Внедрение ИИ в компанию: как внедрить ИИ по шагам и не потерять бюджет

Почему внедрение ИИ срывается до запуска

Проект часто ломается на первой фразе. Собственник хочет внедрить ИИ в продажи, а на вопрос, что именно в продажах должно измениться, у него есть только надежда, что заработает само. Сервис ещё не куплен. Проект уже сломан.

Срываются внедрения тремя способами, и ни один не связан с технологией.

Подписки раздали, задачу не назвали. Оплатили сервис, написали в общий чат «пользуйтесь» и через месяц обнаружили, что вкладку открывает один человек. Остальные не знают, в какой момент рабочего дня ИИ должен им помочь.

Пилот «вроде работает». Запустили в одном отделе, а через квартал директор спрашивает, окупилось ли. Ответить нечем: сколько времени задача занимала до запуска, никто не записал. Масштабировать нечего, потому что нет цифр.

Автоматизировать решили всё сразу: CRM, склад, найм и отчётность. Деньги ушли на интеграции, команда устала от перестроек, и через полгода всё вернулось к таблицам.

На одном из разборов владелец сервисного бизнеса жаловался, что ни один канал рекламы не масштабируется, и собирался за советом к внешнему маркетологу. Я ответил, что вряд ли кто-то придёт с секретной схемой на уровне инструмента, подключит искусственный интеллект, и после этого всё заиграет. Причина лежала глубже: не было ясности про рынок, аудиторию и предложение. С ИИ происходит то же самое. Он усиливает работающий процесс и ничего не чинит там, где процесса нет.

С чего начать внедрение ИИ: шесть шагов

Менять шаги местами дорого. Особенно шаг с инструментом: его место четвёртое.

Шаг 1. Посчитайте, куда уходит время

Попросите ключевых сотрудников и себя две недели записывать три вещи: что делали, сколько это заняло и как часто повторяется. Хватит таблицы из четырёх колонок: задача, время, частота, тип (рутина, коммуникация, решение, творчество). Через две недели у вас будет список задач с настоящими часами вместо ощущения, что «на отчёты уходит много времени». Инструменты в это время не обсуждаются. Цифры из таблицы станут вашим «до».

Шаг 2. Выберите один процесс

Из списка нужен один кандидат. Он должен подходить по четырём признакам.

• Задача повторяется минимум раз в неделю. Редкую задачу не замерить и не отладить.
• Результат считается в минутах или рублях. «Стало лучше» в расчёт не идёт.
• Ошибка ИИ стоит дёшево. Финансовые документы, договоры и прямые обещания клиентам первым пилотом не берут. Лучше внутренние материалы: черновик коммерческого предложения, протокол встречи.
• У задачи есть хозяин с именем и должностью, который будет мерить результат. Если «попробует вся команда», всерьёз не займётся никто.

На этом этапе ИИ работает ассистентом, который готовит черновик. Решение остаётся за человеком.

Шаг 3. Ответьте на шесть вопросов до покупки инструмента

1. Описан ли процесс на бумаге и где лежат данные, с которыми ИИ будет работать? Он не знает, как «у нас принято», и воспроизводит то, что найдёт в таблицах и CRM.
2. Кто будет пользоваться им каждый день? Нужно имя.
3. Есть ли в команде человек, которому интересно разбираться в новом? Без него внедрение держится на вашем энтузиазме, а он кончается на первом авральном месяце.
4. По какой цифре вы поймёте, что пилот сработал?
5. Сколько денег и часов вы готовы потратить на проверку гипотезы и в какой момент остановитесь?
6. Что случится, если пилот не сработает?

Последний вопрос проверяет выбор процесса. Если ответ «ничего страшного», процесс выбран правильно. Если «опозоримся перед клиентами», возьмите другой.

Шаг 4. Выберите инструмент под задачу

Только теперь. В бизнесе для первой задачи хватает одного из трёх классов.

