Куда встроить ИИ в бизнес-процесс: разбор по шагам

Чтобы понять, куда в бизнесе встроить ИИ, не надо автоматизировать всё подряд наугад. Сначала разберите один процесс по шагам: кто в нём участвует, что приходит на входе, какое действие делается, что получается на выходе и где человек принимает решение. Потом честно разделите шаги на два типа. Есть шаги, где всё жёстко и предсказуемо (взял из формы, положил в таблицу), там ИИ не нужен вообще, хватит обычной интеграции. И есть шаги, где надо понять смысл текста, разобрать письмо в свободной форме, вычленить суть, там ИИ как раз к месту. Дальше я даю рабочий фреймворк из шести шагов, показываю на живом разборе, как из шести ручных действий осталось два, и объясняю, как решить, что агенту можно отдать самому, а к чему его нельзя подпускать. Программистом для этого быть не нужно. Нужны одна понятная задача и готовность полчаса честно на неё посмотреть.

Почему «автоматизируем всё» не работает

Самая частая история, которую я вижу: человек услышал про ИИ-агентов, загорелся и решил автоматизировать сразу всё. А потом удивляется, что эффекта нет. Деньги на инструменты потрачены, время убито, а рутина как крала часы, так и крадёт.

Причина простая. Люди пытаются всё автоматизировать наугад, без карты. Они не понимают, из чего вообще состоит их процесс, и лепят ИИ туда, где он либо не нужен, либо только мешает. Это как звать реставратора красить забор: дорого, долго и не по адресу.

Правильный порядок обратный. Сначала вы раскладываете процесс на составные части и смотрите, где реально теряется время и где машине есть что понимать. И только потом решаете, нужен ли тут вообще ИИ или задача решается обычной связкой сервисов без всякого интеллекта. Ниже я разберу это по шагам, а дальше покажу на живых кейсах, что получается на выходе.

Фреймворк из шести шагов: куда встроить ИИ

Это схема, по которой я сама смотрю на любой процесс, прежде чем что-то в нём трогать. Шесть шагов, и первые три важнее остальных, потому что без них вы автоматизируете вслепую. Поехали.

1. Опишите процесс «как есть». Возьмите один процесс и распишите его честно, шаг за шагом. По каждому шагу пять вопросов: кто это делает (роль), что приходит на входе, какое действие совершается, что получается на выходе, в какой системе это живёт и где человек принимает решение. Пока вы это не выписали, у вас нет процесса, у вас каша в голове.
2. Нарисуйте диаграмму. Я рисую её в Mermaid (это простой способ построить схему текстом, ИИ сам сгенерит вам такую по описанию). Когда процесс из головы переезжает в картинку со стрелочками, сразу видно, где он петляет и где один человек тащит на себе половину шагов.
3. Найдите точки автоматизации. Идёте по диаграмме и на каждом шаге спрашиваете: это можно снять с человека? И тут главное различение всей статьи, к нему я вернусь отдельной секцией ниже.
4. Спроектируйте процесс будущего. Рисуете, как процесс будет выглядеть, когда часть шагов уедет машине. Обычно тут и наступает момент «ого», когда из длинной цепочки остаётся пара действий для человека.
5. Опишите навыки агента. Составьте карту того, что агент должен уметь и к чему у него должен быть доступ. Этот шаг заодно отрезвляет: он сразу показывает, где вы упрётесь в стену (про стену тоже расскажу на реальном примере).
6. Составьте план внедрения. Не «внедрю завтра всё», а по кусочкам: что подключаем первым, как проверяем, что делаем, если не поехало.

Звучит как много работы, но по одному узкому процессу это вечер с чашкой чая, а не месяц. И этот вечер экономит вам кучу денег, которые вы иначе спустили бы на автоматизацию не того.

Главное различение: где ИИ не нужен вообще

Вот эта мысль, ради которой стоит прочитать всю статью. Не любая автоматизация это ИИ. Есть два разных типа, и путать их дорого.

Первый тип я называю детерминированным (по-простому, всё жёстко и предсказуемо). Данные всегда приходят в одном формате, действие всегда одно и то же: взять поле из формы и положить его в строку таблицы, переслать файл из папки в чат, поставить задачу по расписанию. Тут ИИ не нужен вообще, достаточно обычной интеграции, то есть связки сервисов между собой. Никакого «понимания» тут не требуется, машина просто перекладывает данные из А в Б.

Второй тип интеллектуальный. Это шаги, где надо понять смысл. Разобрать письмо, написанное человеком в свободной форме, вычленить из него суть, отличить важное от воды, ответить по-человечески. Вот тут детерминированная связка спотыкается, а ИИ как раз к месту, потому что он умеет работать с текстом, где нет жёсткой структуры.

Почему это важно для кошелька. Если вы прикрутите ИИ туда, где хватило бы обычной интеграции, вы будете платить за запросы к модели там, где могли бы не платить ничего, и получите капризную штуку вместо надёжной. А если наоборот попробуете обычной связкой разобрать хаотичные письма, оно просто не поедет. Так что третий шаг фреймворка (найти точки автоматизации) на деле сводится к вопросу: этот шаг про перекладывание данных или про понимание смысла?

