Куда встроить ИИ в бизнес-процесс: разбор по шагам

Куда встроить ИИ в бизнес-процесс, понятно не по наитию, а по шести шагам: описать процесс «как есть» (роль, вход, действие, выход, система, логика принятия решений), нарисовать его схемой, найти точки, где ИИ реально нужен, спроектировать процесс будущего, расписать навыки агента и составить план внедрения. Самое важное на входе: отделить, где нужен именно ИИ, а где хватит обычной интеграции без всякого интеллекта. Если задача жёсткая и предсказуемая (перенести данные из А в Б по чёткому правилу), ИИ там не нужен вообще, достаточно обычной интеграции. ИИ нужен там, где надо понять смысл текста: разобрать письмо в свободной форме, вытащить суть из заявки, ответить на нестандартный вопрос. Люди пытаются автоматизировать всё наугад, а потом удивляются, что эффекта нет. Ниже разберу фреймворк по шагам, покажу на живом разборе подписчика, где из шести ручных шагов осталось два, дам матрицу автономности (чтобы агент не удалил вам базу данных, как у одних стартаперов) и честно скажу, где внедрение упирается в стену.

Главная ошибка: автоматизировать всё наугад

Самое частое, что я вижу: человек где-то услышал про ИИ-агентов, загорелся и побежал автоматизировать всё подряд. А потом удивляется, что эффекта нет. Денег потрачено, время убито, а рутина как крала часы, так и крадёт.

Корень вот в чём. Автоматизация наугад это как ремонт без замеров: вроде что-то делаешь, а потом шкаф не влезает в нишу. Прежде чем встраивать ИИ, надо понять, куда именно его встраивать и нужен ли он там вообще. Потому что половина задач, которые люди тащат под ИИ, вообще не про ИИ.

И тут первое важное различение, с которого начинается весь разбор.

Детерминированная автоматизация против интеллектуальной

Не любая автоматизация — это ИИ. Это ключевая мысль, без которой дальше можно не читать.

Есть автоматизация детерминированная. По-простому, жёсткая и предсказуемая: если случилось А, сделай ровно Б. Пришла оплата, отправь чек. Появилась строка в таблице, скопируй её в другую таблицу. Тут всё по правилам, никакого «понимания» не нужно. Для такой задачи ИИ не нужен вообще, достаточно обычной интеграции. Поставили ИИ туда, где хватало простого правила, и получили лишние расходы и риск, что модель вдруг «нафантазирует» там, где фантазировать нечего.

А есть автоматизация интеллектуальная. Это там, где надо понять смысл. Разобрать письмо, написанное человеком в свободной форме. Вытащить суть из кривой заявки. Ответить на вопрос, который не укладывается в шаблон. Вот здесь ИИ на своём месте, потому что никакое жёсткое правило живую человеческую речь не разгребёт.

Поэтому первый вопрос к любой задаче: тут надо что-то понять или просто переложить по правилу? Если переложить по правилу, зовите обычную интеграцию и не морочьте голову. Если понять, вот тут и думаем про ИИ.

Шесть шагов фреймворка: как понять, куда встроить ИИ

Теперь сам фреймворк. Это та схема, по которой я раскладываю любой процесс, прежде чем лезть что-то автоматизировать. Шагов шесть, и порядок важен.

1. Описать процесс «как есть». Берёте реальный процесс и раскладываете его на составляющие: роль (кто делает), вход (что приходит на старте), действие (что человек делает руками), выход (что получается), система (где это всё живёт) и логика принятия решений (по какому принципу человек выбирает, что делать дальше). Это скучный шаг, но без него всё остальное бессмысленно.
2. Нарисовать диаграмму. Я рисую процесс схемой в Mermaid (это текстовый способ рисовать блок-схемы, пишешь словами, а он превращает их в картинку со стрелочками). Когда процесс нарисован, сразу видно, где он петляет и где застревает.
3. Найти точки автоматизации. Смотрите на схему и ищете места, где можно снять ручную работу. И тут же сверяетесь с различением выше: где хватит обычной интеграции, а где реально нужен ИИ.
4. Спроектировать процесс будущего. Рисуете, как тот же процесс выглядит, когда часть шагов делает машина. Обычно картинка резко худеет.
5. Описать навыки агента. Расписываете, что конкретно должен уметь агент: какие данные взять, откуда, что с ними сделать, куда положить. Это называется картой навыков, и она честно показывает, за что агент реально сможет взяться, а где упрётся.
6. Составить план внедрения. И только теперь, когда всё разложено, строите план: с чего начать, что подключить, что проверить.

