Главное про AI - Вадим Жартун

Все пять критериев оцениваются по шкале от 1 до 5 баллов, и сумма определяет готовность процесса к пилоту.

– Частота: раз в месяц — 1 балл, несколько раз в неделю — 3 балла, десятки раз в день — 5 баллов.

– Стандарт результата: зависит от вкуса — 1, частичный регламент — 3, чёткий чек-лист и метрика — 5.

– Цена ошибки: юридические или финансовые последствия — 1, заметна, но поправима — 3, ловится автоматически — 5.

– Данные: размеченных примеров нет — 1, есть, но неполные — 3, сотни и более размеченных примеров — 5.

– Усиление менеджера: без человека процесс не запустить — 1, менеджер проверяет 50% результатов — 3, полная автономия модели в пределах области задач — 5.

Процессы с суммой 20–25 баллов идут в пилот первыми. С суммой 10–15 баллов требуют подготовки данных и регламента. Ниже 10 баллов — откладываются.

Всё, что описано выше, — это фильтры до того, как AI попадает в процесс. Следующий раздел — о том, что происходит, когда AI уже внутри: как собрать воркфлоу, в котором модель работает в связке с человеком и не убивает эффект ручной работой на входе или выходе.

АНАТОМИЯ AI-ВОРКФЛОУ: ЦЕПОЧКА ШАГОВ ВМЕСТО ОДНОГО БЛОКА

Самая частая ошибка в воркфлоу-презентациях — рисовать AI как один волшебный блок между входом и выходом. В реальности рабочий AI-воркфлоу — это цепочка из трёх–шести шагов с разной степенью автоматизации. AI почти никогда не работает один: данные собирает интеграция, черновик делает модель, проверяет человек, отправляет действие система, обратную связь собирает CRM. AI делает шаги, которые повторяются и проверяемы. Человек делает шаги, которые единичны или требуют контекста вне данных. На входе процесса почти всегда работает AI — приём, классификация, подготовка. В середине — смесь: черновик от AI, проверка человеком. На выходе — снова человек: решение, действие, коммуникация. Хорошее правило: AI на входе и выходе, человек в середине.

Рядом с этим правилом существует второй миф, распространённый среди заказчиков: «волшебный воркфлоу из одного блока». Так не бывает.

В компаниях, где воркфлоу формализован, AI даёт результат за недели. Там, где процесс живёт в головах, — за месяцы, либо не даёт результата вообще. Это и есть ответ, ради которого собран весь раздел.

Хороший AI-воркфлоу имеет три свойства. Во-первых, у каждого шага есть измеримый результат. Не «обработай», а «верни JSON с полями X, Y, Z». Это позволяет автоматически проверять, справился ли AI. Во-вторых, между шагами стоят явные ворота — места, где человек принимает решение. В одних воркфлоу это «человек проверяет каждый шаг», в других — «AI работает автономно, но при ошибке человек получает алерт». В-третьих, воркфлоу задокументирован: новый сотрудник может по документу восстановить процесс без потерь.

ШАГИ ТИПОВОГО ВОРКФЛОУ

1: Вход: запрос, документ, событие, тикет. Кто делает: CRM, почта, ERP, форма. Автоматизация: полная.

2: Подготовка: классификация, извлечение сущностей, нормализация. Кто делает: AI-модель. Автоматизация: полная с логированием.

3: AI-обработка: черновик ответа, резюме, рекомендация, прогноз. Кто делает: LLM (большие языковые модели) или ML-модель (модель машинного обучения). Автоматизация: полная.

4: Верификация: проверка человеком, оценка качества. Кто делает: человек-эксперт. Автоматизация: ручной шаг, узкое горлышко всего процесса.

5: Действие: отправка, запись в систему, уведомление, платёж. Кто делает: интеграция. Автоматизация: полная.

6: Обратная связь: сбор результата, метрика, ретро. Кто делает: аналитик и дашборд. Автоматизация: полуавтоматизация.

Эти шесть шагов покрывают большинство AI-воркфлоу, которые встречаются в офисных задачах. Конкретный набор шагов меняется от процесса к процессу. Структура — вход, подготовка, AI-обработка, верификация, действие, обратная связь — остаётся постоянной.

Воркфлоу, в котором перегружен шаг 4 (верификация), убивает эффект. Если человек-проверяющий тратит столько же времени, сколько уходило на ручную работу, AI не ускоряет процесс, а накапливает очередь. Хорошее правило: на шаг верификации должно уходить не больше 30% времени всего процесса. Больше — воркфлоу спроектирован неправильно, и AI ставится не туда.

Ошибки вокруг шага 4 — не единственное, что ломает пилоты. Ниже — пять типовых ошибок в построении всего воркфлоу, которые встречаются в восьми из десяти проектов.

ТИПИЧНЫЕ ОШИБКИ ПРИ ПОСТРОЕНИИ ВОРКФЛОУ

Каждая из них лечится не покупкой новой модели, а изменением процесса.

1: AI только в середине — вход и выход остаются ручными, выигрыш тонет в очереди на проверке.

2: Рекомендация без проверки — сотрудник соглашается с машиной, не разбираясь, и формируется «автоматизированный авторитет».

3: Сотрудник не понимает, что делает AI — модель не доверяют и отключают.

4: Воркфлоу собран вокруг модели, а не вокруг задачи — получается красиво и бесполезно.

5: Нет логирования — невозможно разобрать, почему AI выдал такой результат.

ОБЯЗАТЕЛЬНЫЕ ЭЛЕМЕНТЫ ПРОДАКШН-ВОРКФЛОУ

Без этих пяти элементов воркфлоу не выходит в продакшн, даже если модель показывает 99% точности на тестах.

– Логирование каждого вызова модели: вход, выход, кто проверял.

– Версионирование промптов: какой шаблон использовался в каждом случае.

– Метрика качества на каждом шаге: точность классификации, доля ручных правок, время ответа.

– Красная кнопка: возможность мгновенно отключить AI и перевести процесс на ручной режим.

– Правила эскалации: при каких условиях запрос уходит к человеку.

Характерный сценарий: вендор обновляет модель, качество ответов падает, но у команды нет быстрого способа откатиться. Два-три дня клиенты получают плохие ответы, пока инженеры катят патч. Это происходит в каждой третьей компании, которая внедряла AI без полной инфраструктуры вокруг модели.

Каркас, описанный выше, нужен любой функции: продажам, маркетингу, работе с документами. Дальше разберём эти три функции по очереди — где в каждой из них AI даёт результат, где ломается и какие конкретные шаги ставить первыми. Начнём с продаж: именно там сегодня самые зрелые AI-инструменты и самая большая доля готовых процессов.

AI В ПРОДАЖАХ: ТОЧКИ УСКОРЕНИЯ И ТОЧКИ ТОРМОЖЕНИЯ

Продажи — одна из самых оцифрованных функций в офисе, и AI-приложений здесь больше, чем в любой другой. McKinsey в Superagency 2025: маркетинг и продажи лидируют по приросту от AI-внедрения — на них приходится 28% общего потенциального эффекта генеративного AI. Следом идёт software engineering с 25%. Salesforce в State of Sales 2024–2025 фиксирует: продавцы тратят 60% рабочей недели на не-продажные задачи — сбор материалов к встрече, ведение заметок в CRM, обновление контактной информации. Это та зона, которую AI закрывает без потери качества, и та зона, по которой продавец не скучает.

ПРОДАЖИ: ЗОНЫ УСИЛЕНИЯ МЕНЕДЖЕРА С ПОМОЩЬЮ AI