Языковая модель общего назначения закрывает всю текстовую работу, от писем и коммерческих предложений до протоколов. Конструктор сценариев вроде n8n или Make нужен, когда ИИ встраивают в цепочку. Пришло письмо, модель присвоила категорию, в CRM появилась задача, менеджер получил уведомление. Узкие сервисы берут одну боль, например расшифровку звонков и встреч.

На старте разница между конкретными моделями меньше, чем разница между хорошим заданием модели и плохим. Доступность сервиса у вас в стране и его условия по хранению данных стоит проверить по официальному сайту до оплаты. Начните с языковой модели без интеграций: пусть сотрудник месяц работает с ней руками и поймёт, что получается. Цепочку автоматизируйте после этого.

Шаг 5. Первые две недели пилота

Работает один человек над одной задачей. Процессы не добавляют, всей команде не показывают. Ваша роль сводится к одному вопросу раз в три дня: «Что не работает, где ИИ ошибся, что пришлось переделывать?» Вопрос «всё хорошо?» ничего не даёт.

Поломки первых двух недель выглядят предсказуемо. Ответы слишком общие: в задании не хватает контекста, то есть кто аудитория, какой нужен формат, какие ограничения и как выглядит хороший результат. Ответы каждый раз разные: сделайте шаблон задания, куда сотрудник подставляет детали. Модель «не понимает нашу специфику»: специфику прописывают один раз в инструкции или базе знаний, которую модель получает вместе с вопросом.

К концу второй недели у вас должны быть рабочий шаблон задания, список мест, где ИИ помогает и где нет, и первое сравнение времени «до» и «после».

Шаг 6. Разбор и решение о масштабе

Порог успеха назначают до запуска, а не после. Допустим, вы решили, что пилот удался, если время на задачу сократилось на треть. Результат ниже трети означает, что нужно доработать задание и процесс. Результат около нуля означает, что задача выбрана неудачно, и упорствовать не стоит: возьмите другую.

Расширяться тоже нужно по одному шагу: сначала второй пользователь, потом второй процесс. Попытка «внедрить ИИ везде за квартал» обычно кончается сопротивлением команды и возвратом к прежним методам.

Чек-лист перед стартом

• Есть задача с замеренными часами в неделю.
• Она повторяется минимум раз в неделю.
• Назван ответственный, с именем.
• Записано, сколько времени задача занимает сейчас.
• Определена цифра успеха, например «с трёх часов до часа».
• Процесс не касается финансовых и юридических документов.
• В команде есть хотя бы один человек, которому это интересно.
• Срок пилота записан, и после него назначен разбор результатов.

Какие задачи отдавать ИИ первыми

Какие задачи ИИ берёт по отделам, разобрано в статье ИИ для бизнеса. Для первого пилота подходят зоны, где результат виден за пару недель и его легко проверить.

Входящие обращения. Сортировка по типам, черновик ответа по шаблону, распределение между менеджерами. Черновик перед отправкой читает человек.

Звонки и встречи. Расшифровка и краткое содержание. Руководитель отдела продаж читает резюме вместо прослушивания записей, а задачи из встречи попадают в трекер без ручного переписывания.

Операционные тексты. Коммерческие предложения, типовые письма, описания товаров, ответы на частые вопросы. Работа идёт черновиками по шаблонам, творчество здесь ни к чему.

Сводки и отчёты. Еженедельная выгрузка из учётной системы или таблицы превращается в готовую сводку для собственника. Пока вы не убедились, что сборка стабильна, цифры в сводке сверяют с первоисточником.

Первичный скрининг резюме по заданным критериям. Решение о приглашении и найме остаётся за рекрутером.

На первом этапе не отдавайте ИИ переговоры с ключевыми клиентами, нестандартные решения по деньгам и управление людьми.

