Вступление
В последние время все участился такой запрос: «У всех ИИ, а давайте и нам что-нибудь сделаем». Иногда добавляют конкретику: «вот у меня менеджеры долго отвечают в WhatsApp», «вот мы вручную сверяем накладные», «вот хочется чтобы сайт сам писал тексты». Иногда конкретики нет вообще, есть только ощущение, что компания отстаёт от конкурентов, у которых на сайте появился значок «работает на ИИ».
В этой статье разберем, как из этого ощущения сделать список процессов, которые реально стоит автоматизировать, и понять, какие из них действительно требуют ИИ, а какие закрываются обычным скриптом за неделю работы программиста. Различие важное, потому что цена и срок могут отличаться в разы, а результат для бизнеса часто одинаковый.
Мы, агентство Сode & Вesign, и за последний год сделали достаточно автоматизаций для казахстанского бизнеса, чтобы у нас сложилась внятная картина. Будем опираться на свои кейсы и не будем пересказывать общие слова про «ИИ меняет бизнес». Их и без нас написано много.
Автоматизация не равно ИИ
Это путаница, на которой строится большая часть лишних расходов в проектах. Когда человек говорит «давайте автоматизируем процесс с помощью ИИ», часто, правильный ответ будет: «вам не нужен ИИ».
Есть две принципиально разные категории.
Классическая автоматизация - это когда правила известны заранее, шаги последовательные, результат каждого шага предсказуем. Скрипт читает файл, скрипт нажимает кнопку, скрипт отправляет письмо. Здесь не нужна никакая нейросеть. Нужен программист, ТЗ и неделя-две работы (если процесс тяжелый, то может и дольше).
ИИ-автоматизация - это когда на входе процесс получает что-то неструктурированное (текст клиента в чате, фотография накладной, разговорный запрос), и результат нужно вытащить или сгенерировать. Здесь без модели не обойтись, потому что вариантов входных данных слишком много, и заранее их все не перечислишь.
Простой пример из наших проектов. Для одного клиента мы сделали десктопного бота, который автоматически подаёт заявки на портал goszakup.gov.kz. Бот подписывает документы через NCALayer, авторизуется по сертификату ЭЦП, отправляет заявку. Подача занимает 30 секунд вместо 5 минут ручной работы.
В этом боте нет ни одной нейросети. Это классическая автоматизация: известны шаги, известны кнопки, известны поля. Если бы мы сюда добавили ИИ ради того, чтобы добавить, проект стал бы дороже в 3 раза, а работал бы хуже, потому что генеративная модель в задаче «нажми ровно эту кнопку и подпиши вот этот файл» нестабильна (думаю всем читающим, хоть раз нейросеть очень уверено врала).
И наоборот. Когда другой клиент попросил «давайте сделаем простой скрипт, который сам ответит клиенту в WhatsApp». это не сработает с помощью обычной автоматизации. Потому что клиент пишет «здарова братан есть в наличии та хрень что я в прошлый раз заказывал?», и здесь нужна модель, которая поймёт смысл.
Правило, которое мы используем сами: если на входе процесса всегда одни и те же поля, и на выходе всегда одни и те же поля - это классика. Если на входе свободный текст, картинка или звук, и нужен смысл - это ИИ.
Фильтр пригодности: подходит ли процесс для автоматизации вообще
Прежде чем спрашивать «классика или ИИ», нужно понять, нужно ли вообще что-то автоматизировать. Самая частая ошибка, это автоматизировать процесс, который выполняется два раза в месяц. Окупаемость такой автоматизации - примерно, никогда.
Мы пользуемся пятью критериями. Если по большинству ответ «да», процесс кандидат на автоматизацию. Если меньше трёх, смысла трогать нет.
- Процесс повторяется регулярно. Минимум несколько раз в неделю. Идеально если несколько раз в день. Чем чаще, тем быстрее окупится разработка.
- У процесса есть чёткий вход и чёткий выход. Можно описать на бумаге одним предложением, что приходит и что должно получиться. Если это сложно сформулировать, то это значит, что внутри процесса полно неочевидных решений, и автоматизировать его не получится без длинного предварительного анализа.
- Цена ошибки контролируема. Если робот сегодня ошибся, это можно починить завтра и без катастрофических последствий.
- Есть данные, на которых можно отлаживать / учить. Архив переписок, файлы документов, выгрузка из CRM. Без этих данных нельзя проверить, что автоматизация работает и не получится обучить нейросеть.
