Тендеры и лиды
Информация
Практическое руководство для собственников, руководителей и операционных команд: как найти подходящий процесс для автоматизации, оценить его стоимость и проверить эффект до масштабного внедрения.
Сегодня практически у каждого предпринимателя есть доступ к искусственному интеллекту. Сотрудники используют ChatGPT для писем, маркетологи генерируют контент, руководители экспериментируют с AI-ассистентами.
Но возникает закономерный вопрос: если нейросети стали доступны почти всем, почему во многих компаниях ручной работы меньше не становится?
На мой взгляд, причина проста: бизнес часто начинает с выбора инструмента, а не с анализа процесса.
Компания покупает подписки, внедряет чат-ботов, подключает AI-сервисы. При этом сотрудники продолжают переносить данные из документов в таблицы, вручную готовить коммерческие предложения, сверять расчёты и искать информацию в переписках.
Получается парадокс: искусственный интеллект в компании есть, а автоматизации как системы — нет.
Я занимаюсь проектированием AI-решений для бизнеса и считаю, что начинать нужно не с вопроса «Какую нейросеть внедрить?», а с другого:
«На каких повторяющихся действиях компания теряет время, деньги и возможности для роста?»
Ниже покажу, как описать рабочий процесс, выбрать кандидата для автоматизации, оценить возможный эффект и проверить решение на ограниченном участке.
Представим типичный рабочий день.
Менеджер получает запрос клиента, открывает несколько файлов, переносит данные в таблицу, уточняет информацию, готовит коммерческое предложение и отправляет его заказчику. На следующий день всё повторяется.
В другой компании инженер получает технические параметры объекта, рассчитывает количество материалов, проверяет спецификацию и переносит результаты в смету.
В третьей руководитель ежедневно собирает данные из разных систем, чтобы понять, что происходит с продажами.
Это разные задачи, но у них есть общая особенность: значительную часть времени занимают повторяющиеся действия.
Именно такие операции стоит исследовать в первую очередь. Но не всякая повторяющаяся работа требует искусственного интеллекта.
Если сотрудник каждый день копирует данные из одной таблицы в другую по постоянному правилу, иногда достаточно интеграции или программного скрипта.
AI полезен там, где требуется работать с естественным языком, документами разного формата, неструктурированной информацией или вариативными запросами.
Хорошая автоматизация решает задачу наиболее подходящим способом.
Прежде чем спрашивать, какую нейросеть внедрить, разложите задачу на последовательные шаги. Иначе можно автоматизировать только заметный фрагмент работы, оставив все задержки и повторные действия вокруг него.
Для первичного описания достаточно заполнить такую карту:
Событие на входе: что запускает работу — письмо, заявка, документ, звонок.
Исходные данные: какие сведения нужны сотруднику и где они находятся.
Действия: что именно он делает и в какой последовательности.
Правила: по каким критериям принимает решения.
Результат: что должно появиться в конце — ответ, запись, расчёт, документ.
Исключения: какие ситуации не укладываются в обычный сценарий.
Проверка: кто и как подтверждает корректность результата.
Например, формулировка «менеджер обрабатывает документы» слишком общая. Полезнее расписать: получить файл, определить его тип, найти нужные поля, перенести значения в CRM, проверить обязательные данные, запросить недостающую информацию, подготовить ответ.
После этого становятся видны места, где сотрудник ждёт данные, переключается между системами, повторно вводит одно и то же или возвращает работу на исправление.
Попросите сотрудников не просто перечислить обязанности, а описать последнюю выполненную операцию:
С чего она началась?
Какие программы и документы понадобились?
Что пришлось перепроверять?
Где возникло ожидание?
Что было сделано вручную?
Как сотрудник понял, что работа завершена?
Что чаще всего приходится переделывать?
Полезно пройти процесс вместе с исполнителем и увидеть его на экране или на реальных обезличенных материалах. Описание «это занимает пять минут» иногда не учитывает поиск файла, уточнения, переключения между окнами и повторную проверку.
Для предварительного анализа не нужно собирать сведения обо всех операциях компании. Выберите одну задачу и зафиксируйте несколько типичных выполнений. Если процесс заметно меняется в зависимости от клиента, документа или сотрудника, это тоже важное наблюдение.
Прежде чем обсуждать стоимость разработки AI-системы, оцените, во сколько компании обходится нынешний способ работы.