Команда: как снять сопротивление

Сопротивление возникает из простого страха: никто не хочет, чтобы его заменили. Бывает, что сотруднику выдают логин и говорят «смотри и делай». Через две недели он закрывает вкладку и работает как раньше, потому что никто не объяснил, что изменится в его дне.

Помогают три приёма. Скажите команде прямо, какую рутину забирает ИИ и чем люди займутся с освободившимся временем: «отчёт, который вы собираете по пятницам, теперь собирается сам, а вы разбираете отклонения». Включите исполнителей в пилот, потому что человек, который сам настраивал инструмент, его не обходит. Обучайте на задачах из их работы, на примерах из их почты и таблиц, и оставьте две-три недели параллельной работы, когда ИИ делает, а человек проверяет. Проверку снижайте по мере того, как растёт доверие к качеству.

Сопротивление возникает там, где собственник внедряет ИИ сверху, без объяснений и без поддержки. Консервативность команды здесь ни при чём.

ИИ-стратегия компании: когда нужна и из чего состоит

ИИ-стратегией называют записанную на одной странице договорённость: зачем компания внедряет ИИ, в каких процессах, в каком порядке, кто отвечает и по каким цифрам вы поймёте, что получилось.

Для первой задачи стратегия не нужна, хватит шести шагов выше. Нужна она тогда, когда пилотов становится несколько и они начинают мешать друг другу. Данные дублируются, сервисы стыкуются плохо, за каждую подписку отвечает свой человек. Начните с вопроса, ради какой цели куплена каждая подписка. Подписка без ответа первой идёт на отключение.

Четыре элемента на одной странице

Цели на полгода-год, сформулированные так, чтобы их можно было проверить: «сократить время обработки входящих заявок», «убрать ручную подготовку еженедельных отчётов». «Повысить эффективность» не годится, проверить его нечем.

Карта процессов с приоритетами. Где работа встаёт в ожидании одного человека, а где люди руками делают то, что машина сделает без потери качества. Нужна честная инвентаризация из шага 1, список «хотелок» её не заменит.

Технологический слой. Какие инструменты, в каком порядке, кто внедряет и кто потом поддерживает.

Измерение и пересмотр. Какие метрики, как часто замеряем, и при каком результате мы честно говорим «провал, меняем подход». Если четвёртого пункта нет, первые три остаются планом на бумаге, потому что проверить результат нечем.

С какого уровня вы стартуете

Компании начинают из разных точек. Если процессы не описаны, CRM заведена и стоит пустой, а аналитику раз в месяц собирают в Excel, говорить про ИИ рано. Сначала нужен порядок в базовой операционке. Когда CRM работает и данные в неё попадают, ИИ уже даёт эффект в конкретных задачах, например в текстах, ответах на типовые запросы и сводках. Когда системы обмениваются данными и по основным процессам есть метрики, можно строить план на год. Уровень, где ИИ встроен в ключевые процессы и за направление отвечает отдельный человек, в малом бизнесе пока редкость.

Эту последовательность я проговаривал и без всякого ИИ. На разборе с владельцем бизнеса, который оказывает услуги с выездом к клиенту, я описал четыре этапа развития компании: сначала сделать хоть как-то, потом масштабировать то, что получилось, потом оптимизировать, и лишь затем автоматизировать. Мысль была простая: «нельзя автоматизировать что-то неэффективное». ИИ в этой цепочке стоит на последнем месте.

Как выбрать три проекта из двадцати

Список «можно автоматизировать» из двадцати пунктов собирается за вечер. Сложнее выбрать три, которые стоит делать ближайшие полгода. Для этого подходит двухмерная оценка «эффект и усилия».

Эффект измеряется тремя вещами: часами, которые команда тратит на процесс за неделю, ценой сбоя (потерянный клиент или ошибка в деньгах) и прямой связью с выручкой или с тем, что раздражает собственника сильнее всего. Усилия включают технику, переобучение команды, переписанные регламенты и интеграции, которые потом кто-то должен держать на себе.