Кейс: заявки по почте, из шести шагов осталось два

Покажу на живом разборе, чтобы не висело в воздухе. На разборе был Андрей, исполнительный директор ИТ-интегратора. Задача: заявки к ним приходят по почте в свободной форме, кто во что горазд, и с этим надо что-то делать.

Разложили процесс «как есть». Получилось шесть шагов, и пять из них делает один и тот же человек. То есть сидит сотрудник и вручную читает письмо, вытаскивает из него данные, куда-то их заносит, что-то проверяет и дальше передаёт. Классическая рутина, которая крадёт время и выгорает человека.

Дальше самое интересное. Разбор письма в свободной форме - это ровно интеллектуальный шаг из прошлой секции: там надо понять смысл, и это работа для ИИ. А вот занести распознанное в систему и передать дальше во многом детерминированная часть, тут ИИ можно и не звать.

Когда спроектировали процесс будущего, вышло так: вместо шести ручных шагов остаётся два, проверить и отправить. Человек больше не расшифровывает каждое письмо руками, он смотрит на готовый результат и решает, ок или переделать. Про жёсткие цифры честно: сколько именно часов или рублей это экономит, в разборе не считали, точных цифр у меня нет. Но и без цифр видно, что «пять шагов на одном человеке» и «два шага на проверку» это разная жизнь.

Стоп-фактор, который вылезает на шаге про навыки агента

А теперь про ту самую стену, ради которой в фреймворке есть шаг «опишите навыки агента». Он часто выглядит скучной формальностью, а на деле спасает вас от потраченных впустую недель.

Была у меня подписчица, у которой красивый план внедрения разбился о простую вещь. В систему, откуда надо брать данные, нет доступа со стороны, нет API (это способ, которым одна программа даёт другой залезть к себе за данными), вход только по логину и паролю. И всё. Никакой агент туда сам не зайдёт, потому что дверь открывается только руками человека.

Карта навыков показала это сразу. Как только вы честно выписали, к чему агенту нужен доступ, вы видите: вот здесь есть API, значит подключим, а вот тут API нет, значит выгрузка остаётся за человеком, и точка. Лучше узнать это на бумаге за десять минут, чем через месяц настройки.

Из той же практики ещё пара честных граблей. Люди боятся галлюцинаций, когда ИИ анализирует техзадания, и правильно боятся, машина может уверенно выдать чушь. Бывает, что парсер (программа, которая собирает данные с сайтов) не работает под VPN, а нужные ресурсы без VPN недоступны, и вся схема встаёт. И отдельная боль: GPT грустит на больших Excel-файлах, большой объём данных ему тяжело переварить. Это не значит, что ИИ бесполезен, это значит, что карту навыков и ограничений надо рисовать до, а не после.

Матрица автономности: что агенту можно отдать самому

Допустим, вы нашли точку, куда ИИ реально встаёт. Возникает следующий вопрос: а можно ли дать агенту действовать самому или пусть каждый раз спрашивает человека? Чтобы не оказаться как те стартаперы, у которых Replit взял и удалил всю базу данных с клиентами, после чего только коротенько повинился.

Я решаю это через простую матрицу по двум осям. Первая ось: насколько ошибка обратима. Если агент накосячил и это легко откатить, риск низкий. Если он снёс данные или отправил клиенту дичь, риск высокий. Вторая ось: насколько сам агент уверен в том, что делает. Получается четыре ситуации.

• Низкий риск и высокая уверенность: пусть делает сам. Переписать черновик, разложить тикеты по папкам, ответить на типовой вопрос. Тут стоять над душой незачем.
• Низкий риск и низкая уверенность: пусть переспросит. Ошибётся, не страшно, но раз сам сомневается, пусть уточнит.
• Высокий риск и высокая уверенность: черновик и подтверждение человеком. Письмо клиенту, публикация, удаление файлов, изменение данных в CRM. Агент готовит, вы киваете.
• Высокий риск и низкая уверенность: стоп, зовём человека. Деньги, доступы, безопасность, подозрение на промпт-инъекцию (когда кто-то через текст пытается заставить агента сделать не то). Сюда агента одного не пускаем.

Расскажу, как это устроено у меня. В моей контент-фабрике с SEO-статьями при малейшем подозрении на нейрослоп или нехватку в статье реальных цифр срабатывает команда «СТОП», и нейрокопирайтер отчитывается мне, что пошло не так. То есть высокорисковый шаг (публикация текста от моего имени) устроен как раз через подтверждение, а не на автомате.

Если вы работали в Claude Code или Codex, вы это уже видели вживую. Режим планирования там ровно третий квадрант: агент собирает план, но руками ничего не трогает, пока вы не кивнули. Удобно и спокойно.

