Как применять ИИ для бизнеса и применять ли вообще

Да, про ИИ сейчас говорят из каждого утюга, но в основном слышны два контекста, которые заглушают все остальные: инженерный и хайповый. Мало кто разговаривает с позиции бизнеса, который работает в онлайне и решает свои ежедневные задачи с помощью технологий — или пока не решает, но задумывается. В этой статье вставлю свои пять копеек и попробую закрыть этот пробел. Мы сами активно используем ИИ в работе и внедряем его клиентам, и накопили уже достаточно опыта и шишек, чтобы судить и про то, где нейросети реально приносят деньги, и про то, где вам продают модное слово.

У вас в ленте наверняка есть оба персонажа: один «внедрил ИИ и порезал косты на 120%», другой принципиально «всё делает сам, AI-free». При этом обе ситуации имеют место быть, но дьявол, как всегда, в деталях, и в каждом случае надо отдельно смотреть, что там на самом деле произошло. Нейросети с нами надолго, это уже не обсуждается. Важно другое: что именно они умеют, где приносят пользу, а где вам продают тревогу. Надеюсь, после прочтения вы сможете отличить одно от другого без хайпа и луддитства.

Как бы странно это ни звучало, но начнём с начала. Когда бизнес хочет «внедрить ИИ», он может понимать под этим (а может и не понимать) две совершенно разные вещи. Первая — ИИ как инструмент в руках человека: им пишут код или обрабатывают документы. Вторая — ИИ как функция внутри вашего продукта: чат-бот, умный поиск, генерация описаний товаров. Требования, риски, процессы внедрения у этих ролей разные, и путаница между ними — это источник большинства неоправданных ожиданий. Дальше разберём обе роли по очереди.

Сразу вкину разочаровывающую мысль: делегировать обработку можно, понимание — нельзя. Нейросеть блестяще обрабатывает текст, код, даже картинки, но не понимает ни вашу задачу, ни ваш бизнес, ни последствия своих слов. Это правило одинаково работает в обеих ролях — запомните его, мы к нему ещё вернёмся.

ИИ как инструмент исполнителя

В статье о ценах я уже писал главное: любой программный продукт сейчас создаётся с помощью ИИ, и скидку за это никто не сделает — это автоматизация исполнителя, как 1С у бухгалтера. Повторяться не буду, там же разобран и вайбкодинг. Здесь достроим картину: что использование ИИ исполнителем означает для вас по сути.

Есть старая байка про мастера, который за минуту починил станок ударом молотка и выставил счёт: молоток — 1$, знать, куда ударить, — 99$. В реальной разработке «молоток», конечно, стоил не 1% — скорее добрую половину бюджета: написание кода занимало значительную часть времени разработчика. И ИИ радикально удешевил именно эту половину. А вторая — понять задачу и цели, выбрать подход, увидеть, что сгенерированное решение выглядит правдоподобно, но неверно, — осталась на месте и даже подорожала в относительном выражении. В статье о ценах я формулировал это как «умение просто писать код не стоит больше токенов — вы платите за другое».

Из этого есть честное следствие для рынка, о котором стоит знать. Порог входа в профессию упал. Люди, которые позавчера не слышали ничего о разработке, вчера прошли курс по вайбкодингу, а сегодня уже генерируют сайты. И проблема не в том, что они существуют, а в том, что разобраться в рынке стало гораздо труднее: по внешним признакам разница не видна вообще. Разница — в том, что под капотом, и в том, что произойдёт при первой нештатной ситуации. Как проверять подрядчика в этих условиях, я подробно разбирал в статье «Как выбрать веб-студию»: вопросы по кейсам и «как и зачем вы будете это делать» работают ровно потому, что мышление, в отличие от портфолио, сгенерировать пока не получается.

И главное, что изменилось внутри профессии: узкое место сместилось. Раньше оно было в «написать», теперь — в «проверить». Код генерируется быстрее, чем человек способен его осмыслить, а всё по-прежнему упирается в человека — в его способность переварить объём сложности за единицу времени. А нейросети невероятно уверенно ошибаются. Поэтому главный навык работы с ИИ в разработке — верификация. Профессионал отличается не тем, что ИИ пишет ему код, — это сегодня у всех, — а тем, что он способен проверить результат и отвечает за него.