Первые проекты берут из квадранта «высокий эффект, низкие усилия». Быстрый видимый результат создаёт у команды доверие ко всему, что пойдёт следом. Тяжёлый проект, поставленный первым номером, тонет вместе с верой в остальные. Предиктивную аналитику продаж и персональные рекомендации клиентам стоит отложить: им нужны порядок в данных и связанные системы, которых на нижних уровнях нет.

Кто отвечает за ИИ в компании

Провал часто начинается с фразы «разберётся айтишник» или «поручим маркетологу». Айтишник настроит сервис, но не видит, какой процесс тормозит бизнес. Маркетолог закроет задачи своего отдела и остановится. ИИ-направление должен вести тот, кто отвечает за операционку, а в небольшой компании это часто сам собственник или операционный директор. Ему нужны право менять процессы в разных отделах и защищённое время в календаре. Через месяц посчитайте, сколько часов он потратил на ИИ, и сравните с планом. Направление, которое ведут по остаточному принципу, стоит на месте.

Как считать результат пилота и окупаемость

Окупаемость ИИ считают по формуле любой инвестиции: ROI = (выгоды минус затраты) / затраты × 100%. Вся сложность в том, что подставить в обе части. Подрядчик обычно показывает красивые цифры из чужих компаний: у них свой поток обращений, свой штат и своя CRM в своём состоянии. На ваш бизнес такая цифра переносится ровно настолько, насколько совпадают условия.

Затраты: три слоя

Прямые затраты видны в счёте. Сюда входят разработка или настройка, подписки на модели и сервисы, интеграция с CRM и мессенджерами и хостинг. Просите подрядчика показывать разовую разработку и ежемесячные платежи отдельными строками, иначе потом не сверить счёт с обещанным.

Скрытые операционные затраты появляются после запуска. Кто-то должен регулярно править задания и базу знаний, выборочно проверять ответы, обучать команду и чинить интеграцию, когда провайдер обновил API. У этого человека есть зарплата, и его часы входят в затраты. Машину мало купить, её нужно каждый месяц заправлять.

Затраты на изменения считают реже всего. Сюда входят время руководителя на согласование требований, потери переходного периода, пока менеджеры одновременно работают по старой схеме и проверяют бота, и цена ошибки, когда ИИ дал клиенту неверный ответ.

Выгоды: что записывать, а что нет

Экономия на ФОТ. Допустим, ИИ освободил 60% рабочего времени оператора. На бумаге ФОТ от этого не уменьшился. Деньгами высвобожденное время становится, когда вы не нанимаете следующего человека или загружаете освободившиеся часы работой, которая приносит выручку. В расчёт идёт только это.

Рост конверсии. Если ассистент отвечает клиенту за секунды, а раньше ответа ждали часами, больше заявок доходит до сделки. В выгоды идёт валовая прибыль с дополнительных продаж, а не выручка: ИИ вы оплачиваете из маржи и с маржой его сравниваете.

Снижение ошибок. В счетах и спецификациях каждая предотвращённая ошибка экономит часы на исправление, а иногда и стоимость рекламации.

Косвенные выгоды существуют, например меньше выгорания у менеджеров и быстрее решения. Проверяются они плохо, и денежный эквивалент держится на допущениях. Я бы в базовый расчёт брал только прямые выгоды, а косвенные выносил в отдельный столбец с пометкой «потенциал». Картина получается скромнее и честнее, и решение принимается по ней, без надежды, что проект как-нибудь отобьётся сам.

Пример расчёта на условных цифрах

Цифры вымышленные, они нужны только чтобы показать формулу. Бот первично квалифицирует заявки и выставляет коммерческие предложения по типовым позициям. В год приходит 600 типовых заявок, средний чек 45 000 руб., валовая маржа 30%, штат не меняется. Конверсия из заявки в продажу выросла с 18% до 24%, то есть на 36 продаж в год.

