Как максимально эффективно использовать ИИ в трансформации компании

ИИ — это не просто инструмент для автоматизации, а, прежде всего, катализатор изменений, который требует пересмотра процессов, культуры и подходов к управлению. Чтобы максимально эффективно использовать ИИ в трансформации компании, недостаточно просто внедрить несколько чат-ботов или купить лицензии для сотрудников. Важно выбрать правильную стратегию внедрения ИИ в бизнес-процессы, которая станет драйвером роста для вашего бизнеса.

Составим дорожную карту стратегии внедрения ИИ в бизнес-процессы компании, которые реально повысят ее эффективность.

Шаг 1: Начните с вопроса "Зачем?"

Определите, какую бизнес-проблему вы намерены решать при помощи ИИ-инструментов, для достижения каких целей они вам нужны.

1. Защита (Defend): Повышение продуктивности сотрудников (помощники, генераторы текста). Это быстро, но дает минимальное преимущество.

2. Развитие (Extend): Улучшение существующих процессов (AI в поддержке, продажах). Это дает конкурентное преимущество.

3. Трансформация (Upend): Создание новых продуктов или рынков. Требует высоких рисков и инвестиций, но именно здесь происходит настоящая трансформация.

Сегодня компании, внедряя ИИ в бизнес-процессы, выбирают три пути: выстраивать их самостоятельно внутри компании (Build) при помощи собственных разработчиков, вкладывая в их обучение; заказывать подрядчику написание ИИ-алгоритмов под определённые задачи (Custom) или покупать готовое ПО на стороне. Все варианты развития событий имеют как плюсы, так и минусы.

Путь выстраивания ИИ-процессов внутри компании часто кажется самым доступным и быстрым из-за того, что все необходимые данные интегрированы в разные подразделения работающего механизма, их требуется только объединить и переформатировать. Но это не всегда так просто. Например, один телеком-оператор решил запустить проект по прогнозированию оттока клиентов, предполагая, что обладает всеми данными, значит, проект займёт не больше месяца. Но в процессе выяснилось, что информация хранится в разных системах ---- детализация звонков в биллинге, поведение клиентов в приложениях и CRM, в итоге прогноз занял полгода вместо месяца. А если работа бизнеса сопряжена с защитой персональных данных, как например, в банках, на выстраивание ИИ-процессов уйдёт больше времени.

 Передача ИИ-задач на аутсорс упростит трансформацию бизнес-процессов на первое время, но привяжет к подрядчику надолго. Как только потребуются коррективы, придётся снова платить стороннему разработчику. Но если проходить весь путь встраивания ИИ-модели в бизнес вместе с приглашённым разработчиком, команда сможет развивать дальше внедрённые промты.

Покупка унифицированного ПО сэкономит компании время и деньги, но вряд ли будет эффективной в процессе дальнейшей трансформации бизнеса.

Можно взять на работу специалиста или команду, которая решит вопросы с постановкой компании на ИИ-рельсы. Но тут тоже есть определённая опасность – приглашённая «звезда» может иметь релевантный опыт в другой нише недостаточно хорошо разбираться в вашей, а стоить такой «готовый» специалист будет дорого. Поэтому многие компании выбирают путь обучения своих собственных сотрудников.

Процесс подготовки кадров, наверняка, обойдётся компании дороже и может затянуться надолго. Зато выстраивание ИИ-процессов именно под ваш бизнес будет оптимально соответствовать поставленным задачам, и «выращенные» внутри специалисты смогут быстро реагировать на изменение ситуации, конечно, если не будут отставать от рынка и постоянно совершенствовать свои знания. Риск остаётся лишь в том, что обученные сотрудники перейдут к конкурентам. Но битва за таланты идёт постоянно, и тут всё будет зависеть от рычагов удержания специалистов и понимания их ценности.

Шаг 2: Автоматизируйте процессы

Искусственный интеллект,. очевидно, ускоряет работу, но, если ваш процесс сломан, ИИ сломает его еще быстрее.