Обратите внимание: написание кода и «выбор фреймворка» тут даже не в первой пятёрке. Сначала голова и схема, потом руки.

Кейс Андрея: из шести ручных шагов осталось два

Покажу, как это выглядит на живом разборе. Андрей, исполнительный директор ИТ-интегратора, пришёл с процессом обработки заявок. Заявки приходят ему на почту в свободной форме: клиент пишет человеческим языком, кто как умеет, никаких стандартных форм.

Разложили процесс «как есть». Получилось шесть шагов, и вот что бросилось в глаза сразу: пять из них делает один и тот же человек. То есть живой сотрудник руками таскает заявку через почти весь путь, читает, разбирает, перекладывает, оформляет.

Дальше смотрим, где тут ИИ, а где интеграция. Самое вкусное место именно вход: письмо в свободной форме. Жёстким правилом его не разберёшь, потому что люди пишут по-разному. Вот здесь ИИ на месте: прочитать текст, понять, что человек хочет, вытащить нужное. А дальнейшее перекладывание данных по системам это уже обычная интеграция, никакого интеллекта не требует.

Спроектировали процесс будущего. И картинка сжалась: вместо шести ручных шагов остаётся два — проверить и отправить. Всё остальное берёт на себя связка «ИИ разобрал письмо плюс интеграция разложила данные». Человек не исчезает, но его роль меняется: он больше не грузчик данных, он контролёр на выходе.

Сразу честно, без приукрашивания: жёстких цифр экономии, сколько часов или рублей это сбережёт, в этом разборе нет. Я их выдумывать не стану. Но «шесть ручных шагов превратились в два» это само по себе наглядно: видно, что убираем, и видно, что оставляем человеку.

Где это упирается в стену: доступы, VPN и большие Excel

Теперь честная часть, без которой разбор превратился бы в рекламу красивого фреймворка. На пятом шаге, когда расписываешь навыки агента, часто выясняется неприятное: технически агент не может дотянуться до данных.

Живой стоп-фактор из практики. У одной подписчицы в нужную систему нет доступа со стороны, нет API, вход только по логину и паролю. Что это значит на человеческом: автоматике неоткуда взять данные, дверь закрыта, снаружи не постучишься. И карта навыков это показывает сразу, ещё на бумаге, до того как вы потратили время на сборку. Выгрузка в таком случае остаётся за человеком, и с этим приходится смириться.

Что ещё всплывало у участников разборов как реальные грабли:

• Галлюцинации на анализе техзаданий. Когда агент разбирает сложный документ, он может уверенно сочинить то, чего в тексте не было. На анализе ТЗ это опасно.
• Парсер не работает под VPN. А нужные ресурсы без VPN недоступны. Получается замкнутый круг, который надо решать отдельно.
• GPT грустит на больших Excel-файлах. Закинули тяжёлую таблицу, и модель начинает буксовать. Большие объёмы данных это отдельная боль.

Вывод не «ИИ не работает», а «проверяйте доступы и ограничения на бумаге, до сборки». Карта навыков как раз для этого и нужна: она дешевле любых разочарований на практике.

Матрица автономности: когда агенту можно порулить, а когда «руки прочь»

Допустим, вы нашли место, куда встроить ИИ. Следующий вопрос: насколько отпускать поводья? Дать агенту делать самому или держать его на коротком?

Чтобы не стать как те стартаперы, у которых Replit взял и удалил всю базу данных с клиентами, а потом только коротенько повинился, я раскладываю задачи по матрице из двух осей. Первая ось: риск ошибки, насколько она обратима. Вторая: уверенность самого агента. Получается четыре квадранта.

Низкий риск плюс высокая уверенность. Пусть делает сам. Переписать черновик, разложить тикеты по папкам, ответить на типовой вопрос. Если ошибётся, ничего страшного не случится, легко поправить.

Низкий риск плюс низкая уверенность. Пусть переспросит. Не знает точно, как лучше, ничего страшного, тормошим человека вопросом.

Высокий риск плюс высокая уверенность. Черновик и подтверждение человеком. Сюда идёт всё серьёзное: письмо клиенту, публикация, удаление файлов, изменение данных в CRM. Агент готовит, человек кивает, и только тогда исполняется.

Высокий риск плюс низкая уверенность. Стоп, зовём человека. Деньги, доступы, безопасность, подозрение на промпт-инъекцию (это когда в данные подсунут вредную команду, чтобы агент сделал не то). Тут автоматике просто нечего ловить.

Пример из моего хозяйства. 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 высокий риск (опубликовать плохой текст под моим именем) я агенту на откуп не отдаю.