Чтобы не заканчивать раздел предостережениями — для вас как заказчика во всём этом есть большой и вполне измеримый выигрыш. Пул возможностей стал гораздо шире: то, на что раньше уходили недели рутинного написания кода, теперь можно автоматизировать за пару дней. Особенно это касается несложных, но трудоёмких задач — автоматизации документооборота, парсеров данных, всяких внутренних инструментов. Так что если какая-то ручная рутина казалась вам «слишком мелкой, чтобы автоматизировать», — возможно, это уже не так.

У ваших сотрудников тот же молоток

Всё, что написано выше, происходит не только в разработке — то же самое у любого специалиста, работающего у вас в штате: юрист, бухгалтер, маркетолог с нейросетью под рукой — тот же расклад. Молоток подешевел у всех, и узкое место у всех сместилось туда же — в проверку: нейросеть отвечает быстрее, чем человек успевает убедиться, что ответ верный.

Но есть разница, и она важная. Когда ИИ использует исполнитель, которому вы платите за результат, верификация уже включена в цену: вы покупаете проверенный продукт и ответственность за него. Когда ИИ использует ваш сотрудник, часто это сопровождается перекладыванием ответственности на машину. Вообще внедрение ИИ в процессы — это отдельная история с кучей нюансов, тема, достойная отдельного разговора.

ИИ в вашем продукте: задачи, где он реально работает

Теперь вторая роль — ИИ внутри вашего сайта или сервиса. Здесь я сознательно не буду перечислять технологии: списки «10 ИИ-инструментов для бизнеса» устаревают быстрее, чем публикуются. Вместо этого будет список бизнес-задач. Читайте и узнавайте свою.

Чат-бот поддержки и продаж. Бот, который отвечает клиентам по вашей базе знаний: условия доставки, возвраты, наличие, помощь с подбором товара. Конечно, если у вас пять обращений в день, с ними прекрасно справится и человек — бот здесь вряд ли будет рентабелен. Тем более что человек в цепочке должен сохраняться: бот отвечает только по вашим заранее подготовленным материалам (технически это называется RAG), и в случае сомнений передает разговор человеку. Почему передача человеку так важна — расскажу в разделе про риски.

Умный поиск по каталогу. Клиент пишет «что-то тёплое для рыбалки недорого» — и получает подборку товаров, а не «по вашему запросу ничего не найдено». Классический поиск ищет совпадение слов, нейросетевой — смысл. Особенно это ценно для магазинов с большим каталогом, где клиент не знает, как называется то, что ему нужно. Хороший поиск напрямую конвертируется в выручку: не нашёл — не купил.

Обработка входящего потока. Классификация заявок, извлечение данных из документов и накладных, маршрутизация обращений по отделам. Самый скучный пункт списка — и самый окупаемый. Эту автоматизацию клиент вообще не видит, зато её проще всего посчитать: вот столько часов сотрудники тратили на разбор, вот столько стоит час, вот сколько осталось после внедрения. Если хочется начать знакомство с ИИ с задачи, где эффект гарантированно измерим, — начинайте отсюда.

Генерация контента. Описания товаров для тысяч позиций, черновики карточек, обработка и унификация фотографий. Здесь ИИ экономит недели ручной работы, но не забываем, что нейросети это просто управляемая галлюцинация, так что места, где текст что-то обещает клиенту, стоит перепроверять. Почему это не перестраховка — опять же, в разделе про риски.

Рекомендации и персонализация. «С этим товаром покупают», подборки под интересы. Тут спорно: с одной стороны, классические рекомендательные механики, которым много лет, часто дают тот же эффект дешевле. Но в некоторых случаях нейросеть может лучше отслеживать пользовательские паттерны. Так что перед внедрением стоит чётко определить, почему, зачем и как, и желательно провести A/B-тестирование.