Выгода: 36 продаж по 45 000 руб. дают 1 620 000 руб. выручки, а валовая прибыль при марже 30% составляет 486 000 руб. Освободившееся время менеджеров в выгоды не входит, потому что ФОТ не изменился.

ROI первого года: (486 000 минус 746 000) / 746 000 × 100% = минус 35%. Во второй год разработки уже нет, затраты составляют 216 000 руб. на API и хостинг плюс 180 000 руб. на поддержку, всего 396 000 руб. ROI второго года: (486 000 минус 396 000) / 396 000 × 100% = 23%. Накопленным итогом вложения вернутся к концу четвёртого года, и то если конверсия удержится, а подписки не подорожают. Период притирки в расчёте не заложен. В первые месяцы бот ошибается, менеджеры проверяют его ответы, а конверсия растёт постепенно. Живой первый год получится хуже расчётного.

Теперь подставьте в выгоды выручку вместо маржи и добавьте освободившиеся часы по полной ставке. Тот же проект покажет сотни процентов уже в первый год. Финансовый директор такой расчёт разворачивает сразу, и после этого он перестаёт верить остальным цифрам в презентации.

Картину меняют два условия, и оба видны до подписания договора. Первое: поток заявок. Если их в несколько раз больше, прибыль от конверсии растёт вместе с потоком, а затраты почти не двигаются. Второе: найм. Если без бота пришлось бы брать ещё одного менеджера, его ставка, которую вы не платите, честно идёт в выгоды. Без одного из этих условий такой бот окупается только к четвёртому году.

Как не записать на ИИ чужой рост

Цифру, которая выросла после запуска, сначала разбирают, потом записывают в выгоды. На одном из разборов у компании с отделом продаж недельная выручка вышла заметно выше плана, примерно в полтора раза. Зелёные цифры я разбираю так же дотошно, как красные, поэтому спросил, что позволило перевыполнить план. Сначала прозвучала догадка: наверное, было больше оплат. Я уточнил: «Думаешь или ты точно знаешь?» Вторая версия оказалась другой. В компании ввели регламент и новый портрет клиента, часть обращений больше не берут, и отдел продаж разгрузился.

Дальше я объяснил, зачем нужен этот вопрос. Представьте рекламный канал, который превратился в банкомат: суёшь тысячу, достаёшь пять. Вопрос один: что повлияло и можно ли это масштабировать. Разовую акцию вроде распродажи с огромными скидками каждую неделю не повторишь.

С ИИ-пилотом так же. Конверсия выросла в месяц запуска бота, и весь прирост хочется записать на бота. Пока не исключены сезон, новый источник заявок и смена скрипта у менеджеров, это гипотеза.

Что ещё двигает срок окупаемости

Качество данных. Если CRM заполнена частично, а история сделок лежит в Excel на рабочих столах менеджеров, настройка займёт больше времени и денег, чем в плане. До автоматизации бюджет может просто не дотянуть.

Объём повторов. Редкую операцию автоматизировать бессмысленно. Для частой сравните, сколько стоят часы, которые она забирает за месяц, и сколько стоит её автоматизация.

Скорость решений внутри компании. Этот фактор бьёт по окупаемости тихо. Подрядчик ждёт согласования задания, потом интеграции с ИТ, потом закупки, а деньги идут всё это время. Срок согласования обычного договора у вас хорошо предскажет срок ИИ-проекта.

Три ошибки в расчёте

• Сравнивают ИИ с нулём, хотя сравнивать нужно с альтернативой: наймом, аутсорсом или обычной автоматизацией без ИИ. Если менеджер закрывает задачу эффективнее проекта, нанимайте менеджера.
• Не закладывают период низкой эффективности. Первые месяцы любая система настраивается, и эффект в это время ниже расчётного. Собственник, который этого не учёл, закрывает проект слишком рано.
• Внедряют ИИ туда, где нет процесса. Он ускорит то, что есть. Процесс, который держится на интуиции одного человека, ИИ воспроизведёт в виде хаоса, и обойдётся это дороже хаоса без ИИ.

