Внедрение искусственного интеллекта в компании начинается не с выбора нейросети, а с выбора процесса. ИИ внедряют не «в бизнес вообще», а в один конкретный процесс с измеримым результатом. Рабочая схема укладывается в пять шагов: выбрать узкий процесс, собрать по нему данные, запустить пилот, замерить эффект в деньгах или часах и только после этого масштабировать.
Для первого пилота лучше всего подходят процессы с потоком однотипных обращений: ответы клиентам, обработка заявок, поиск по внутренним регламентам, онбординг новичков. Там результат видно за недели, а не за кварталы.
Провалы почти всегда случаются по одной причине: компания покупает технологию раньше, чем формулирует задачу. Ниже разберу каждый шаг и покажу, где путь можно пройти самостоятельно, а где проще позвать подрядчика.
С чего начать внедрение искусственного интеллекта
Начинать нужно с инвентаризации процессов, а не с демо нейросетей. Возьмите три процесса, где сотрудники тратят больше всего времени на однотипные действия, и по каждому ответьте на два вопроса: сколько часов в месяц он съедает и оцифрованы ли по нему данные.
Дальше выбирается один процесс-пилот. Критерий формулируется одним предложением: хороший пилот для ИИ это процесс, который повторяется десятки раз в день, опирается на существующие документы и имеет измеримую метрику. Поддержка клиентов подходит почти всегда: вопросы повторяются, ответы лежат в регламентах, метрика очевидна: время ответа и доля закрытых обращений.
Как подготовить данные, чтобы ИИ отвечал по делу
ИИ-ассистент отвечает ровно настолько хорошо, насколько хороша база знаний под ним. До запуска соберите в одно место всё, на что он будет опираться: регламенты, прайсы, описания продуктов, историю переписок, типовые вопросы с ответами.
К идеалу стремиться не нужно. Для пилота хватает 20-30 документов по выбранному процессу: по нашим замерам в проектах Solaris такой объём закрывает 60-70% типовых обращений, остальное ассистент передаёт живому сотруднику. И назначьте владельца базы знаний: устаревший прайс в базе это гарантированный неверный ответ клиенту.
Куда смотреть по 152-ФЗ: облако или свой сервер
Если через ассистента пойдут персональные данные клиентов, вопрос размещения становится юридическим, а не техническим. Отправлять ФИО, телефоны и переписки в зарубежные облачные нейросети напрямую нельзя: это трансграничная передача персональных данных со всеми требованиями 152-ФЗ.
Вариантов два. Либо вычищать персональные данные перед отправкой в облако, что ломает половину сценариев. Либо разворачивать модель on-premise, на сервере компании: данные физически не покидают периметр, и закон соблюдается архитектурой системы, а не обещаниями поставщика.
Делать самим или звать подрядчика
Собрать пилот своими руками реально: связка облачного API, векторной базы и простого бота поднимается силами одного разработчика за 2-4 недели, это типовой срок в нашей практике. Вопрос в том, что будет после пилота: обновление базы знаний, интеграции с CRM, контроль качества ответов, и всё это на годы вперёд.
| Вариант | Срок запуска | Где данные | Кому подходит |
|---|---|---|---|
| Самостоятельно на облачном API | 2-4 недели на пилот | В облаке провайдера | Есть разработчик, данные без персоналки |
| Готовый бот по подписке | Считанные дни | В облаке сервиса | Простые типовые сценарии |
| On-premise с подрядчиком | Несколько недель, фикс за проект | На сервере компании | Персональные данные, интеграции, 152-ФЗ |
Мы в Solaris делаем третий вариант: корпоративный ИИ-ассистент на данных компании, развёрнутый on-premise, с фиксированной ценой за внедрение вместо вечной подписки. Но таблица честная: если персональных данных нет, а разработчик есть, первые два пути тоже рабочие.
Как понять, что пилот удался
Успех пилота меряется в тех же единицах, в которых вы описали проблему: часы сотрудников, скорость ответа, доля обращений без участия человека. Замерьте эти показатели до запуска, иначе через месяц сравнивать будет не с чем.
Порог договаривайте заранее. Например: ассистент закрывает больше половины обращений без эскалации, а время первого ответа падает с часов до минут. Достигли: масштабируйте на соседние процессы. Не достигли: чаще всего виновата база знаний, а не модель, и это лечится неделей доработки документов.
Меня зовут Антон Баранов, я основатель Solaris AI, 16 лет в предпринимательстве: всё описанное выше собрано из проектов внедрения, которые мы с клиентами прошли руками.
Частые вопросы про внедрение ИИ
Сколько времени занимает внедрение ИИ в компании?
Пилот на одном процессе занимает от двух до шести недель: часть уходит на сбор базы знаний, остальное на настройку и обкатку. Полное внедрение с интеграциями и обучением сотрудников растягивается на два-три месяца. Дольше идут только проекты, где не выбрали конкретный процесс.
Нужен ли программист в штате, чтобы внедрить ИИ?
Для пилота на готовом сервисе не нужен. Для самостоятельной сборки on-premise нужен минимум один инженер, который останется поддерживать систему. Третий путь: подрядчик разворачивает систему в вашем контуре и берёт поддержку на себя.
Можно ли отправлять данные клиентов в зарубежные нейросети?
Персональные данные россиян отправлять туда напрямую нельзя: это нарушение 152-ФЗ. Либо анонимизируйте данные до отправки, либо используйте модель, развёрнутую на своём сервере или в российском контуре.
Что такое on-premise и зачем он бизнесу?
On-premise это размещение ИИ-системы на серверах самой компании, а не в облаке поставщика. Данные физически не покидают ваш контур, что снимает вопросы 152-ФЗ и коммерческой тайны. Плата за это: нужен сервер и человек, который следит за системой.
С какого процесса начинать внедрение искусственного интеллекта?
С того, где много однотипных обращений и есть готовые документы: поддержка клиентов, обработка заявок, поиск по регламентам. Такой пилот даёт измеримый эффект за недели и аргументы для масштабирования на остальные процессы.
Если хотите пройти этот путь без собственной разработки, посмотрите корпоративного ИИ-ассистента Solaris: ассистент для сотрудников и клиентов на данных компании, on-premise, в соответствии со 152-ФЗ и с фиксированной ценой за внедрение.
Разборы внедрений и ИИ-инструментов для бизнеса я публикую в Telegram-канале AntonProBusiness раньше, чем они появляются в обзорах. Подписывайтесь, чтобы видеть кухню, а не витрину.