Для начала нужны четыре показателя:
количество повторений операции за месяц;
среднее время выполнения одной операции;
полная стоимость рабочего часа сотрудника для компании;
дополнительные расходы на ошибки, исправления и задержки, если их можно подтвердить.
Базовая формула трудозатрат:
Количество операций × время одной операции ÷ 60 = часы в месяц.
Рассмотрим условный пример.
Компания обрабатывает 120 комплектов документов в месяц. Сотрудник вручную извлекает необходимые сведения, переносит их в рабочую систему и проверяет заполнение. На один комплект уходит 18 минут.
Получается:
120 × 18 / 60 = 36 рабочих часов ежемесячно.
Предположим, что полная стоимость часа сотрудника для компании составляет 1 000 рублей. В эту условную сумму включены затраты работодателя на труд, а не только сумма, которую сотрудник получает на руки.
Тогда стоимость трудозатрат на процесс составляет:
36 × 1 000 = 36 000 рублей в месяц.
При неизменной нагрузке это 432 000 рублей в год.
Это не означает, что компания теряет всю сумму впустую. Работа выполняется и приносит пользу. Расчёт показывает, сколько ресурсов занимает конкретная операция.
Стоимость рабочего времени помогает понять масштаб процесса, но не всегда равна сумме, которую можно сэкономить после автоматизации.
Если сотруднику платят фиксированную зарплату, сокращение времени на задачу само по себе не уменьшает фонд оплаты труда. Финансовый результат появляется, если компания использует освободившуюся ёмкость: выполняет больше оплачиваемой работы, избегает найма, сокращает сверхурочные или снижает другие подтверждённые расходы.
Отдельно можно учитывать цену ошибок и задержек. Например, сколько времени уходит на исправления, повторные согласования или уточнения. Если у компании нет надёжных данных о потерянных заказах или упущенной выручке, лучше не включать такие суммы в расчёт как установленный факт.
Вернёмся к условному примеру с обработкой документов.
До внедрения сотрудник самостоятельно открывает каждый файл, ищет сведения, переносит их в систему и проверяет результат.
После внедрения процесс может выглядеть так:
Документ поступает в систему.
AI извлекает необходимые сведения и преобразует их в структурированные данные.
Программный модуль проверяет обязательные поля, формат значений и выполнение заданных правил.
Сотрудник проверяет спорные сведения и подтверждает результат.
Проверенные данные передаются в рабочую систему компании.
Обратите внимание: речь не обязательно идёт о полном исключении человека из процесса. AI может ошибаться при распознавании документов, интерпретации условий и работе с неоднозначной информацией. Степень автоматизации должна соответствовать цене возможной ошибки.
Предположим, что после тестирования нового процесса среднее время обработки одного комплекта сократилось с 18 до 7 минут. Это условный расчётный пример, а не результат реального проекта.
Документов в месяц: до — 120; после — 120.
Время на документ: до — 18 минут; после — 7 минут.
Трудозатраты в месяц: до — 36 часов; после — 14 часов.
Стоимость трудозатрат по условной ставке: до — 36 000 ₽; после — 14 000 ₽.
В таком сценарии освобождается 22 рабочих часа ежемесячно — 264 часа в год. Объём документов остаётся прежним, а трудозатраты на их обработку сокращаются более чем на 60%.
Дальше важно определить, чем сотрудники займутся в освободившееся время. Его можно направить на работу с клиентами, обработку дополнительных заказов или решение более сложных вопросов.
Главная выгода автоматизации — возможность выполнять больше работы теми же силами и не увеличивать штат пропорционально объёму задач.
Одна из распространённых ошибок при оценке автоматизации — считать любое освобождённое рабочее время прямой экономией денег.
Если сотрудник раньше тратил 36 часов на обработку документов, а теперь тратит 14, его зарплата от этого автоматически не уменьшается. Для финансовой оценки нужно понять, как именно компания превратит дополнительную ёмкость в экономический результат.
Возможные источники эффекта:
дополнительные оплачиваемые заказы, которые команда сможет выполнить;
отказ от запланированного найма;
сокращение сверхурочных;
уменьшение расходов на исправление ошибок;
снижение стоимости задержек и повторной обработки, если она измерена;
перераспределение специалистов на задачи с большей ценностью для бизнеса.
Для предварительной оценки можно использовать формулу:
Месячный финансовый эффект = подтверждённая дополнительная маржа + сокращённые расходы − ежемесячная стоимость системы.