- Сотрудники тратят на этот процесс заметную часть времени. Тут просто арифметика. Если процесс занимает у одного человека 10 часов в неделю, в год это 500+ часов. Разработка автоматизации может стоить меньше, чем эти 500 часов. Если же процесс занимает 30 минут в неделю, обычно не стоит трогать.
Когда мы общаемся с клиентом, мы прямо на встрече прогоняем процесс по этим пунктам. По нашему опыту половина «давайте автоматизируем процесс» отваливается на этом этапе. Оказывается, что процесс выполняется раз в месяц или что у процесса нет чёткого выхода.
Где автоматизация работает (и какого она вида)
Дальше разбор по отделам. Под каждым процессом стоит пометка: классика или ИИ.
Продажи
- Квалификация входящих лидов (ИИ). Когда заявок много и они приходят из разных каналов (формы сайта, WhatsApp, Instagram), есть смысл повесить впереди агента, который читает текст заявки, задаёт уточняющие вопросы, классифицирует лида и передаёт менеджеру с уже заполненной карточкой. Без ИИ это работает плохо, потому что клиенты пишут как угодно, а не по шаблону.
- Занесение лида в CRM (классика). Не нужна нейросеть, чтобы взять данные из формы и положить в Bitrix24/amoCRM. Это подключение CRM-системы и интеграция, которую закрывает обычная разработка.
- Генерация коммерческого предложения по запросу клиента (ИИ). Шаблон КП это классика, но если хочется, чтобы первый черновик собирался автоматически из переписки с клиентом (модель достаёт из диалога нужды, бюджет, сроки), здесь без ИИ не получится.
- Подсчёт стоимости заказа из прайс-листа (классика). Это формулы. Для калькулятора ИИ не нужен.
Поддержка клиентов
- Ответы первой линии (ИИ). Тот сценарий, который сейчас все обсуждают. Бот в WhatsApp/Telegram, который отвечает на «вопросы про доставку», «вопросы про наличие», «график работы». Здесь важно понимать одну вещь: чтобы это работало нормально, бот должен иметь доступ к актуальным данным (CRM, склад, заказы). Иначе он будет красиво писать «не могу проверить статус вашего заказа, обратитесь к оператору».
- Сводка диалогов для руководителя (ИИ). Раз в неделю модель читает все переписки команды поддержки и выдаёт «3 главные проблемы клиентов на этой неделе». Полезный сценарий, дешёвый в разработке, окупается мгновенно, потому что без него руководитель эти диалоги не читает.
Маркетинг и контент
- Генерация SEO-текстов и описаний (ИИ). Если у вас сайт-каталог с тысячей товаров и нужно написать описание под каждый, ручная работа займет очень много времени. ИИ модель пишет шаблонные описания, человек перепроверяет и публикует.
- Подбор референсов и визуальных идей (ИИ). Для дизайнеров и маркетологов это уже стандартный инструмент. Не процесс, который надо автоматизировать «в системе», а навык работы команды.
- Постинг по расписанию (классика). Никакого ИИ не нужно, чтобы отложить публикацию.
- Анализ комментариев и тональности (ИИ). Когда у бренда тысячи отзывов и комментариев, прочитать их вручную долго и сложно. Модель размечает тональность, группирует по темам, выводит, что чаще всего хвалят и за что ругают.
Бэк-офис и документооборот
- Подача заявок на goszakup, подписание документов через NCALayer (классика). Это наш кейс с ботом для госзакупа. Шаги известны, поля известны, последовательность жёстко определена. ИИ здесь не нужен и был бы вреден — он бы привнёс нестабильность в процесс, где каждая секунда и каждое действие критично.
- Извлечение данных из накладных и счетов (ИИ). Если каждый день приходят PDF от десятков поставщиков, и в каждом структура своя, ИИ-модель прочитает PDF, достанет ИНН/БИН, сумму, позиции и переложит в учётную систему. Это типовая задача, под которую уже есть готовые решения; их можно встраивать в свои процессы.
- Сверка цен и остатков между складом и сайтом (классика). Здесь нужна интеграция и регулярная синхронизация, а не модель. У нас DezSatu автоматически тянет данные из МойСклад это обычная двусторонняя синхронизация по API.
- Поиск противоречий в договорах (ИИ). Полезно для юристов, которые проверяют типовые контракты с поставщиками. Модель сравнивает условия с шаблоном и выделяет места, которые отличаются. Не замена юриста, но фильтр первого уровня.
