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.
ИИ уверенно упаковывает плохие решения
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.
У нейросетей есть опасный талант: они умеют убедительно оформлять слабую мысль. Чем лучше выглядит результат, тем легче пропустить ошибку. Скорость помогает масштабировать полезную практику, но с той же скоростью она масштабирует и ерунду.
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.
Руководителю платят за готовность сказать: «Это решение мое». В эту фразу входят и выбор, и риск, и последствия. В этой части ИИ пока никого не заменяет.
«Главный по ИИ» — удобная должность для всех остальных
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.
Лицензии сами себя не окупят
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.
Начинайте с поведения людей, а не с серверов
Именно для разбора таких барьеров мы разработали специальный диагностический инструмент оценки культурной готовности к ИИ (AICR) 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:
- Что поддерживают и поощряют руководители?
- Как сотрудники проверяют и валидируют результаты?
- Делятся ли команды удачными наработками?
Серверы и лицензии покупаются за пару дней. Корпоративные привычки формируются месяцами. Именно поведение людей решит, станут ли ваши вложения в ИИ источником прибыли или превратятся в очередную бесполезную строку расходов.