ИИ убил мои отмазки

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.