Главное про AI - Вадим Жартун

Эта глава о том, как делать этот выбор правильно: какие процессы отдавать модели, какие не трогать, как собрать вокруг неё воркфлоу и как посчитать, что получилось.

С этой главы разговор переходит из технической плоскости в управленческую. К её концу у вас будет набор фильтров для отбора процесса под AI-пилот: пять критериев пригодности, десятиминутный тест «брать или не брать», список стоп-признаков, список признаков готовности и балльная оценка кандидата. Отдельно — анатомия воркфлоу, в котором AI работает в связке с человеком, и три метрики, по которым ROI (окупаемость инвестиций) считается без сложных финансовых моделей.

КРИТЕРИИ ПРИГОДНОСТИ ПРОЦЕССА ДЛЯ ПЕРЕДАЧИ AI

Процесс пригоден для AI, если он одновременно проходит пять фильтров: повторяемость, формализуемость, цена ошибки, наличие данных и точка контроля менеджера. Разберём каждый.

Повторяемость. Задача выполняется хотя бы раз в день, в идеале — десятки раз в день. Если процесс запускается раз в месяц, AI не окупится: затраты на интеграцию, настройку и обучение сотрудников съедят выигрыш от ускорения.

Формализуемость. Задачу можно описать за 30 секунд: вот входные данные, вот критерии качества, вот готовый результат. Не можете сами сформулировать критерий качества — модель его не угадает.

Цена ошибки. Цена, которую компания заплатит, если AI ошибётся. Ошибка ловится автоматически или её последствия поправимы за минуту — кандидат хороший. Ошибка означает юридический или финансовый ущерб — кандидат плохой.

Наличие данных. В логах или архивах лежат сотни примеров «как должно быть». Нет данных — AI работает как дорогая случайность.

Точка контроля менеджера. Место в процессе, где человек принимает решение. Заранее определите, где именно менеджер включается в контур и без какого шага нельзя запустить процесс. Точка контроля размыта или менеджер должен одобрять каждый шаг — процесс для AI не готов. Вы автоматизируете рутину ценой менеджерского времени.

Из пяти критериев обычно упускают два: наличие данных и точку контроля менеджера. McKinsey в State of AI 2025 опросила компании, чьи пилоты не масштабировались, и в топ-3 причин попали «нет качественных данных» (38%), «нет инфраструктуры» (27%), «нет внутренней экспертизы» (21%). Цифры говорят сами за себя. Процесс сортировки входящих писем по 5 категориям требует сотен размеченных примеров, прежде чем модель начнёт работать стабильно. Процесс «сформулировать позицию по новому закону» требует тысяч примеров и всё равно промахивается. Нет данных — AI не ускорит процесс, а покажет, что компания к нему не готова.

Пятый критерий решает обратную задачу. Даже если данные есть и процесс повторяется, без явной точки, где менеджер принимает решение, AI-воркфлоу размывает ответственность и ломается на первом же споре с клиентом.

Есть миф, который мешает десяткам компаний: «AI умеет делать всё, нужно только правильно настроить». Это опасное заблуждение. Фабио Делл’Аква (Fabio Dell’Acqua) и коллеги из Harvard Business School в 2023 году ввели понятие jagged technological frontier — неровная граница применимости AI. Задачи, которые выглядят одинаковыми по сложности, оказываются по разные стороны границы. Сортировка резюме по формальным критериям — задача для AI. Отбор по культурному соответствию — AI противопоказан. Попытка отдать модели процесс, который выглядит как типовой, но внутри хаотичный и требует субъективной оценки, обычно проваливается.

Рядом может работать похожий процесс, вполне типовой, который та же модель решает отлично. Разница между «похожим» и «тем же самым» — это и есть граница, на которой AI перестаёт быть полезным и начинает делать вид.

Свежие цифры BCG в Build for the Future 2025 подтверждают картину: только 5% компаний достигли зрелости, при которой AI даёт устойчивую ценность. 60% остаются в зоне «эксперименты без масштаба». Это значит, что для большинства читателей вопрос звучит не «какую модель выбрать», а «какой процесс вообще довести до состояния, в котором модель сможет в нём работать».

ЭКСПРЕСС-ТЕСТ НА ДЕСЯТЬ МИНУТ

Прежде чем подписывать бюджет на пилот по автоматизации процесса, возьмите паузу в десять минут и пройдите по шести вопросам:

1: Как часто выполняется процесс? Менее 5 раз в неделю — стоп.

2: Что случится, если AI ошибётся? Наступят серьёзные юридические или финансовые последствия, пострадает безопасность людей — стоп.

3: Можете ли вы за 30 секунд описать, как выглядит «правильный» результат этого процесса? Нет — стоп.

4: Есть ли в архивах 50 и более примеров хорошего результата? Нет — стоп, либо сначала соберите данные.

5: Кто в компании будет оценивать качество работы AI? Если никто — стоп.

6: Какая метрика покажет, что AI стал лучше человека? Если не придумали — стоп.

Процесс, успешно прошедший все шесть шагов, — кандидат на пилот. Если процесс провалил хотя бы один пункт — сначала устраните причину отказа, и только потом возвращайтесь к идее AI.

ПРИЗНАКИ ПРОЦЕССА, КОТОРЫЙ НЕЛЬЗЯ ОТДАВАТЬ AI

– Процесс существует только в голове одного эксперта: регламента нет, и «правильно» — его субъективная оценка.

– За последний год процесс сильно менялся три раза, и нет оснований считать, что он остановится на текущей версии.

– Цена ошибки невозвратима: потеря клиента, юридическая ответственность, угроза безопасности людей.

– Нужных данных меньше пятидесяти примеров, и собрать больше негде.

– У задачи нет чёткого стоп-сигнала: непонятно, когда результат считается готовым.

– Процесс требует от человека эмоционального участия, соболезнования, переговоров о чувствительных вещах.

В этих случаях AI не ускорит процесс, а добавит ему риск. Точка.

ПРИЗНАКИ ПРОЦЕССА, ГОТОВОГО К ПЕРЕДАЧЕ AI

Все семь условий должны выполняться одновременно. Хотя бы одно не сошлось — процесс рано отдавать AI.

– Задача повторяется хотя бы раз в день, в идеале — десятки раз. Это первый признак пригодности.

– Есть чек-лист, регламент, шаблон или KPI (ключевые показатели эффективности) качества для результата. Без явного критерия «правильно» модель не догадается.

– Ошибка неприятна, но не катастрофична: её поймает человек за минуту. Такие процессы — кандидаты на автоматизацию.

– В логах или архивах лежат сотни примеров «как должно быть». Без такого массива данных модель на этом процессе не выйдет на стабильное качество.

– Процесс можно описать в одном абзаце простым языком. Сложные процессы сначала формализуют, и только потом автоматизируют.

– В компании уже есть человек, который оценивает качество по этой задаче — значит, есть эталон для проверки.

– Время выполнения укладывается в 5–60 минут для языковой модели или в миллисекунды для классификатора. Если задача требует дней работы эксперта, AI-модель на такое не рассчитана.

Все семь совпали — процесс готов к пилоту.

БАЛЛЬНАЯ ОЦЕНКА КАНДИДАТА НА