Вызовы внедрения ИИ: 58% компаний упираются в затраты
Компания покупает ИИ-бота. Через три месяца менеджеры его обходят, в CRM половина полей пустая, а бюджет ушёл на интеграцию с 1С. Ниже разобраны пять барьеров по российской статистике 2025 года и порядок, в котором их стоит снимать, пока деньги ещё не потрачены.
- 58% российских организаций называют главным препятствием высокие затраты, треть упирается в нехватку данных, около 20% в интеграцию.
- Сопротивление сотрудников встречает каждая третья компания, хотя сокращения после ИИ отметили только 15% организаций.
- Перед пилотом проверьте данные по шести признакам: полнота, структура, дубли, разметка, актуальность, доступы.
- Первый пилот берите там, где узкое место видно в цифрах, а ошибка ИИ обходится дёшево.
- ROI считается только от baseline, зафиксированного до запуска.
Какие проблемы внедрения ИИ встречаются чаще всего?
Российские компании называют четыре барьера: деньги, данные, интеграцию и людей. Из них только первый виден в смете, остальные проявляются уже после старта.
Самая крупная выборка по теме у Росстата и НИУ ВШЭ: в исследовании 2025 года участвовали более 15 тыс. крупных и средних организаций. Высокие затраты как препятствие назвали 58%. Для трети компаний барьером стал дефицит данных, нужных для работы ИИ. Около 20% указали на сложность интеграции ИИ в бизнес-процессы, ещё около 20% на низкое качество или сложность обработки данных. Отдельно CNews приводит цифру по людям: 33% российских компаний столкнулись с сопротивлением сотрудников.
Принято считать, что ИИ тормозят деньги. Это верно, но не до конца. Дорого становится потому, что данные приходится чистить, интеграцию переделывать, а команду уговаривать. Деньги здесь итоговая строка, в которую стекаются остальные проблемы.
| Барьер | Доля компаний (2025) | Как выглядит в отделе продаж |
|---|---|---|
| Высокие затраты | 58% | Смета растёт после старта: доработки, интеграция, поддержка |
| Сопротивление сотрудников | 33% | Менеджеры не передают боту заявки, оспаривают оценки звонков |
| Дефицит данных | около трети | Нет истории сделок, карточек товаров, записей звонков |
| Качество данных | около 20% | Дубли контактов, пустые поля, устаревшие цены |
| Интеграция в процессы | около 20% | Бот не видит CRM и склад, ответы расходятся с реальностью |
Кстати, сами компании почти не строят ИИ своими руками. Внешние компетенции для разработки или доработки ИИ-ПО привлекали 56% организаций, готовое коммерческое ПО покупали 53% (НИУ ВШЭ). Значит, вопрос «писать самим или брать готовое» для бизнеса уже решён. Остаётся другой: как подготовить компанию к тому, что придёт снаружи.
С информационной безопасностью картина менее чёткая. Сколько проектов останавливает страх утечки клиентской базы, по российскому рынку публично не посчитано, хотя на встречах с собственниками этот вопрос звучит одним из первых. Ему отведён отдельный раздел в конце.
Почему команда сопротивляется ИИ?
Под словом «сопротивление» прячутся три разных страха: сокращения, контроля и собственной некомпетентности. Лекарство от каждого своё, и одно общее собрание «про цифровизацию» не помогает ни от одного.
Страх сокращений
Три года назад рынок обещал, что ИИ массово заменит людей в офисах. Проверим, что вышло. Только 15% организаций связали внедрение ИИ со снижением численности работников, а 63% вообще не заметили его влияния на штат (НИУ ВШЭ). При этом более трети компаний сообщили о росте доходов и числа клиентов.
Массовых увольнений не случилось.
Эти цифры стоит показать команде прямо на слайде. Ещё лучше сработает конкретный расклад ролей. У наших клиентов ИИ-продавец не заменяет менеджера в сделке: переговоры, возражения и закрытие остаются за человеком. В автосалоне с пробегом после того, как первичную переписку забрал ИИ-продавец, выдача автомобилей на одного менеджера выросла с 11 до 17 в месяц. Для продавца на проценте это аргумент, который понятнее любых презентаций.
