре — про процесс вокруг неё.

Начинать надо не с ИИ

Самый частый заход: «нам нужен ИИ-ассистент». Самый полезный первый шаг: посмотреть, что вообще происходит в ваших системах.

Мы делали такой аудит клиенту — производителю печатной продукции. Подключились к рабочему Битриксу и посчитали. Получилось неприятно и очень наглядно:

• 87,7% сделок числились «в работе», но месяцами не двигались;
• 7 490 раз менеджеры вручную ставили себе задачу «связаться с клиентом»;
• 53% сделок были без источника — то есть непонятно, какая реклама принесла деньги.

Ни одна из этих цифр не требует ИИ, чтобы её увидеть. Но именно они показывают, куда его ставить. Семь с половиной тысяч одинаковых ручных задач — это не «где-то есть рутина», это конкретный объём работы с понятной ценой.

Три процесса, которые автоматизируются первыми

Не начинайте с самого сложного. Начинайте с самого повторяющегося.

1. Приём и разбор входящих

Сообщения приходят из мессенджеров, почты, форм на сайте. Первое, что стоит сделать, — свести их в одну очередь и научиться до ответа понимать: кто написал, по какому вопросу, насколько это срочно. Это ещё не автоответы. Это просто порядок, и он один экономит людям часы.

2. Ответы на типовые вопросы

«Где мой заказ», «как загрузить макет», «какие условия доставки». Ключевое правило: нет подтверждённого источника — нет автоответа. Пять-десять сценариев, у каждого свой документ в базе знаний. Всё остальное — человеку.

3. Рутинные действия в системах

Поставить задачу, проставить источник, закрыть зависшую сделку, напомнить о себе клиенту, который молчит третью неделю. Скучно, механически, тысячи раз в год — идеальный кандидат.

Вайбкод: почему «сделаем сами за выходные» не работает

По данным Stack Overflow, ИИ-инструментами пользуется или собирается пользоваться подавляющее большинство разработчиков — около 84%. При этом доверие к точности результата у них же падает: почти половина говорит, что не доверяет.

Скажу честно, из своего опыта. Я умею программировать. Я потратил месяц, работая по четырнадцать часов в день, перебрал десяток форматов вайбкода и всё равно не собрал продакшн-готовый продукт в одиночку. Команда из четырёх опытных разработчиков сделала это за полтора месяца.

Вайбкод отлично собирает прототип и плохо собирает систему, которая переживёт пятьсот обращений в неделю.

Вывод не «не пользуйтесь». Вывод такой: используйте его там, где цена ошибки низкая — прототипы, внутренние утилиты, проверка гипотез. Там, где ошибка уходит клиенту, нужен нормальный инженерный контур: тесты, мониторинг, откат, очередь.

Что ломается, когда инструментов много

Типичная картина через полгода экспериментов: бот в телеграме от одного подрядчика, чат на сайте от другого, таблица с базой знаний, отдельный сервис рассылок и CRM, которая ни про что из этого не знает.

Каждый инструмент по отдельности работает. Ломается на стыках:

• клиент написал в двух каналах — и стал двумя разными людьми в базе;
• бот пообещал скидку, менеджер об этом не знает;
• ответ есть, задачи в CRM нет;
• никто не может сказать, сколько обращений вы вообще обработали за неделю.

Это не аргумент «купите одну большую систему». Это аргумент за то, чтобы у клиентского пути было одно место, где он целиком виден. Когда приём сообщений, база знаний, действия в CRM и передача человеку живут в одном контуре, стыков просто не остаётся — ломаться нечему.

Где реально теряют данные и аккаунты

Про это спрашивают редко, а попадаются на этом регулярно.

Данные утекают через промпты

Публичной статистики «сколько компаний потеряли данные из-за ИИ» не существует — никто не публикует такие отчёты о себе. Зато есть громкие случаи: сотрудники вставляют в чат-бот куски внутреннего кода и документов, и это уходит наружу. Самый известный — утечка исходников в Samsung, после которой компания запретила сотрудникам публичные чат-боты.

Лечится это не запретами, а техникой: чувствительные данные маскируются до обращения к внешней модели, внутри вашего контура. Телефоны, документы, реквизиты не должны покидать периметр в открытом виде.

Аккаунты банят за автоматизацию

Здесь тоже нет честной цифры, и любой, кто её называет, скорее всего придумал. Но есть факт: правила Instagram и WhatsApp прямо ограничивают автоматическую рассылку, и блокировка бизнес-аккаунта — совершенно реальный исход. Работать нужно через официальные API, а не через «серые» способы, какими бы дешёвыми они ни казались.

Как считать результат

Главное правило: замерьте до того, как начнёте. Не потом, не «когда заработает» — сейчас. Иначе через три месяца вы не отличите эффект автоматизации от сезонности.

Минимальный набор, который работает почти в любом бизнесе:

• Доля обращений, закрытых без человека. Главная цифра. Она прямо отвечает на вопрос «сколько работы с нас сняли».
• Среднее время первого ответа. Самая заметная клиенту.
• Объём ручных действий — тех самых задач, которые ставятся руками.
• Доля данных без разметки — сделки без источника, клиенты без телефона. Показывает, лечится ли причина, а не симптом.

И считайте это по неделям, а не одним числом в конце. У того клиента, о котором я писал выше, доля автоматических закрытий за пять недель прошла путь от 7,5% до 51,8% — но красиво это выглядит только на графике по неделям. Одним числом «стало 52%» вы не увидите ни провала на второй неделе, ни момента, когда всё поехало вверх.

Коротко

• Внедрили почти все, довели до денег почти никто — и дело не в моделях.
• Начинайте не с ИИ, а с аудита: цифры сами покажут, где рутина.
• Первыми автоматизируются приём входящих, типовые ответы и механические действия в системах.
• Нет подтверждённого источника — нет автоответа.
• Вайбкод хорош для прототипа и плох для прода.
• Чем меньше стыков между инструментами, тем меньше мест, где всё сломается.
• Замер «до» — обязателен. Без него нечего будет доказывать.