Приведу пример из практики Sanoma Media Finland. Прежде чем внедрять AI-агентов в отдел продаж, компания сначала стандартизировала процессы. Они четко описали, как продавец работает с клиентом на каждом этапе.

Затем создали "архитектуру" для автоматизации, разбив процесс на задачи, которые можно отдать AI (подготовка к встрече, заполнение CRM, отправка технических данных).

В результате они разработали "AI Game Buddies" (агентов-помощников), которые взяли на себя рутину, освободив продавцам один дополнительный день в неделю для живого общения с клиентами.

Шаг 3: Обучите линейных сотрудников

Трансформация проваливается не из-за технологий, а из-за сопротивления людей и отсутствия культуры доверия.

Роль линейного сотрудника внутри каждого отдела меняется с "исполнителя" на "супервайзера" ИИ. Его новая задача — проверять, уточнять и направлять AI-агентов, а не просто выполнять рутинные задачи.

ИИ нужно внедрять постепенно, обеспечивая психологическую безопасность и вовлеченность команды.

Однако есть ещё одно препятствие на пути к трансформации компании – чрезмерное доверие ИИ. Учите сотрудников подвергать сомнению результаты, которые выдает нейросеть. Если этого не делать, опытные специалисты еще могут отличить правду от галлюцинации, а новички, скорее всего, не отличат.

Шаг 4: Используйте ИИ для изменения качества процессов, а не для их ускорения.

Компании, которые хотят добиться эффективной трансформации бизнеса с помощью ИИ, не нацелены на увольнение сотрудников. AI-агенты должны помочь в исполнении тех задач, которые раньше были не доступны из-за отсутствия  времени или занятости специалистов.

Например, сотрудники одной государственной организации тратили до 4 часов в неделю на поиск информации в разрозненных источниках. AI-ассистент сократил это время на 50%. Высвободившиеся 2 часа в неделю с человека были направлены на непосредственную работу с пожилыми людьми, то есть на улучшение качества услуги.

AI позволяет командам из 5 человек делать работу целых отделов: мониторить рынок в реальном времени, вести персонализированные диалоги с тысячами клиентов одновременно и создавать инструменты для анализа "под себя" за считанные минуты.

Шаг 5: Измеряйте результат правильно (Return on Employee)

Традиционная метрика ROI (возврат инвестиций) здесь часто вводит в заблуждение. Оценивать эффект от внедрения ИИ исключительно через призму экономии средств – типичная ошибка многих топ-менеджеров. Рост скорости процессов, новый уровень качества решений и приведёт в конечном итоге к сокращению расходов, но напрямую цель внедрения ИИ не в этом. Gartner предлагает использовать разные метрики для разных целей.

Не доверяйте ИИ на 100%!

· Управляйте рисками и данными. Если ваши данные сомнительные, предвзятые или разрозненные, AI примет это за чистую монету и будет генерировать мусор с огромной скоростью.

· Будьте готовы к провалам. Аналитики прогнозируют, что до 60% проектов по GenAI будут закрыты после этапа "Proof of Concept" (доказательства концепции) до 2027 года. Основные причины: плохие данные, растущие затраты и размытая бизнес-ценность.

· Не стройте свои модели с нуля без необходимости. Для большинства задач лучше использовать API готовых моделей. Строить свою "огромную языковую модель" — это дорого и сложно. К 2028 году более 50% компаний, начавших это делать, откажутся от этой затеи.

Как максимально эффективно использовать ИИ

Максимальная эффективность достигается, когда вы начинаете с малого и узконаправленного:

1. Выберите одну конкретную болевую точку (долгий онбординг, медленная техподдержка, поиск по документам).

2. Перепроектируйте процесс так, как будто технологии уже существуют.

3. Внедрите ИИ как инструмент внутри этого нового процесса.

4. Обучите людей не бояться кнопки, но и не верить ей на 100%.

5. Измеряйте не количество запросов к GPT, а поведение людей и бизнес-результат.

Выиграют в этой гонке не компании, которые первыми купили нейросети, а те, кто точно знал, что именно они хотят получить от ИИ-трансформации.