Страх контроля
Речевую аналитику сотрудники воспринимают как слежку, и отчасти справедливо. Раньше руководитель прослушивал несколько звонков в неделю, теперь система оценивает каждый. Если критерии оценки скрыты, оператор видит только штраф и не понимает, за что его получил.
Снимается это прозрачностью. Чек-лист оценки публикуется до запуска. Оператор видит свою карточку звонка и может оспорить оценку. Первый месяц результаты используются для обучения и в премию не идут.
Нехватка навыков
Третий страх тише остальных: человек просто не понимает, что делать с новым инструментом. Менеджер не знает, когда бот передаёт ему диалог, где смотреть историю переписки, что делать, если бот ответил клиенту неточно. Через неделю он возвращается к старой схеме, потому что так быстрее.
Типичная ситуация: руководитель подключает бота, рассылает инструкцию в общий чат и считает задачу закрытой. Менеджеры продолжают отвечать клиентам вручную, бот дублирует их сообщения, клиенты получают по два ответа, а на планёрке звучит вывод, что «ИИ не работает».
Управление изменениями начинается с одного назначенного человека. Выберите в отделе продаж менеджера, которому интересна новая технология, сделайте его владельцем пилота и платите за результат пилота отдельно. Коллеги охотнее примут инструмент от своего, чем от ИТ-отдела.
Готовы ли данные компании к ИИ?
Чаще всего не полностью, и это выясняется за неделю аудита. Дешевле узнать об этом до подписания договора, чем через месяц после запуска.
Дефицит данных остановил треть компаний, плохое качество данных ещё около 20% (НИУ ВШЭ). Для ИИ в продажах «данные» означают вполне конкретные вещи: карточки товаров или услуг, прайс, историю сделок в CRM, записи звонков, переписку с клиентами. Бот отвечает ровно настолько точно, насколько полна его база.
Шесть проверок, которые можно провести своими силами:
Шаг 1. Полнота. Откройте 50 случайных карточек товаров или услуг. Посчитайте, в скольких заполнены цена, наличие, ключевые характеристики. Если в каждой пятой чего-то нет, бот будет отвечать клиентам «уточню у менеджера» и терять заявки.
Шаг 2. Структура. Проверьте, лежат ли данные в полях или в свободном тексте. Цена в комментарии к сделке в amoCRM для человека читаема, для интеграции почти невидима.
Шаг 3. Дубли. Выгрузите контакты и поищите один номер телефона в нескольких карточках. Дубли ломают аналитику: один клиент превращается в три лида с разной историей.
Шаг 4. Разметка. Для речевой аналитики нужны звонки с понятными метками: чем закончился разговор, какой был этап воронки. Без этого система не отличит удачный разговор от провального.
Шаг 5. Актуальность. Сравните цены и остатки в CRM с 1С или складом. Расхождение даже в один день означает, что бот пообещает клиенту то, чего нет.
Шаг 6. Доступы. Составьте список, кто и к каким данным имеет доступ сейчас. Внешнему подрядчику понадобится свой доступ, и лучше заранее решить, какой.
По нашим данным, в автосалоне с пробегом ИИ-продавец подключён к карточке каждого автомобиля и отправляет покупателю отчёт по истории машины с пояснениями, а не голым файлом. Работает это только потому, что карточки заполнены целиком. Пустая карточка дала бы пустой ответ клиенту.
Интеграция с ИТ-системами вытекает из того же аудита. Бот, который не видит amoCRM или Битрикс24, не может создать сделку и передать её менеджеру. Бот без связи со складом в 1С не знает остатков. Каждая такая связка добавляет к проекту время и деньги, и это главная причина, по которой сметы растут после старта.
Сколько стоит внедрение ИИ в компании?
