Где ИИ уже меняет малый бизнес — и почему покупки лицензий недостаточно

В нашем консалтинговом бизнесе ИИ постепенно стал обычным рабочим инструментом. Мы не пытались сразу «цифровизовать всё»: просто брали конкретную повторяющуюся задачу, собирали под нее специализированного помощника и проверяли его на реальной практике.

Вот лишь несколько приемов, где нейросети дают измеримый эффект уже сегодня:

• Коммерческие предложения. Раньше сотрудник разбирал встречу, восстанавливал запрос клиента, проектировал решение, собирал программу и переносил всё в документ. На одно предложение уходило 3–5 часов. Теперь GPT получает обезличенную транскрибацию встречи и заметки, через пару минут выдавая первую содержательную версию. Человеческая часть (проверка логики, усиление и редактура) занимает 30–60 минут. Но главное — ушел страх «белого листа».
• Презентации. Мы сознательно разделили подготовку на два этапа. Первый помощник собирает смысловой сценарий: какую мысль донести, в какой последовательности, где поставить пример или вопрос аудитории. Второй работает с визуальным воплощением готовой истории. Это защищает от частой болезни слайдов: красивое оформление при пустом содержании.
• Холодные продажи. Специальный ассистент изучает потенциального клиента, ищет повод для контакта, формулирует гипотезу потребности и предлагает первое сообщение. Продавцы чаще общаются вживую, но такая база повышает конверсию. Выходить на контакт, слышать реакцию и строить отношения — по-прежнему ответственность человека.
• Разработка продуктов. Агент помогает уточнить проблему клиента, отделяет факты от предположений, формулирует гипотезу и предлагает минимальный эксперимент (интервью, лендинг, простой прототип). Экономия измеряется неделями и сотнями тысяч рублей: компания узнает о слабой идее до того, как потратит бюджет на ее реализацию.

Под давлением нейросетей уже находятся отдельные слои работы внутри многих профессий:

• У методиста сокращается время на сборку черновика.
• У продавца — исследование клиента.
• У аналитика — первичная классификация информации.
• У дизайнера — типовое версточное оформление.

ИИ прекрасно справляется с «первым проходом», но цена финального решения при этом только растет.

Поэтому человеческая проверка означает гораздо больше, чем просто исправление опечаток. Кто-то должен понять, верно ли поставлена задача, можно ли доверять данным, подходит ли решение клиенту и готова ли компания взять на себя этот риск.

Бизнесу не нужен отдельный человек, которому передали ответственность за «весь искусственный интеллект».

У нас часть помощников создавал я, часть — сами сотрудники под свои задачи. Это логично: владелец процесса лучше всех знает, где теряется время, какой результат можно использовать и какая ошибка обойдется слишком дорого.

Технический специалист пригодится для настройки интеграций и безопасности данных, но содержательная часть останется у бизнеса. Специалист по ИИ не сможет за руководителя продаж перестроить конверсию, а за методиста — определить качество учебного материала.

Отдельный «главный по ИИ» быстро превращается в удобное корпоративное алиби: все ждут от него инноваций, продолжая работать по-старому.

Распространенный сценарий цифровизации выглядит так: компания покупает доступ к продвинутым сервисам, проводит базовое обучение и через пару месяцев обнаруживает десятки личных экспериментов без заметного бизнес-эффекта.

Пока удачный промпт живет в личном чате конкретного специалиста, производительность держится только на его энтузиазме. Для компании этого кейса фактически не существует.

Деньги начинают сгорать по культурным причинам:

• Руководители сами не используют ИИ и не показывают личного примера.
• Сотрудники не понимают, где эксперименты разрешены, а где вето.
• Правила работы с данными написаны сложным языком службы безопасности, который никто не может применить к реальной задаче.
• Ошибки принято скрывать, а удачными находками не принято делиться.
• Обучение закончилось, но рабочие привычки остались прежними.

Ещё хуже, когда компания одновременно требует инноваций и наказывает за неудачную пробу. Сотрудники быстро считывают реальные правила игры и начинают использовать ИИ либо тайно, либо обходят его стороной.

Именно для разбора таких барьеров мы разработали специальный диагностический инструмент оценки культурной готовности к ИИ (КОД ИИ) и комплект консалтинговых практик.

Задача абсолютно прагматичная: помочь компании получить реальную отдачу от денег, уже вложенных в ИИ-инфраструктуру и подписки.

Малому и среднему бизнесу уже опасно относиться к нейросетям как к модной игрушке — их пора встраивать в повседневную работу. Но можно купить самые мощные модели и получить лишь самый дорогой в мире набор личных чатиков.

Начинать стоит с поведения людей:

1. Что поддерживают и поощряют руководители?
2. Как сотрудники проверяют и валидируют результаты?
3. Делятся ли команды удачными наработками?

Именно поведение людей решит, станут ли ваши вложения в ИИ источником прибыли или превратятся в очередную бесполезную строку расходов.