Здесь важна именно дополнительная маржа от новых заказов, а не вся их выручка. Если для выполнения заказа нужны материалы, доставка, комиссия или дополнительные часы команды, эти затраты нужно вычесть.
Также нельзя дважды учитывать один и тот же результат. Например, считать ценность 22 освободившихся часов и одновременно добавлять всю прибыль от заказов, выполненных за счёт этих часов, если это одна и та же выгода.
Предположим, что разработка и запуск системы обойдутся компании в 90 000 рублей, а ежемесячные расходы на использование, контроль и поддержку составят 5 000 рублей. Эти суммы приведены исключительно для иллюстрации расчёта.
В условном сценарии 22 освободившихся часа оцениваются по ставке 1 000 рублей за час. Тогда их потенциальная производственная ценность составляет 22 000 рублей в месяц.
Если компания действительно превращает эту ёмкость в эквивалентный финансовый эффект, после вычета 5 000 рублей ежемесячных расходов остаётся 17 000 рублей. Простой расчётный срок окупаемости:
90 000 / 17 000 ≈ 5,3 месяца.
Эта оценка работает только при условии, что высвобождённое время приносит компании соответствующую финансовую пользу. Например, команда выполняет больше оплачиваемых заказов без дополнительного найма. Если время просто освободилось, но использование работы не изменилось, 17 000 рублей нельзя считать фактической экономией.
Чтобы ожидания не смешивались, фиксируйте отдельно:
Операционный эффект: сколько времени занимает процесс, сколько задач проходит за период, сколько действий выполняется вручную.
Качество и контроль: число ошибок, доля результатов, принятых без исправления, количество исключений, которые передаются специалисту.
Финансовый эффект: дополнительная маржа, фактически предотвращённый найм, уменьшение сверхурочных или другие подтверждённые изменения расходов.
Такой разбор помогает оценить пользу даже тогда, когда прямой экономии в зарплате нет. Рост пропускной способности процесса может быть важным результатом, но его нужно обозначать именно как рост производительности, пока он не превратился в измеримый денежный эффект.
Не нужно пытаться перестроить всю компанию одновременно. Эффективнее выбрать один процесс, где результат можно измерить, а риск — контролировать.
Для предварительной приоритизации я предлагаю оценивать задачу по пяти критериям от 1 до 5. Эта шкала — рабочая методика для первичного отбора, а не отраслевой стандарт.
Частота: 1 балл — задача выполняется редко; 5 баллов — повторяется ежедневно или много раз.
Время: 1 балл — на задачу уходит мало времени; 5 баллов — суммарно занимает много часов.
Повторяемость: 1 балл — каждый случай сильно отличается; 5 баллов — большая часть шагов повторяется.
Измеримость: 1 балл — результат сложно определить; 5 баллов — есть понятный формат и критерии проверки.
Риск ошибки: 1 балл — ошибка имеет тяжёлые последствия; 5 баллов — риск можно ограничить проверками и участием специалиста.
Высокий балл по времени и частоте говорит о потенциальной нагрузке. Высокий балл по измеримости помогает проверить результат. Риск ошибки нужно оценивать отдельно: потенциально дорогие ошибки требуют более строгих ограничений, даже если процесс кажется привлекательным для автоматизации.
Следующая таблица показывает, как может выглядеть первичный разбор. Все примеры и оценки условные, это не результаты обследования конкретной компании.
Обработка типовых документов. Частота — высокая; повторяемость — высокая; измеримость — средняя или высокая. Вопрос перед пилотом: можно ли проверять извлечённые поля по правилам?
Ответы на типовые обращения. Частота — средняя или высокая; повторяемость — средняя; измеримость — средняя. Вопрос перед пилотом: есть ли актуальная база знаний и контроль ответов?
Подготовка инженерных смет. Частота — средняя; повторяемость — средняя; измеримость — высокая. Вопрос перед пилотом: зафиксированы ли формулы, нормы и исходные параметры?
Не нужно механически складывать баллы и выбирать максимальный результат. Таблица нужна, чтобы сравнить задачи и увидеть, какие данные ещё предстоит получить.
Например, обработка документов может быть удобна для первого пилота, если документы достаточно типовые, результат проверяемый, а ошибки можно обнаружить до передачи данных дальше.
Инженерная смета тоже может быть перспективной задачей, но в ней нужно отдельно изучить расчётную логику, исходные данные, допуски и ответственность за итог. Решение об автоматизации нельзя принимать только по количеству потраченных часов.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13829 тендеров
проведено за восемь лет работы нашего сайта.
