Автоматизация бизнес-процессов с помощью ИИ за пределами продаж
Ваш отдел продаж уже работает с ИИ-ассистентом, конверсия подросла, руководитель доволен. А в соседнем кабинете HR-менеджер вручную сортирует 400 резюме, бухгалтер сверяет акты с накладными, а юрист третий день вычитывает типовой договор. Остальные отделы пока не в фокусе — хотя инструменты те же, а потенциал сопоставимый. почему искусственный интеллект важен для бизнеса
Почему компании застревают на продажах и маркетинге
Продажи дают выручку. Выручку легко посчитать. Поэтому когда бизнес ищет первую точку для внедрения ИИ, выбор очевиден: лидогенерация, скоринг, чат-боты на сайте. По данным [McKinsey](https://www.mckinsey.c автоматизации входящих лидовom/capabilities/quantumblack/our-insights/the-state-of-ai), использование ИИ чаще всего фиксируется именно в IT, маркетинге и продажах. Логика по Искусственный интеллект меняет рынокнятна: короткий цикл обратной связи, прозрачные метрики, быстрый эффект на выручку.
Проблема в другом. Примерно треть организаций уже начала масштабировать ИИ-программы по всей компании, а остальные застряли на стадии экспериментов и пилотов, пишет тот же McKinsey. Пилот в продажах запустили, результат увидели, а дальше не пошли. Между тем 88% организаций в мире уже регулярно применяют ИИ хотя бы в одной бизнес-функции (год назад таких было 78%). Компании, ограничившиеся одной функцией, теряют темп по сравнению с теми, кто перестраивает процессы системно.
Где ИИ в бизнес-процессах экономит реальные часы
Прежде чем перечислять отделы, разберемся с масштабом экономии. St. Louis Fed подсчитал: пользователи генеративного ИИ экономят в среднем 5.4% рабочего времени, около 2.2 часа в неделю при стандартной 40-часовой загрузке. Среди тех, кто использует ИИ ежедневно, 33.5% сообщают об экономии четырех и более часов в неделю. Полдня каждую неделю. На горизонте года это 200+ часов на одного сотрудника.
Теперь конкретные направления, где автоматизация рутинных задач ИИ дает сопоставимый или больший результат, чем в продажах.
HR и подбор персонала. Скрининг резюме, ранжирование кандидатов по соответствию вакансии, генерация описаний должностей, первичные ответы кандидатам. По оценкам ряда HR-платформ, значительная часть времени рекрутера уходит именно на механическую фильтрацию. ИИ сжимает эту фазу до минут. Остается то, что машина делать не должна: оценка культурного совпадения, переговоры по офферу, последовательное включение нового сотрудника в команду и рабочие процессы.
Финансы и бухгалтерия. Сверка документов, классификация транзакций, подготовка управленческой отчетности, выявление аномалий в расходах. ИИ в финансах ценен не скоростью заполнения таблиц, а снижением числа ошибок, каждая из которых стоит денег при налоговой проверке.
Юридический отдел и документооборот. ИИ берет на себя анализ типовых договоров, поиск противоречий между пунктами, генерацию шаблонов под конкретные условия сделки. Юрист начинает работать с предобработанным документом вместо чистого листа. Это меняет не скорость проверки, а её отправную точку.
IT-поддержка и внутренняя база знаний. Knowledge management, по данным McKinsey, входит в число функций с растущим применением ИИ. Сотрудники задают вопросы внутреннему чат-боту вместо того, чтобы писать тикет в IT и ждать три дня. База знаний обновляется автоматически на основе закрытых обращений.
Что автоматизировать первым: три критерия приоритизации
Ошибка, которую совершают почти все: выбирать задачу для автоматизации по принципу «где больше всего жалоб». Жалобы указывают на боль, но не на отдачу от инвестиций. Три критерия для приоритизации, которые работают в реальном бизнесе.
Частота и объем. Если операция выполняется сотни раз в день разными людьми (обработка входящих обращений, классификация документов, ответы на типовые вопросы), экономия масштабируется моментально. Один процент экономии на тысяче операций ощутимее, чем 30% экономии на операции, которая случается раз в квартал.
Стоимость ошибки. Там, где ошибка приводит к штрафам, потере клиента или судебному разбирательству (финансовая отчетность, комплаенс, договорная работа), ИИ окупается через снижение потерь. Например, в договорной работе одна пропущенная коллизия в условиях штрафных санкций способна обесценить месяцы экономии на скорости. Это верно даже при отсутствии роста производительности как такового.
Доступность данных. Процесс без оцифрованных данных автоматизировать нельзя. Если вся история переписки с поставщиками живет в головах менеджеров, сначала придется выстроить сбор данных, а уже потом подключать ИИ. Этот этап часто забывают, а потом удивляются, почему пилот провалился.
Начинать стоит с пересечения первых двух критериев при выполнении третьего. Для большинства компаний это IT-поддержка и документооборот: высокая частота, ощутимая стоимость простоя, данные уже есть в тикет-системах и CRM.
Где ИИ нельзя оставлять без присмотра
Генеративный ИИ в компании создает текст, код, аналитические справки. Но у него нет понятия «ответственность». Три зоны, где human-in-the-loop обязателен.
Кадровые решения. ИИ может ранжировать кандидатов, но финальное решение о найме или увольнении требует человеческого суждения. Алгоритмы наследуют предубеждения из обучающих данных, и если этот фильтр не контролировать, компания получит юридические риски и потерю репутации.