Риски и ошибки внедрения ИИ

Компании внедряют ИИ быстрее, чем выстраивают контроль вокруг него. Инструмент работает, экономит время, сотрудники им довольны, и поначалу всё выглядит спокойно. Собственнику дешевле разобраться в рисках до внедрения, пока это стоит одного вечера, чем после первого инцидента. Ниже семь категорий и защита для каждой.

Галлюцинации

Модель выдаёт правдоподобный текст тем же ровным тоном, каким сообщает правду. Попросите её назвать закон или судебное дело под вашу ситуацию, и она ответит уверенно, даже если такого документа нет: вместо «не знаю» вы получите номер, дату и цитату. Опасно это там, где ИИ готовит аналитические отчёты, отвечает клиентам по техническим и юридическим вопросам, пишет коммерческие условия и расчёты.

Защита: любой вывод, который влияет на деньги или право, проверяет человек с доступом к первичным источникам. Он находит, откуда взята каждая цифра, и сверяет её с CRM или учётной системой. Уверенный тон доводом не считается.

Утечки данных

Сотрудник вставляет в чат клиентскую базу с адресами почты, чтобы её «красиво оформить». HR загружает резюме с паспортными данными, менеджер выгружает переписку с клиентом ради краткого пересказа перед звонком, бухгалтер просит разобрать оборотно-сальдовую ведомость. Злого умысла нет ни у кого: окно чата просто не похоже на чужой сервер. Публичные сервисы по своим условиям могут использовать отправленные данные для улучшения моделей, если вы не отключили это вручную. Что именно ушло, компания обычно не видит.

По закону о персональных данных (152-ФЗ) о передаче таких данных за рубеж оператор заранее уведомляет Роскомнадзор, а данные граждан России при сборе записывают и хранят в базах на территории России. Поэтому клиентскую базу в зарубежный сервис без юриста не отправляют.

Защита строится в три слоя. Сначала письменная политика, где сказано, что в ИИ не уходит никогда. Туда входят персональные данные, коммерческая тайна и финансовая отчётность. Затем для рабочих задач разрешены только корпоративные версии с режимом приватности или решения в вашем контуре. И наконец, для самых чувствительных задач ИИ не используется совсем.

Решения на основе ИИ-аналитики

Ошибочное решение часто растёт из одного незаданного вопроса: «откуда эта цифра?» Модель может работать корректно, а ошибка сидит на входе, где данные неполные, устаревшие или без учёта сезонности. Дороже всего это обходится в прогнозах. ИИ не учёл специфику B2B-закупок, а решение о сокращении линейки уже исполнено.

Правило такое: ИИ формирует гипотезы, решение принимает человек. Любой вывод раскладывается на исходники. Какие данные взяты, за какой период, были ли аномалии. Если ни сотрудник, ни система не могут объяснить логику вывода, вывод не принимается, каким бы красивым он ни был.

Зависимость от поставщика

Провайдеры меняют цены и условия, переименовывают продукты, закрывают сервисы. Если процесс завязан на одну модель и переключиться некуда, у компании появляется критическая точка. Больнее всего это бьёт по тем, кто отдал контакт-центр одной модели, зашил задания под конкретный сервис или встроил инструмент в CRM без промежуточного слоя. Переезд тогда растягивается на месяцы, и всё это время процесс работает вполсилы.

Рассказ подрядчика про алгоритм, который «обучается на вашей компании» и пропадёт при уходе, проверяют тремя вопросами. Что именно обучается, на каких данных и что останется у вас, если вы уйдёте через месяц. Если объяснить он не может, вы покупаете красивую обёртку и привязку к поставщику.

Защита: интеграции со сменным слоем, задания хранятся отдельно от кода, для критичных сценариев протестированы минимум две модели, расходы на ИИ в бюджете считаются переменными.

