Внедрение ИИ в бизнес: пошаговый план
Половина разговоров про ИИ в компаниях заканчивается одинаково: купили подписку на нейросеть, сотрудники поигрались неделю, эффекта нет. Вторая половина – хуже: сотрудники сами начали пользоваться личными чатами с нейросетями, и рабочие данные уже утекают наружу, просто компания об этом не знает.
Разбираем, как внедрить ИИ так, чтобы он встроился в процессы и окупился: пять шагов, типичные ошибки и честный бюджет.
Коротко:
Разбираем, как внедрить ИИ так, чтобы он встроился в процессы и окупился: пять шагов, типичные ошибки и честный бюджет.
Коротко:
- Внедрение ИИ начинается с процесса, а не с технологии: ищите измеримую рутину
- Экономика считается до старта: пилот должен окупать от 100 000 ₽/мес
- Данные критичны → LLM on-prem или защищённый контур; нет → облачные модели
- Пилот на одном процессе: от 3 месяцев, проект - от 300 000 ₽
- Контроль доступа и расходов (AI-гейтвей) закладывайте сразу, а не после инцидента
Шаг 1. Найдите процесс, а не «место для ИИ»
Ошибка номер один: начинать с технологии («нам нужен ИИ») вместо процесса («у нас юристы 6 часов в день вычитывают типовые договоры»). Пройдитесь по подразделениям и выпишите рутину: обработка документов, типовые ответы клиентам, выдача доступов, подготовка отчётов, перенос данных между системами.
Хороший кандидат на внедрение ИИ отвечает трём критериям:
Хороший кандидат на внедрение ИИ отвечает трём критериям:
- операция повторяется десятки раз в день,
- у неё есть понятный вход и выход (документ → данные, запрос → ответ),
- цена ошибки контролируема – результат проверяет человек.
Шаг 2. Посчитайте экономику до старта
Для каждого процесса-кандидата ответьте на три вопроса: сколько человеко-часов в месяц он съедает, сколько стоит час специалиста, какую долю операций реально автоматизировать. На практике автоматизируется 60–80% операций, не 100% – критичные решения остаются за человеком.
Если экономия меньше 100 000 ₽ в месяц, процесс не первый кандидат: внедрение корпоративного ИИ имеет фиксированную стоимость входа, и она должна окупаться.
Если экономия меньше 100 000 ₽ в месяц, процесс не первый кандидат: внедрение корпоративного ИИ имеет фиксированную стоимость входа, и она должна окупаться.
Шаг 3. Выберите модель и архитектуру под задачу, а не наоборот
Здесь три развилки.
1. Облако или on-prem.
Если данные не критичны: облачные модели (например, Claude, ChatGPT, DeepSeek, YandexGPT или GigaChat, ) быстрее и дешевле на старте. Если в процессе персональные данные, коммерческая тайна или требования ИБ, то открытые LLM разворачиваются on-prem или в защищённом контуре, и данные не покидают периметр.
2. Российская, зарубежная или открытая модель.
Для документов на русском языке российские модели часто точнее. Для сложной логики зарубежные сильнее, но встаёт вопрос передачи данных. Открытые модели — компромисс для on-prem: требуют своей инфраструктуры, зато данные остаются внутри. Как модели отличаются по языку, цене и доступности в России, разбирали в отдельном сравнении YandexGPT, DeepSeek, ChatGPT и Claude.
3. Чат или агент.
Чат отвечает на вопросы. ИИ-агент выполняет процесс: сам читает данные из 1С или CRM, выполняет операцию и отдаёт результат человеку на проверку. Для автоматизации бизнес-процессов почти всегда нужен агент с интеграциями, а не «ещё один чат». Подробнее о том, что такое ИИ-агенты и чем они отличаются от чат-ботов.
1. Облако или on-prem.
Если данные не критичны: облачные модели (например, Claude, ChatGPT, DeepSeek, YandexGPT или GigaChat, ) быстрее и дешевле на старте. Если в процессе персональные данные, коммерческая тайна или требования ИБ, то открытые LLM разворачиваются on-prem или в защищённом контуре, и данные не покидают периметр.
2. Российская, зарубежная или открытая модель.
Для документов на русском языке российские модели часто точнее. Для сложной логики зарубежные сильнее, но встаёт вопрос передачи данных. Открытые модели — компромисс для on-prem: требуют своей инфраструктуры, зато данные остаются внутри. Как модели отличаются по языку, цене и доступности в России, разбирали в отдельном сравнении YandexGPT, DeepSeek, ChatGPT и Claude.
3. Чат или агент.
Чат отвечает на вопросы. ИИ-агент выполняет процесс: сам читает данные из 1С или CRM, выполняет операцию и отдаёт результат человеку на проверку. Для автоматизации бизнес-процессов почти всегда нужен агент с интеграциями, а не «ещё один чат». Подробнее о том, что такое ИИ-агенты и чем они отличаются от чат-ботов.
Шаг 4. Пилот на одном процессе
Не пытайтесь «внедрить ИИ во всю компанию». Один процесс, одно подразделение, измеримая метрика: часы, документы, заявки. За пилот вы узнаёте три вещи, которые нельзя узнать иначе: реальную точность модели на ваших данных, стоимость токенов на вашем объёме и реакцию сотрудников.
Только после этого масштабирование имеет смысл, архитектура пилота переиспользуется, и каждый следующий процесс подключается быстрее и дешевле первого.