Сколько будет стоить конкретный проект для компании на 20 менеджеров, я заранее не скажу, и честных публичных расценок для малого и среднего бизнеса в России сейчас нет. Зато понятна структура бюджета, и по ней можно заранее увидеть, где смета вырастет.
Масштаб рынка известен: затраты российских организаций на внедрение и применение ИИ в 2025 году достигли 257 млрд рублей (Правительство РФ). Компании тратят серьёзные деньги, и при этом 58% из них по-прежнему называют затраты главным препятствием. Похоже, дело в непредсказуемости сметы больше, чем в её размере.
Из чего складывается бюджет:
- Аудит. Разбор воронки, данных и систем. Самая дешёвая статья и единственная, которая снижает остальные.
- Интеграция. Подключение к CRM, учётной системе, площадкам вроде Авито, мессенджерам. Здесь чаще всего возникают доработки, которых не было в первом коммерческом предложении.
- Лицензии. Подписка на платформу, оплата языковой модели, телефонии. Часть платежей зависит от объёма диалогов, и при росте трафика растёт вместе с ним.
- Инфраструктура. Серверы, хранение записей звонков. Если данные нельзя выносить за пределы компании, появляется отдельная статья на собственный контур.
- Обучение. Время менеджеров на освоение, время руководителя на разбор первых диалогов. В деньгах его обычно не считают, а зря.
- Поддержка. Обновление базы знаний, правка сценариев, реакция на сбои. Платёж регулярный, и пока ИИ работает, он не заканчивается.
Самая недооценённая строка в смете: поддержка. Прайс меняется, появляются новые товары и акции, и кто-то должен вносить это в базу знаний бота. Если этого человека не назначить заранее, через пару месяцев бот начнёт отвечать клиентам по прошлогодним ценам.
Как выбрать первый пилот для продаж, закупок или контроля качества?
Первый пилот берите там, где узкое место уже видно в цифрах, данные уже собраны, а ошибка ИИ обходится дёшево.
Пилотный проект – это ограниченный по сроку и охвату запуск ИИ на одном процессе, который проверяет, даёт ли решение измеримый эффект в ваших условиях. Он нужен, чтобы потерять немного денег на гипотезе, которая не сработала, вместо того чтобы потерять много на масштабировании.
Площадка для пилота у компаний уже есть: более половины из тех, кто применяет ИИ, используют его в маркетинге, продажах, производстве или услугах (НИУ ВШЭ). Для коммерческого блока выбор обычно сводится к трём вариантам.
| Направление | Нужные данные | Главный риск | Что измерять |
|---|---|---|---|
| ИИ-продавец (входящие заявки, чаты, звонки) | Карточки товаров, прайс, доступ к CRM | Неточный ответ клиенту, потеря лида | Скорость первого ответа, конверсия заявки в визит или контакт |
| ИИ-закупщик (поиск поставщиков, сбор предложений) | Список позиций, требования, каналы связи с продавцами | Неверно понятые условия сделки | Число обработанных предложений, стоимость закупки |
| Речевая аналитика | Записи звонков, чек-лист скрипта | Сопротивление операторов, спорные оценки | Доля нарушений скрипта, доля проверенных звонков |
Наше наблюдение по трём проектам: качество работы продавцов было в порядке, узким местом оказалась пропускная способность первой линии. Менеджеры фактически работали операторами переписки. В агентстве недвижимости один ролик с кодовым словом давал до 300 комментариев за несколько часов, больше, чем менеджер успевает обработать за рабочий день. Значительная часть обращений приходила вечером, ночью и в выходные, когда отдел продаж не работает.
Отсюда простой критерий выбора. Если заявки теряются из-за того, что на них некому быстро ответить, начинайте с ИИ-продавца. Если заявок хватает, но они плохо закрываются, начинайте с речевой аналитики: она покажет, где именно менеджеры теряют клиента. Закупочный агент имеет смысл там, где закупка сама по себе источник маржи. По нашим данным, в автосалоне с пробегом второй агент, ИИ-байер, сам пишет продавцам автомобилей на Авито и предлагает поставить машину на комиссию.