Представим задачу: на основании технических параметров бассейна необходимо подготовить ведомость материалов и предварительную смету.
Можно попытаться поручить нейросети весь процесс: прочитать размеры, вычислить площади, определить количество материалов, подобрать позиции и посчитать стоимость. Но такой подход может создать риски: генеративная модель способна неверно интерпретировать геометрию, применить неподходящую норму расхода или допустить арифметическую ошибку.
Более надёжная архитектура может разделять ответственность:
AI отвечает за работу с информацией. Он помогает извлекать параметры из технического задания, структурировать требования, распознавать текстовые описания и находить недостающие сведения.
Расчётный модуль отвечает за вычисления. Площади, объёмы материалов, нормы расхода, округления и цены рассчитываются по установленным правилам и проверяемым формулам.
Специалист отвечает за профессиональные решения. Он утверждает исходные параметры, проверяет нестандартные ситуации и контролирует окончательную спецификацию.
Это пример возможной схемы, а не утверждение о готовом внедрении или достигнутом результате.
В одной задаче бизнесу достаточно AI-ассистента. В другой нужна интеграция нескольких программ. В третьей — система с нейросетью, расчётным модулем, базой данных и рабочим интерфейсом.
Выбор зависит от устройства процесса, требований к точности и цены ошибки.
Для начала необязательно заказывать масштабное исследование или перестраивать всю IT-инфраструктуру компании. Можно выбрать одну повторяющуюся задачу и ответить на вопросы ниже.
Что делает сотрудник? Опишите конкретную задачу без общих формулировок.
Что запускает процесс? Новая заявка, письмо, документ, звонок или другое событие?
Откуда поступают данные? Письма, документы, таблицы, CRM, сообщения клиентов?
Какие действия выполняются вручную? Перечислите их по порядку.
Как часто повторяется задача? Ежедневно, несколько раз в неделю или раз в месяц?
Сколько времени уходит на один цикл? Замерьте несколько типичных выполнений.
Что приходится исправлять? Зафиксируйте типовые ошибки и дополнительные действия.
Каким должен быть результат? Документ, расчёт, запись в системе, ответ клиенту?
Какие есть исключения? Когда стандартный порядок перестаёт работать?
Кто проверяет результат? Как сотрудник понимает, что работа выполнена правильно?
Какие есть ограничения? Персональные данные, коммерческая тайна, безопасность, права доступа?
По каким показателям оценивать изменение? Время, стоимость, число ошибок, объём обработанных задач?
Можно записать сведения в таблицу, чтобы сравнить исходный и новый сценарии:
Название процесса: ________________
Ответственный сотрудник: ________________
Количество операций за период: ________________
Среднее время одной операции: ________________
Где хранятся исходные данные: ________________
Основные ручные действия: ________________
Частые исключения и ошибки: ________________
Цена ошибки и способ её оценки: ________________
Как выглядит правильный результат: ________________
Критерии успешного пилота: ________________
Пустые поля здесь — не формальность. Если команда пока не знает, как определить правильный результат или измерить ошибки, это сигнал сначала описать правила, а уже затем выбирать технологию.
Пилот нужен не только для того, чтобы показать, что система работает технически. Он должен ответить на вопрос, меняется ли процесс в нужную сторону.
До старта зафиксируйте исходные показатели и решите, что будете сравнивать после теста:
время выполнения одной операции и всего процесса;
объём задач, который команда успевает обработать за тот же период;
долю результатов, принятых без исправлений;
количество исключений, которые система передаёт человеку;
время, которое специалист тратит на проверку;
стоимость разработки, поддержки и использования;
фактический финансовый эффект, если его можно измерить.
Не нужно заранее выбирать произвольную цель вроде «сократить время на 50%». Порог должен вытекать из потребностей бизнеса и исходного состояния процесса.
Например, компании может быть достаточно ускорить работу, если это позволяет обслуживать текущую очередь без сверхурочных. Другой компании важно снизить число ошибок. Третьей нужно подтвердить, что с тем же составом команды она сможет выполнять дополнительный оплачиваемый объём.
Выберите один тип задач или документов.
Замерьте работу по текущему процессу на сопоставимом объёме.
Запустите ограниченный тест нового сценария.
Запишите, сколько времени заняли автоматизация и ручная проверка.
Проверьте результат по тем же критериям качества.