HR и внутренние процессы
- Первичный скрининг резюме (ИИ). Особенно если вакансия даёт большой поток. Модель отсеивает явно нерелевантные резюме, оставляет HR работу с короткой выборкой.
- Расчёт зарплаты, формирование табелей (классика). Это бухгалтерия, формулы, без ИИ.
- Внутренний поиск по базе знаний (ИИ). Если у компании сотни инструкций и регламентов в Notion/Confluence/папках, поиск встроенный там работает плохо. ИИ-агент с доступом к этой базе отвечает на вопросы сотрудников и сразу даёт ссылки. Один из самых окупающихся сценариев для средних и больших команд.
Где автоматизация (особенно ИИ) НЕ работает
Этот раздел важнее всех предыдущих. У большинства статей в этой теме его нет, и зря.
- Процессы с высокой ценой одной ошибки. Подписание договора, отправка денег, ответы клиенту по юридически значимым вопросам. Тут роль автоматизации, помочь человеку, а не заменить его. ИИ может подготовить черновик письма, но проверять и отправлять должен человек.
- Процессы, в которых каждый случай уникален. Если ваши менеджеры жалуются «к нам приходят разные клиенты с разными задачами, никогда не знаешь, что попросят», это не процесс, это работа. Её нельзя автоматизировать в обозримые сроки. Но можно автоматизировать части этой работы: занесение в CRM, напоминания, отчётность.
- Процессы, в которых данных мало. Чтобы натренировать или хотя бы настроить модель, нужны примеры. Если у вас 30 заявок в год, и каждая выглядит по-разному, никакая модель не разберётся, да и проще и дешевле отработать вручную.
- Хайповые сценарии «давайте сделаем как у X». Видели у конкурента красивый чат-бот на сайте? Не значит, что он у них работает и приносит деньги. Часто это маркетинговое окно, и оно убыточно. Прежде чем повторять, спросите, сколько у вас на сайте на самом деле обращений, и не закроет ли их обычная форма обратной связи.
С чего начать, если решили автоматизировать
Алгоритм примерно такой:
- Составьте список из 5 процессов, которые забирают больше всего времени у команды. Не «маркетинг», а конкретно «менеджер каждое утро сверяет заявки с почтой и заносит их в Excel».
- Прогоните каждый по пяти критериям из раздела про фильтр пригодности. Большая часть отвалится.
- Из оставшихся выберите один. При этом процесс должен быть понятным и предсказуемым. Так он закроется в срок и принесёт результат, который можно посчитать.
- Определите, классика это или ИИ, по правилу из начала статьи. От этого зависят сроки и бюджет, отличающиеся в разы.
- Сделайте маленький пилот: 4–6 недель и отслеживание результата. Если результат есть, то автоматизацию можно и нужно масштабировать.
Чек-лист для собственного процесса
Возьмите процесс в своей компании и ответьте на эти вопросы. Если по большинству — «да», стоит думать об автоматизации.
- Процесс повторяется минимум несколько раз в неделю
- Я могу описать его одним предложением: что приходит и что должно получиться
- Ошибка робота не приведёт к катастрофе и её можно будет поправить поправить
- У нас есть хотя бы 50 примеров: переписок, документов, заявок, на которых это можно отладить и обучить
- Сейчас этот процесс забирает у команды минимум 5 часов в неделю суммарно
- Вход в процесс структурированный (поля, кнопки, файлы определённого формата) → классика
- Вход в процесс свободный текст, картинка, разговор → ИИ
- Есть человек, который отвечает за результат, если робот ошибётся
Если по этому списку всё сложилось, следующий шаг технический, и его можно обсуждать с подрядчиком.
Итог
Большая часть разговоров про «нам нужен ИИ» заканчивается тем, что компании на самом деле нужна обычная автоматизация без ИИ. Это не плохая новость, а хорошая. Особенно для кошелька компании. Обычная автоматизация дешевле, быстрее, стабильнее, и результат предсказуем.
ИИ имеет смысл там, где на входе процесса что-то живое, например: текст клиента, разговор, неструктурированный документ. Там он действительно помогает и ускоряет работу. В остальных местах это либо красивая обёртка для маркетинга, либо переплата.
В нашем агентстве мы открыли отдел, который занимается такими задачами целиком и классической автоматизацией бизнес-процессов, и интеграциями с CRM, и собственно ИИ-агентами под бизнес-задачи. Если у вас в голове есть процесс, который выглядит кандидатом, напишите нам. Разложим его по полочкам и предложим вариант, который реально окупится.
