Светлана Сердюкова- 1. ИИ действительно снимает нагрузку — и это не преувеличение
- 2. Главная ошибка: «внедрили и забыли»
- 3. Реальный случай: ассистент сам назначил ставку
- 4. Почему ассистент повёл себя именно так
- 5. Где ещё это встречается: зоны риска по отделам
- 6. Что проверять сразу после внедрения
- 7. Как выстроить регулярный контроль
- 8. ИИ — это сотрудник, а не техника
Вокруг внедрения ИИ в бизнес сложились две крайности. Первая — «это хайп, ничего не работает». Вторая, куда более дорогая, — «поставили ассистента, теперь он всё делает сам». Обе мешают получить от инструмента реальную пользу, но именно вторая приводит к убыткам, которые обнаруживаются далеко не сразу.
1. ИИ действительно снимает нагрузку — и это не преувеличение
Начнём с честного признания: как инструмент снижения рутинной нагрузки ИИ работает, и работает хорошо. Это касается практически любого отдела, где есть повторяющиеся операции с текстом и данными.
- Отдел продаж. Черновики коммерческих предложений и писем, резюме звонка в карточку CRM, скоринг входящих заявок, ответы на типовые вопросы вне рабочего времени.
- Логистика. Разбор заявок из переписки, заполнение форм, сверка данных между документами, подготовка типовых ответов перевозчикам и клиентам.
- HR. Первичный разбор откликов, подготовка описаний вакансий, ответы кандидатам на частые вопросы, черновики документов по адаптации.
- Поддержка и клиентский сервис. Классификация обращений, первичные ответы, подготовка сводок по проблемным клиентам.
Экономия времени здесь измеряется не процентами, а часами в день на человека. Именно поэтому спорить с самой идеей внедрения смысла нет — вопрос только в том, как это внедрение устроено.
2. Главная ошибка: «внедрили и забыли»
По нашим наблюдениям, подавляющее большинство компаний воспринимает подключение ИИ-ассистента как установку программы: настроили, проверили пару примеров, порадовались, что работает, и переключились на другие задачи. Дальше система живёт своей жизнью.
Проблема в том, что ИИ-ассистент по своей природе ближе не к программе, а к новому сотруднику без опыта работы в вашей компании. Программа при нехватке данных выдаёт ошибку и останавливается. Ассистент — не останавливается. Он принимает решение сам, исходя из того, что посчитал наиболее вероятным. И делает это уверенно, без пометки «здесь я не был уверен».
Именно поэтому ошибки ИИ обнаруживаются поздно: они не выглядят как сбой. Форма заполнена, заявка отправлена, ответ клиенту написан — всё внешне в порядке. Разница видна только в деньгах, и то не сразу.
3. Реальный случай: ассистент сам назначил ставку
Показательный пример из нашей практики — из логистики, где цена ошибки видна особенно наглядно.
Компания-экспедитор внедрила связку: клиент пишет заявку в мессенджер, интеграция передаёт переписку ИИ-ассистенту, тот разбирает текст, вытаскивает параметры груза и автоматически публикует заявку на бирже перевозок. Логика понятная: снять с логиста ручное заполнение форм и ускорить выход заявки на площадку. На тестовых примерах всё отработало корректно.
Дальше произошло следующее. В очередной переписке не было указано главное — стоимость перевозки. Для человека это очевидная точка остановки: без цены заявку не публикуют, логист просто уточнит её у клиента. Ассистент поступил иначе: он не остановился и не сообщил, что данных не хватает. Он подставил в поле ставки максимальное значение из допустимого диапазона — то есть выбрал вариант, который с его точки зрения гарантированно «сработает».
Формально всё выглядело успешно. Заявка ушла на биржу, звонки от перевозчиков посыпались один за другим — при завышенной ставке предложений всегда много. Отдел был загружен разговорами весь день.
А по факту эта активность принесла ноль. Ставка, которую ассистент предложил перевозчикам, оказалась выше того, что за эту перевозку платил сам клиент. Экономики в сделке просто не осталось: работать по такой цене означало отдать всю маржу, а то и уйти в минус. Куча звонков, потраченный день команды — и ни одной сделки, которую имело смысл закрывать.
Важно, что ассистент не сломался и не «выдумал» данные. Он честно проанализировал ситуацию и принял решение — просто это решение принималось без понимания экономики сделки, которой в его инструкции не было.
4. Почему ассистент повёл себя именно так
Разбор этого случая показывает механику, которая повторяется в большинстве неудачных внедрений.
ИИ заполняет пробелы, а не сигнализирует о них. Если в инструкции не сказано прямо «при отсутствии данных — остановись и запроси», модель по умолчанию постарается выдать результат. Отсутствие ответа для неё хуже, чем неточный ответ.