Учтите регулярные расходы на использование и поддержку.
Решите, что изменить перед расширением пилота.
Если тестируемый период слишком короткий или задачи в выборках отличаются по сложности, сравнение может оказаться некорректным. Поэтому важно фиксировать условия: какие операции попали в пилот, какие исключения возникали и кто проверял ответы системы.
Если найден перспективный процесс, не обязательно сразу запускать большую разработку. Сначала можно проверить решение на ограниченном участке работы.
протестировать обработку одной категории входящих заявок вместо автоматизации всего отдела продаж;
начать с одного типа документов вместо масштабного документооборота;
разработать помощника для одной повторяющейся задачи вместо универсального AI-помощника для всей компании.
Такой пилот проверяет техническую работоспособность и практическую пользу.
До начала тестирования определите:
сколько времени занимала операция раньше;
какое изменение трудозатрат будет полезным;
насколько точным должен быть результат;
кто проверяет работу системы;
сколько будет стоить её эксплуатация;
какие показатели станут основанием для продолжения.
Отдельного внимания требуют вопросы безопасности. Если система работает с персональными данными, конфиденциальными документами или коммерческой тайной, необходимо заранее определить, какие сведения обрабатываются, где они хранятся и каким внешним сервисам могут передаваться.
По итогам пилота может выясниться, что решение повышает производительность. Может оказаться, что система требует слишком большого количества ручных проверок или её стоимость превышает ожидаемую пользу.
И это тоже полезный результат: компания обнаруживает ограничения до значительных вложений.
«Нам нужен AI-бот».
«Хотим внедрить нейросети в отдел продаж».
«Нужно сделать собственного AI-агента».
За такими запросами не всегда стоит сформулированная бизнес-проблема. Прежде чем выбирать инструмент, определите, какую работу он должен выполнять и зачем компании менять текущий процесс.
AI не обязан знать внутренние регламенты компании, особенности договоров, инженерные нормы, требования к согласованию или исключения из стандартных процедур.
Если необходимые правила не описаны, система будет работать с неполной информацией. Поэтому качественное внедрение требует подготовки исходных данных, формализации правил и механизмов контроля.
Красивый интерфейс, работающий бот и впечатляющая демонстрация ещё не означают, что компания стала эффективнее.
Результат появляется тогда, когда система действительно сокращает трудозатраты, повышает качество работы, увеличивает пропускную способность процессов или помогает избежать подтверждённых расходов.
Эффективность автоматизации определяется тем, что изменилось в работе компании после внедрения.
Для первого шага не нужен масштабный бюджет. Достаточно посмотреть, на что сотрудники тратят рабочее время.
Первое. Найдите три повторяющихся процесса, которые занимают заметное количество времени.
Второе. Опишите один процесс по шагам: от события на входе до результата.
Третье. Замерьте исходные трудозатраты и зафиксируйте ошибки, исправления и ожидание.
Четвёртое. Проверьте, понятны ли правила выполнения задачи и насколько критичны возможные ошибки.
Пятое. Оцените, где нужен AI, где достаточно интеграции или скрипта, а где требуется участие специалиста.
Шестое. Выберите одну задачу с измеримым результатом и подходящим уровнем риска.
Седьмое. Проведите ограниченный пилот и заранее определите, по каким показателям будете принимать решение о дальнейшем внедрении.
Заранее решите и то, что компания будет делать с высвобождённым временем. Возможно, команда сможет быстрее обслуживать клиентов, выполнять больше заказов без расширения штата или направить силы специалистов на задачи, требующие профессионального опыта и принятия решений.
Автоматизация особенно ценна, когда она повышает эффективность всей цепочки работы, а не только ускоряет одно действие.
Искусственный интеллект уже способен выполнять множество задач, которые раньше требовали ручного труда. Но сам факт использования AI ещё ничего не говорит об эффективности бизнеса.
Я придерживаюсь последовательности:
Найти процесс → описать его → измерить текущие затраты → определить подходящий способ автоматизации → проверить результат → принять решение о внедрении.
Иногда правильным результатом анализа становится отказ от AI в пользу более простого решения.
Для меня в этом и заключается профессиональный подход к автоматизации: создать систему, которая решает конкретную задачу, сохраняет необходимый контроль и приносит измеримую пользу.
Конечная цель бизнеса — работать эффективнее, обслуживать больше клиентов, развиваться и увеличивать прибыль без пропорционального роста расходов.