А теперь принцип, по которому эти задачи отбирались, — он полезнее самого списка:

ИИ хорош там, где объём большой, ошибка дешёвая, а проверка простая.

Сгенерировать тысячу описаний — да: неудачное описание поправит редактор. Назвать клиенту цену, пообещать срок или юридическое условие — нет: в некоторых случаях ошибка доводит до суда. Прогоните через этот фильтр любую ИИ-идею, свою или подрядчика, и половина вопросов отпадёт сама.

Границы и риски: что нужно знать до внедрения

Теперь о том, про что продавцы ИИ рассказывают неохотно. Ничего страшного здесь нет — но каждый пункт должен быть продуман до запуска, а не после первого инцидента.

Всё, что бот говорит клиенту, — это говорите вы. Известный прецедент: чат-бот авиакомпании Air Canada придумал несуществующее правило возврата средств, пассажир ему поверил, а когда компания отказалась выполнять обещание, дело дошло до разбирательства — и в 2024 году компанию обязали выполнить то, что наобещал бот. Конечно, это во многом вопрос юрисдикции, но в целом судебная практика исходит из того, что владельцы бизнеса отвечают за работу своих информационных систем. Это не причина отказываться от ботов, это причина правильно их проектировать.

Галлюцинации — не баг, а свойство. Нейросеть может уверенно выдавать невероятно правдоподобную ересь, и это не дефект конкретной модели, который починят в следующей версии, а фундаментальное свойство технологии. Поэтому задача формулируется не «настроить, чтобы не ошибался» — так не бывает, — а «спроектировать так, чтобы ошибка была дешёвой»: ограничить темы, отвечать только по базе знаний, эскалировать на человека при неуверенности или на критичных путях. Разница между «внедрили бота» и «внедрили бота правильно» — ровно в этой инженерии, и снаружи, на демо, она не видна.

Данные: чем вы кормите модель — то ей и доверяете. Если бот работает через внешний сервис, ваши запросы, а с ними, возможно, и персональные данные клиентов, уходят на чужие серверы. Это уже вопрос 152-ФЗ и трансграничной передачи данных: где физически обрабатывается запрос, что провайдер хранит, учится ли он на ваших данных. Выбор провайдера — российские модели или зарубежные — это критерий не только качества, но и комплаенса, и банальной доступности оплаты. Юридическую сторону разберём в отдельной статье; здесь важно одно — вопрос «куда уходят данные» должен прозвучать до внедрения.

Зависимость от провайдера. Модель, на которой построена ваша фича, принадлежит не вам. Она может подорожать, измениться в поведении или стать недоступной — все три сценария рынок уже проходил. Это управляемый риск: грамотная архитектура позволяет сменить провайдера малой кровью. Но думать об этом надо на старте, когда это стоит немного, а не в момент, когда фича легла посреди высокого сезона.

API или локальная модель — вторая ось выбора. В начале статьи мы разделили ИИ по оси «инструмент или продукт». Есть и вторая ось: как модель развёрнута. Вариант первый — работать через API облачного провайдера: быстрый запуск, лучшее на рынке качество, оплата за фактические запросы, но данные уходят наружу (см. пункт про 152-ФЗ) и вы живёте с зависимостью от чужого сервиса. Вариант второй — локальная модель на своём или арендованном железе: данные не покидают ваш контур, расходы фиксированные, но нужно железо, настройка и поддержка. Ни один вариант не лучше другого, у каждого свои задачи, для которых он подходит.

Экономика ИИ-фич: чем они отличаются от обычных

У ИИ-функций есть особенность, которую регулярно забывают заложить в решение, а она меняет всю арифметику.

Обычная фича устроена просто: вы заплатили за разработку, дальше она работает и есть не просит. Фильтры в каталоге не генерируют счетов за то, что ими пользуются. У ИИ-фичи, кроме цены разработки, есть себестоимость эксплуатации: через API вы платите за каждый запрос, на своём железе — за само железо и его поддержку. Это другая модель расходов — не «купил», а «купил и подписался». И при подсчёте экономики ИИ-фичи может оказаться, что счёт за токены будет больше зарплаты сотрудника, которого фича заменяет.