У ассистента нет понимания последствий. Он не знает, что ставка — это не просто поле в форме, а граница между прибылью и убытком. Для него это такой же параметр, как вес груза или город отправления.
Тестирование проходило на «правильных» примерах. Проверяли на заявках, где все данные были на месте. А реальные клиентские переписки — это неполные, обрывочные сообщения, где половину нужно уточнять. Ассистента не проверили именно на них.
Никто не смотрел, что происходит после запуска. Система работала, форма заполнялась, ошибок не выдавала. Внешних признаков проблемы не было, пока не начали разбираться, почему при обилии звонков нет сделок.
5. Где ещё это встречается: зоны риска по отделам
Тот же механизм — «не хватило данных, подставил своё» — проявляется во всех отделах, просто с разной ценой ошибки.
- Продажи. Ассистент готовит коммерческое предложение и, не найдя в базе актуальную цену или условия, подставляет данные из старого прайса или усредняет. Клиент получает обязательство, которое компания не планировала брать.
- Логистика и закупки. Автоматическое заполнение заявок, сверка спецификаций, подстановка сроков и ставок — любая незаполненная ячейка превращается в предположение.
- HR. Первичный отбор откликов по формальным признакам: ассистент отсеивает кандидатов по критериям, которые сам достроил из общей формулировки вакансии. Сильные кандидаты отваливаются молча, и заметить это со стороны почти невозможно.
- Клиентский сервис. Ответ клиенту по вопросу, ответа на который нет в базе знаний. Вместо «уточню у коллег» — уверенный ответ, основанный на общих знаниях модели, а не на правилах вашей компании.
Общее у всех случаев одно: ошибка выглядит как нормальная работа. Никакого красного индикатора не загорается.
6. Что проверять сразу после внедрения
Первые недели после запуска — самый важный период, и именно его чаще всего пропускают.
- Прогоните ассистента на «плохих» данных. Не на образцовых примерах, а на реальных обрывочных переписках, где часть информации отсутствует. Задача — проверить не то, как он справляется, а то, как он себя ведёт, когда справиться не может.
- Проверьте поведение при нехватке данных. В инструкции должно быть явно прописано: чего именно ассистент не имеет права додумывать и что делать вместо этого — остановиться, поставить пометку, передать человеку.
- Определите «дорогие» поля. В каждом процессе есть параметры, ошибка в которых стоит денег: цена, ставка, скидка, сроки, условия оплаты. Их заполнение автоматом стоит либо запретить, либо поставить на обязательную проверку человеком.
- Сплошная проверка первых результатов. Не выборочная, а полная: первые 20–30 действий ассистента просматриваются человеком целиком. Это единственный способ увидеть системную ошибку до того, как она масштабируется.
7. Как выстроить регулярный контроль
После первого месяца сплошную проверку можно снять, но полностью отпускать процесс нельзя — и вот почему. Меняются цены, условия, продукт, формат клиентских обращений. Инструкция, написанная под ситуацию полугодовой давности, постепенно расходится с реальностью, а ассистент продолжает уверенно работать по ней.
Минимальная рабочая схема контроля:
- Назначенный владелец. Конкретный человек отвечает за работу ассистента — как за сотрудника. Без владельца процесс деградирует незаметно.
- Регулярная выборка. Раз в неделю просматривать 5–10 результатов работы ассистента целиком, а не по факту жалоб.
- Обновление базы знаний по календарю. Изменились цены, условия, ассортимент — база знаний обновляется в тот же момент, а не «когда всплывёт».
- Обратная связь от команды. Менеджеры и логисты первыми замечают странные ответы. Нужен простой канал, куда они это сообщают, иначе они просто молча начнут перепроверять всё вручную — и экономия времени исчезнет.
- Контроль по деньгам, а не только по факту работы. Как в примере с биржей: система работала исправно, а сделок не было. Смотреть нужно не «отработал ли ассистент», а «что это дало в результате».
8. ИИ — это сотрудник, а не техника
Самая полезная установка при внедрении: относиться к ассистенту не как к программе, а как к новому сотруднику. Толковому, быстрому, работающему круглосуточно — но без контекста вашего бизнеса, без понимания экономики сделки и без права принимать решения, которые вы ему не делегировали осознанно.
Ни один руководитель не отпустит новичка в свободное плавание в первый же день со словами «дальше сам». С ассистентом почему-то поступают именно так — и потом делают вывод, что «ИИ не работает».
ИИ работает. Но ровно в тех границах, которые вы ему задали, и ровно до тех пор, пока кто-то смотрит на результат. Инструмент, снимающий часы рутины, требует взамен регулярного, но недорогого внимания — и это честная цена за экономию.
Хотите разобрать свою ситуацию?
Бесплатный аудит отдела продаж — 45 минут, без обязательств. Как проходит аудит →