Финансовые обязательства. Подпись под контрактом, одобрение платежа свыше определенного лимита, изменение условий кредитной линии. ИИ в HR и финансах подготавливает решение, но не принимает его. Между «подготовить» и «подписать» должен стоять живой человек с полномочиями.
Нестандартные ситуации. Любой процесс на 80% состоит из типовых сценариев. Оставшиеся 20% содержат исключения, которые модель не встречала в обучении. Если ваш клиент присылает рекламацию в формате, которого не было в тренировочной выборке, автоматический ответ может усугубить конфликт вместо того, чтобы его разрешить.
Как измерить отдачу и не врать себе цифрами
St. Louis Fed оценивает суммарную экономию от генеративного ИИ в 1.6% всех рабочих часов по экономике. При этом среди всех работников (включая тех, кто ИИ не применяет) экономия составила 1.4% общего рабочего времени в ноябре 2024 года. Цифры кажутся скромными, но в масштабе крупной компании это уже измеримый эквивалент высвобожденной мощности — при том что большинство сотрудников ИИ ещё не использует ежедневно.
Проблема: компании измеряют внедрение, а не результат. Поставили модель, обучили команду, закрыли проект. А считать нужно три вещи. Сколько часов экономит конкретный процесс до и после внедрения. Сколько ошибок устранено (в деньгах). Какой объем задач сотрудники перераспределили с рутины на работу, которая создает ценность.
McKinsey фиксирует: среди компаний-лидеров 80% ставят повышение операционной производительности как цель ИИ-инициатив, но наиболее успешные дополняют ее целями роста и инноваций. Высвобожденные часы, которые остаются на рутине, дают сокращение издержек. Высвобожденные часы, направленные на развитие, дают рост. Разница — в том, куда они уходят после автоматизации.
От пилота к системе
Пилот запустить легко. Масштабировать сложно. McKinsey подчеркивает: ключевой фактор успеха у лидеров рынка — redesigning workflows. Почти половина компаний-лидеров планирует использовать ИИ для трансформации бизнес-процессов, а не для точечной оптимизации отдельных задач. Разница огромная: точечная оптимизация ускоряет старый процесс, а трансформация убирает ненужные шаги.
На практике это означает: прежде чем внедрять ИИ в документооборот, нужно пересмотреть сам маршрут документа. Возможно, три из пяти согласований избыточны, и ИИ нужен не для ускорения каждого этапа, а для того, чтобы два из них исчезли.
В России исследование «Яков и Партнёры» показало: 54% компаний из топ-300 внедрили ИИ-решения хотя бы в одной функции в 2024 году. Затраты на разработку выросли на 20-30%. Деньги в ИИ вкладывают, но результат получают только те, кто перестраивает процессы, а не просто добавляет новый инструмент к старой схеме работы.
По данным St. Louis Fed, доля рабочих часов с применением генеративного ИИ стабильно растет на протяжении последних кварталов. Компании, которые начнут перестраивать процессы за пределами продаж сейчас, через год будут на другом уровне операционной зрелости по сравнению с теми, кто ждет.
Самостоятельное внедрение упирается в три барьера: нужна экспертиза для аудита процессов, навыки интеграции ИИ с существующими системами (CRM, ERP, BPM) и постоянная настройка моделей под меняющиеся данные. Если внутри компании нет такой команды, эти задачи придется либо растить самостоятельно, либо привлекать внешнюю экспертизу на старте.
Ниже — ответы на вопросы, которые чаще всего возникают при выборе первого процесса для автоматизации.
Что лучше автоматизировать первым: поддержку, документооборот, HR или финансы?
Зависит от трех факторов: частота операции, стоимость ошибки и наличие оцифрованных данных. В большинстве компаний наибольшую быструю отдачу дает IT-поддержка и документооборот, потому что данные уже накоплены в тикет-системах, а объем однотипных запросов высок.
Какие бизнес-процессы нельзя автоматизировать ИИ?
Нельзя автоматизировать до конца любые процессы, где требуется юридическая ответственность за решение: финальное одобрение крупных платежей, кадровые решения, подписание договоров. ИИ подготавливает решение, человек его утверждает. Также рискованно полностью автоматизировать нестандартные ситуации: модель не справится с тем, чего не было в ее обучающей выборке.
Как понять, готов ли процесс к автоматизации?
Задайте три вопроса. Есть ли оцифрованная история этого процесса за последние 6-12 месяцев? Выполняется ли он чаще 50 раз в месяц? Можно ли описать 80% сценариев в виде четких правил? Если на все три ответ «да», процесс готов. Если хотя бы на один «нет», сначала нужно закрыть этот пробел.
Что делать прямо сейчас
Автоматизация процессов за пределами продаж из нишевого эксперимента превратилась в операционный вопрос. 88% организаций уже используют ИИ, половина российского топ-300 внедрила его хотя бы в одну функцию. Те, кто откладывает, проигрывают не абстрактному «рынку», а конкретным конкурентам, которые уже сокращают цикл согласования документов или время закрытия вакансии.
Три шага. Провести аудит процессов по критериям «частота — стоимость ошибки — данные». Выбрать 1-2 процесса за пределами продаж для пилота. Зафиксировать метрики «до» и отслеживать «после» каждый месяц.
Если внутри команды нет опыта интеграции ИИ в HR, финансы, документооборот или поддержку, имеет смысл начать с внешнего аудита процессов: это позволит выбрать точку входа с реальной отдачей, а не с наибольшим количеством жалоб.