Маленькое наблюдение в тему: режим планирования в Claude Code и Codex это ровно третий квадрант. Агент собирает план, но руками ничего не трогает, пока вы не кивнули. Удобно и спокойно.

А как вообще найти, куда встраивать: не продавайте ИИ, убирайте чужое «задолбало»

Отдельно про то, с чего вообще начинать поиск точки для ИИ, особенно если вы хотите не себе автоматизировать, а продавать это другим. Тут частая ошибка: начинать с технологии. «О, вышел новый фреймворк, мне надо разобраться». И велика вероятность, что в итоге вы будете сидеть с мощным агентом и нулём клиентов.

Я зашла с другого конца и расскажу, как было у меня. Я задолбала всех знакомых, родных и близких тем, что хочу что-то им автоматизировать, и расспрашивала, что их бесит. Потом, буквально усадив их перед собой, выуживала информацию о повторяющихся действиях на работе. И бинго: внезапно появились люди, которые были готовы, оказывается, даже заплатить за решение.

Отсюда простое правило, которым я меряю маркетинг и рекламу. 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 продукт. И тем точнее вы попадёте в место, куда встраивать ИИ имеет смысл.

Сводим всё вместе: порядок действий

Коротко соберу разбор в одну дорожку, чтобы было с чем уйти со страницы.

Сначала находите боль: своё или чужое «задолбало», повторяющееся ручное действие, которое бесит. Берёте один такой процесс и описываете его «как есть» по шести составляющим: роль, вход, действие, выход, система, логика решений. Рисуете схемой. Отделяете, где хватит обычной интеграции, а где реально нужен ИИ (там, где надо понять смысл). Проверяете на карте навыков, доступен ли вообще источник данных, нет ли стены вроде «только логин и пароль, API нет». Проектируете процесс будущего и смотрите, сколько ручных шагов осталось. И перед запуском прикидываете по матрице автономности, что агенту можно отдать самому, а что только через ваше подтверждение.

Вот и весь фреймворк. Скучно на первом шаге, спокойно на последнем.

FAQ

Куда встроить ИИ в бизнес-процесс в первую очередь?

Туда, где надо понять смысл человеческого текста, а жёсткого правила не придумаешь: разобрать заявку в свободной форме, вытащить суть из письма, ответить на нестандартный вопрос. Сначала опишите процесс «как есть» по шести составляющим (роль, вход, действие, выход, система, логика решений), нарисуйте его схемой и найдите места, где человек руками разбирает текст. Вот это и есть кандидаты под ИИ.

Чем детерминированная автоматизация отличается от интеллектуальной?

Детерминированная — это жёсткое правило: случилось А, сделай Б (пришла оплата, отправь чек). Для неё ИИ не нужен вообще, достаточно обычной интеграции. Интеллектуальная — там, где надо понять смысл: разобрать письмо в свободной форме, ответить на нетиповой вопрос. Вот тут ИИ на месте. Первый вопрос к задаче всегда один: тут надо что-то понять или просто переложить по правилу?

Из скольких шагов состоит фреймворк внедрения ИИ?

Из шести: описать процесс «как есть», нарисовать его диаграммой (я рисую в Mermaid), найти точки автоматизации, спроектировать процесс будущего, описать навыки агента и составить план внедрения. Порядок важен: сначала голова и схема, потом руки и код. На живом разборе подписчика Андрея по этой схеме из шести ручных шагов осталось два: проверить и отправить.

Что может помешать внедрению ИИ в процесс?

Чаще всего доступ к данным. У одной подписчицы в систему не было доступа со стороны, нет API, вход только по логину и паролю, и выгрузка осталась за человеком. Ещё из реальных грабель: галлюцинации при анализе техзаданий, парсер не работает под VPN (а ресурсы без VPN недоступны), и GPT грустит на больших Excel-файлах. Всё это видно на карте навыков заранее, до сборки.

Что такое матрица автономности ИИ-агента?

Это шпаргалка, насколько отпускать агента. Две оси: риск ошибки (обратима ли она) и уверенность агента. Низкий риск и высокая уверенность — пусть делает сам (переписать черновик, разложить тикеты). Низкий риск и низкая уверенность — пусть переспросит. Высокий риск и высокая уверенность — черновик и подтверждение человеком (письмо клиенту, удаление файлов, изменение данных в CRM). Высокий риск и низкая уверенность — стоп и человек (деньги, доступы, безопасность).

С чего начать, если хочу продавать автоматизацию другим?

Не с технологии, а с чужой боли. 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 продукт. Если начать с фреймворка, велик риск остаться с мощным агентом и нулём клиентов. А менять продукт под то, что говорит рынок, это и есть маркетинг.