Только после этого масштабирование имеет смысл, архитектура пилота переиспользуется, и каждый следующий процесс подключается быстрее и дешевле первого.
Шаг 5. Возьмите под контроль доступ и расходы
До того, как они выйдут из-под контроля. Как только ИИ появляется в компании официально, всплывают два системных вопроса.
1. Теневой ИИ.
Сотрудники уже пользуются личными нейросетями и отправляют туда рабочие данные. Запретить – не работает. Работает другое – дать легальную альтернативу: единая точка входа к нейросетям (AI-гейтвей) с корпоративным SSO, журналированием запросов и фильтрацией того, что уходит наружу.
2. Расходы на токены.
Без учета по пользователям и подразделениям счёт за нейросети превращается в лотерею. Лимиты и прозрачная статистика решают это на уровне того же гейтвея.
1. Теневой ИИ.
Сотрудники уже пользуются личными нейросетями и отправляют туда рабочие данные. Запретить – не работает. Работает другое – дать легальную альтернативу: единая точка входа к нейросетям (AI-гейтвей) с корпоративным SSO, журналированием запросов и фильтрацией того, что уходит наружу.
2. Расходы на токены.
Без учета по пользователям и подразделениям счёт за нейросети превращается в лотерею. Лимиты и прозрачная статистика решают это на уровне того же гейтвея.
Типичные ошибки при внедрении ИИ
1. Внедрять без владельца процесса.
Модель настроят, а пользоваться некому: у процесса должен быть человек, который отвечает за результат.
2. Ждать 100% точности.
Правильная схема: «ИИ делает, человек проверяет критичное». Компании, которые ждут идеальной модели, не внедряют ничего.
3. Начинать с самого сложного процесса.
Начните с самого измеримого – быстрая победа даёт бюджет и доверие для следующих шагов.
4. Игнорировать ИБ до инцидента.
Фильтрация и журналирование ставятся за день, а расследование утечки идёт месяцами.
Модель настроят, а пользоваться некому: у процесса должен быть человек, который отвечает за результат.
2. Ждать 100% точности.
Правильная схема: «ИИ делает, человек проверяет критичное». Компании, которые ждут идеальной модели, не внедряют ничего.
3. Начинать с самого сложного процесса.
Начните с самого измеримого – быстрая победа даёт бюджет и доверие для следующих шагов.
4. Игнорировать ИБ до инцидента.
Фильтрация и журналирование ставятся за день, а расследование утечки идёт месяцами.
Сколько стоит внедрение ИИ
Проект внедрения корпоративного ИИ под задачу – от 300 000 ₽ и от 3 месяцев: разбор задачи и данных, подбор модели и архитектуры, развёртывание в вашем контуре, поддержка. Подписочные сервисы дешевле на входе, но дают всем одинаковый набор функций и не встраиваются в ваши процессы и системы.
Если хотите примерить эти шаги на свой процесс – услуги по внедрению корпоративного ИИ: AI-гейтвей, ИИ-агенты, LLM on-prem, интеграции с 1С и CRM. Разберём задачу и посчитаем экономику до старта.
Если хотите примерить эти шаги на свой процесс – услуги по внедрению корпоративного ИИ: AI-гейтвей, ИИ-агенты, LLM on-prem, интеграции с 1С и CRM. Разберём задачу и посчитаем экономику до старта.
Частые вопросы о внедрении ИИ
- С чего начать внедрение ИИ в компании?Начните с одного измеримого процесса, а не с покупки технологии: обработка документов, типовые ответы клиентам, подготовка отчётов. Критерий выбора: операция повторяется десятки раз в день, у неё есть понятный вход и выход, а результат может проверить человек. Пилот на одном процессе покажет экономику до масштабирования.
- Сколько стоит внедрение ИИ в бизнес?Проект внедрения ИИ под процесс компании стоит от 300 000 ₽ и занимает от 3 месяцев: разбор задачи, подбор модели, интеграция с 1С и CRM, развёртывание и поддержка. Подписка на готовый сервис дешевле, от нескольких тысяч рублей за пользователя в месяц, но это отдельный чат, не встроенный в ваши процессы и системы.
- Облако или on-prem — что выбрать для ИИ?Если данные не критичны, начинайте с облачных моделей, это быстрее и дешевле на старте. Если в процессе персональные данные, коммерческая тайна или требования ИБ – открытые LLM разворачиваются on-prem или в изолированном контуре. Практичный ориентир: облако для пилота, on-prem для процессов с чувствительными данными.
- Когда достаточно чат-бота, а когда нужен ИИ-агент?Чат-бот достаточен, если задача отвечать на вопросы по базе знаний. ИИ-агент нужен, когда требуется выполнять процесс: читать данные из 1С или CRM, выполнять операцию и отдавать результат человеку на проверку. Для автоматизации бизнес-процессов почти всегда нужен агент с интеграциями, а не еще один чат.
- Можно ли внедрить ИИ без передачи данных во внешние сервисы?Да. Открытые LLM разворачиваются на серверах компании или в изолированном контуре, данные не покидают периметр. Это обязательный вариант для персональных данных и коммерческой тайны. Промежуточное решение – AI-гейтвей: внешние модели остаются доступны, но каждый запрос журналируется и фильтруется.
- Расскажите о процессе, который хотите автоматизировать, оценим экономику, предложим модель и архитектуру под ваши требования к безопасности.