Деградация навыков

Аналитики привыкают «просить ИИ» и только проверять результат, и через несколько месяцев уже не собирают сводные таблицы сами. Проверка тоже навык, и без практики он выветривается. Проявится это в самый неудобный момент. Сервис сломался или поменял условия, квартальный отчёт нужен завтра, а никто не помнит, как он делался руками. Для критичных функций сохраняйте ручные альтернативы и раз в квартал проверяйте, может ли ключевой сотрудник выполнить задачу без ИИ.

Репутация

Заметно сгенерированное письмо под именем компании читается как сигнал, что клиентом никто не занимался. Хуже, когда ошибка выходит наружу: чат-бот на сайте назвал неверные цены, рассылка ушла с фактической ошибкой. В B2B это дороже, чем в рознице. Сделка длинная, доверие строится долго, а потерять его можно одним письмом. В коммуникациях ИИ пишет черновик, а всё, что уходит клиенту от имени компании, проходит через живого человека.

Юридические вопросы

Кроме персональных данных есть авторские права: сгенерированный контент может содержать защищённые фрагменты, а судебная практика по таким спорам складывается. И вопрос ответственности: бот сообщил клиенту неверное условие договора, клиент поверил и понёс убытки. Кто отвечает, лучше выяснить у юриста до запуска, а не после первой претензии. Использование ИИ в работе с клиентами прописывают в договорах и пользовательских соглашениях.

Ошибки внедрения, на которых срываются пилоты

Отдать внедрение подрядчику целиком. Он настроит, но поддерживать изнутри не будет. Нужен внутренний хозяин процесса, который понимает, как работает система, и может её поправить.

Игнорировать качество данных. Если в CRM хаос, ИИ воспроизведёт хаос автоматически, быстрее и в большем объёме.

Не записать «до». Без него «после» нечем измерить и нечем доказать ни себе, ни команде. Потратьте два-три дня перед пилотом на замер текущих показателей.

Купить лицензию на всю компанию до конца пилота на нескольких пользователях. Пилот провалится, деньги потеряны.

Ждать запуска за неделю. Обещание «настроим за три дня» означает либо очень простой инструмент, либо подрядчика, которому нужны деньги быстрее, чем результат.

Недооценить обучение. На каждый час настройки заложите минимум столько же на обучение пользователей.

Минимальная система управления рисками

1. Реестр ИИ-инструментов. По каждому видно, кто им пользуется, для каких задач и какие данные туда уходят. Многие компании не знают, что у них используется: сотрудники подключают сервисы сами и никого не спрашивают.
2. Политика допустимого использования на одном листе А4. В левой колонке то, что можно (публичные тексты, открытые данные), в правой то, что нельзя ни при каких условиях (персональные данные клиентов, финансовая отчётность, условия договоров). Подпись при найме.
3. Процедура проверки. Для каждого класса задач записано, кто проверяет вывод ИИ и как. Проверка закреплена за конкретной ролью, потому что общий «ответственный за ИИ» на практике не проверяет ничего.
4. Протокол инцидента: кто уведомляет клиента, как фиксируют случай и что меняется в процессе после него.
5. Пересмотр раз в квартал. Появляются новые сервисы, а с ними и новые риски.

Во многих компаниях вопрос «внедрять ИИ или нет» уже решили сами сотрудники, которые пользуются им без спроса. Собственнику остаётся решить, кто и как за этим следит.

FAQ: частые вопросы о внедрении ИИ

Что делать дальше

Выберите одну задачу и две недели ведите записи. Этого хватит, чтобы к первому разговору с подрядчиком у вас были собственные цифры.

Подобрать первую задачу и спланировать пилот можно вместе с командой внедрения ИИ в Nexops. Мы разберём вашу ситуацию и скажем, где ИИ даст результат, а где лучше его не трогать.

Бесплатная диагностика смотрит шире ИИ: сначала на операционку целиком, затем на технологии.