Как понять, нужен ли бизнесу AI

Вопрос «нужен ли нам AI» почти всегда задают не с той стороны. Его формулируют как вопрос про технологию, хотя это вопрос про работу людей. Модель, вектора и промпты — это инструменты, и выбирать их имеет смысл, когда уже понятно, какую именно операцию они ускоряют.

Поэтому разговор стоит начинать с наблюдения: где сотрудники каждый день делают одно и то же умственное усилие. Ищут ответ в документах. Разбирают входящее обращение и решают, кому его передать. Сверяют текст с регламентом. Пересказывают новому коллеге то, что уже двадцать раз объясняли. Именно эти места и есть кандидаты.

Где AI полезен

AI хорошо работает там, где есть текст, повторяемость и терпимость к проверке. Поддержка, которая отвечает на похожие вопросы. Отдел, который ежедневно ищет пункт в инструкции. Приём заявок, где обращение нужно классифицировать и отправить дальше. Подготовка черновиков: письма, описания, выжимки из длинных документов.

Общее у этих сценариев одно: результат можно быстро оценить. Человек видит ответ и за секунду понимает, годится он или нет. Там, где проверка занимает столько же времени, сколько сама работа, выигрыша не будет.

Отдельно стоит посмотреть на работу с черновиками. Написать первый вариант письма, выжать из десятистраничного документа суть, переформулировать техническое описание для клиента — во всех этих случаях человек и так правит текст перед отправкой, значит, проверка встроена в процесс изначально. Такие сценарии обычно запускаются быстрее всего: менять в работе команды почти ничего не нужно.

Где AI лишний

Если операция выполняется раз в месяц, автоматизировать её незачем — сопровождение сценария обойдётся дороже экономии. Если правило жёсткое и формулируется одной строкой, нужен не AI, а обычное условие в коде: оно дешевле, быстрее и предсказуемее.

Отдельный случай — процессы, где цена ошибки высока, а проверить ответ по существу некому. Юридическое заключение, расчёт, от которого зависят деньги, решение с последствиями для клиента. Здесь AI может готовить материал, но не принимать решение.

Какие данные нужны

AI не знает вашу компанию. Всё, что он скажет о ваших услугах, сроках и правилах, он возьмёт из того, что вы ему дали. Поэтому перед запуском полезно честно посмотреть на свои документы.

• есть ли актуальная версия регламента — и знает ли команда, какая из них актуальная
• лежат ли документы в одном месте или собираются по чатам и почте
• нет ли в них противоречий, о которых сотрудники давно договорились устно
• кому вообще можно показывать эти данные и какие из них закрыты

Если ответы неутешительные, это не повод отказываться от AI. Но начинать придётся с наведения порядка: неописанный процесс и противоречивые документы дадут уверенно звучащий неправильный ответ.

Как выбрать первый сценарий

Первый сценарий выбирают не по эффектности, а по проверяемости. Хороший кандидат выглядит так: операция происходит часто, её выполняет понятная группа людей, данные для неё лежат в известном месте, а качество ответа можно оценить сразу.

Ещё до запуска стоит договориться, что считать успехом. Не «AI работает», а, например: оператор находит нужный пункт быстрее, чем раньше, и в девяти случаях из десяти подсказка ему подходит. Такой критерий можно проверить через месяц и честно ответить, продолжать или сворачивать.

У сценария должен быть владелец — человек, который отвечает за его качество и решает, что делать при сбоях. Без этого пилот живёт ровно столько, сколько им занимается тот, кто его запускал. И наоборот: если владелец есть и он сам пользуется результатом каждый день, сценарий обычно выживает и развивается без отдельного проекта.

Почему нужен human-in-the-loop

Человек в контуре — это не недоверие к технологии, а способ сделать её применимой. Пока ответ подтверждает оператор, ошибка остаётся внутри и стоит нескольких секунд. Как только ответ уходит клиенту напрямую, та же ошибка становится обещанием компании.

Практический порядок обычно такой: сначала AI подсказывает человеку, потом — отвечает сам в узком, хорошо изученном классе обращений, и всегда остаётся способ передать разговор человеку. Каждый шаг делается после того, как предыдущий показал приемлемое качество на реальных данных.

Есть и практическая польза, о которой редко думают заранее. Человек, который каждый день соглашается или не соглашается с подсказкой, — это готовый источник данных о качестве. Через месяц такой работы видно, на каких вопросах система устойчиво ошибается, каких документов не хватает и где формулировки в регламентах расходятся между собой. Ни один запуск без человека в контуре такой информации не даёт.