Начните с чужого «задолбало», а не с технологии

И последнее, без чего весь фреймворк можно закопать. Типичная ошибка: начинать с технологии. «О, вышел новый фреймворк, мне надо разобраться». Разберётесь, соберёте мощного агента и с высокой вероятностью будете сидеть с ним и нулём клиентов. Знакомая ловушка, сама через неё проходила.

Как надо. Я задолбала всех знакомых, родных и близких тем, что хочу что-то такое им автоматизировать, и расспрашивала, что их бесит. Потом, буквально усадив их перед собой, выуживала из них информацию о повторяющихся действиях на работе. И бинго: внезапно появились люди, которые были за это готовы, оказывается, даже заплатить. Точных цифр, сколько клиентов и сколько денег, приводить не буду, их в этой истории нет, но сам механизм рабочий.

Есть хорошая формулировка разницы. Если вы готовы менять продукт на основе того, что говорит рынок, вы занимаетесь маркетингом. Если упорно пытаетесь продать то, что уже собрали, ничего не меняя, вы занимаетесь рекламой. А реклама без маркетинга это дорогой способ узнать, что ваш продукт никому не нужен.

Практический приём на эту неделю. Спросите пять знакомых предпринимателей: «Что ты руками каждый день перетаскиваешь, и это бесит?» Чем больше людей назовут одно и то же, тем ближе у вас готовый ответ на вопрос, куда встроить ИИ. Заодно это и есть первый шаг фреймворка, только собранный чужими руками.

С чего начать прямо сейчас

Не уходите со страницы с ощущением «интересно, надо будет как-нибудь». Давайте конкретно, на этой неделе.

Возьмите один процесс, который реально бесит и крадёт время. Один. Распишите его по шагам с теми пятью вопросами: кто делает, что на входе, какое действие, что на выходе, в какой системе. По каждому шагу отметьте, это про перекладывание данных (тогда ИИ не нужен, хватит связки) или про понимание смысла (тогда сюда просится ИИ). И честно проверьте по карте навыков, есть ли у агента доступ к нужным системам, или там логин с паролем и живой человек. Цель первой недели скромная: получить картинку своего процесса и одну точку, куда ИИ реально встаёт. С этой картинки начинается всё остальное.

Подписывайтесь на канал, если хотите больше таких разборов: t.me/gruboprostiite

FAQ

Куда в бизнесе стоит встраивать ИИ в первую очередь?

Туда, где надо понять смысл текста: разобрать письма и заявки в свободной форме, вычленить суть, ответить по-человечески. Сначала распишите один процесс по шагам и найдите шаг, где человек читает и осмысляет неструктурированный текст, вот там ИИ и встаёт. А шаги, где данные просто перекладываются из формы в таблицу, отдайте обычной интеграции без ИИ.

Всегда ли автоматизация это ИИ?

Нет. Есть детерминированная автоматизация: данные всегда приходят в одном формате, действие всегда одно и то же (взял поле из формы, положил в таблицу). Для неё ИИ не нужен вообще, достаточно обычной интеграции. ИИ нужен только там, где надо понять смысл и работать с текстом без жёсткой структуры. Если прикрутить ИИ туда, где хватило бы связки сервисов, вы просто зря платите за запросы к модели.

Как понять, что процесс вообще получится автоматизировать?

Составьте карту навыков агента: что он должен уметь и к каким системам ему нужен доступ. Этот шаг сразу показывает стены. У одной моей подписчицы план разбился о простую вещь: в систему нет доступа со стороны, нет API, вход только по логину и паролю, значит выгрузка остаётся за человеком. Лучше узнать это на бумаге за десять минут, чем через месяц настройки.

Как решить, что агенту можно делать самому, а что нельзя?

По матрице из двух осей: обратима ли ошибка и насколько агент уверен. Низкий риск и высокая уверенность, пусть делает сам (переписать черновик, разложить тикеты). Высокий риск, даже при уверенности, только через черновик и ваше подтверждение (письмо клиенту, публикация, изменение данных в CRM). Деньги, доступы и безопасность агенту одному не отдают. У меня в контент-фабрике при подозрении на нейрослоп срабатывает команда «СТОП» и агент отчитывается, что пошло не так.

С чего начинать: с технологии или с задачи?

С задачи, точнее с чужого «задолбало». Начинать с технологии («вышел новый фреймворк, разберусь») - это верный путь остаться с мощным агентом и нулём клиентов. Я расспрашивала знакомых, что их бесит на работе, выуживала повторяющиеся действия, и внезапно появились люди, готовые за автоматизацию заплатить. Приём простой: спросите пять предпринимателей, что они каждый день перетаскивают руками. Чем чаще звучит одно и то же, тем ближе готовый ответ.

Какие типичные грабли всплывают при внедрении ИИ?

Из живой практики: галлюцинации, когда ИИ анализирует техзадания (может уверенно выдать чушь); парсер не работает под VPN, а нужные ресурсы без VPN недоступны; GPT грустит на больших Excel-файлах, большой объём данных ему тяжело переварить. Все три ловятся заранее, если рисовать карту навыков и ограничений до внедрения, а не после.