При этом ИИ-фичи — идеальный кандидат на пилот, тот самый MVP-подход. Проверить гипотезу за небольшие деньги: бот на одну категорию вопросов → месяц работы → замер: сколько обращений закрыл сам, сколько эскалировал, что говорят клиенты → решение о расширении. Расширять то, что доказало пользу цифрами, — совсем другое ощущение, чем «внедрять» то, во что поверили на презентации. Ну и важно учитывать, что пилот дешевле полноценного внедрения по разработке, но у него есть своя статья расходов — замер и анализ результатов. Можно считать это покупкой данных для решения.

И у эксплуатации тоже есть стоимость: ИИ-фичу нужно постоянно мониторить, иначе никто не узнает, когда она деградирует. База знаний устаревает, бот продолжает уверенно отвечать вчерашними ценами и прошлогодними условиями доставки, не подавая никаких признаков поломки: формально всё работает. Присмотр за ИИ-фичей — обновление базы, контроль качества ответов — это часть услуги поддержки.

Оверхайп: как отличить пользу от моды

Осталось поговорить про механизм, из-за которого эта статья вообще понадобилась.

Главное топливо продаж ИИ сегодня — это не результат, а страх отстать. Пока вы сомневаетесь, конкуренты «уже внедрили»; каждый день без ИИ — день на обочине истории. Знакомая интонация? Поэтому «внедрим ИИ» так часто покупают без единой метрики: платят не за решение задачи, а за избавление от тревоги. Так что если не хотите, чтобы ваша тревога конвертировалась в чей-то чек, то в следующий раз, когда после прочтения новости об AGI внутри начнёт созревать липкое холодное чувство FOMO, остановитесь и спросите себя, не манипуляция ли это.

Ну и для уверенности держите анти-чеклист. Признаки, что вам продают слово «ИИ», а не решение:

• «Внедрим ИИ» без ответа на вопрос, какую метрику это улучшит. Время ответа клиенту, конверсию, часы сотрудников — хоть что-нибудь измеримое.
• Новый ИИ-инструмент, который вы должны внедрить. Без преимуществ, недостатков, альтернатив, часто даже без конкретной задачи.
• «Бот заменит вам отдел продаж». Не заменит. Снимет типовые вопросы и высвободит людям время на сложные — это честная и уже немалая польза.
• Нет ответа на вопрос «что будет, когда он ошибётся». Не «если», а «когда» — см. раздел про галлюцинации.

Схема продажи тут строится на том, что ИИ будто отменяет правило выбора двух из треугольника «быстро — качественно — дёшево», но это не так. В реальности все недостатки и компромиссы просто умалчиваются. А только зная о них, можно эффективно использовать ИИ.

Если из всего раздела запомнить один инструмент — вот контрольный вопрос подрядчику, в духе «как и зачем» из статьи о выборе студии: «Покажите, что будет, когда бот не знает ответа». По реакции видно всё. У того, кто проектировал систему всерьёз, есть готовый ответ: вот порог уверенности, вот эскалация на оператора, вот что видит клиент. У того, кто продаёт демо счастливого пути, начинается импровизация.

И симметричное предупреждение, чтобы не скатиться в скепсис: отказываться от ИИ из принципа — такой же хайп, только со знаком минус (антихайп, получается). Задачи из середины этой статьи — поток обращений, большой каталог, тысячи карточек — реально окупаются, и проходить мимо них из принципа не стоит. Вопрос не «внедрять ли ИИ», вопрос — «какую задачу он у вас решит».

Так нужен ли вам ИИ: чек-лист

Сведём статью в один список. Пройдитесь по нему с конкретной задачей в руках:

1. Есть ли поток однотипной работы с текстом, картинками или обращениями?
2. Дешёвая ли ошибка? Что случится, если ИИ ошибётся в одном случае из ста: досадная мелочь или обещание клиенту, которое придётся выполнять?
3. Простая ли проверка? Может ли человек быстро отловить ошибку до того, как её увидит клиент?
4. Посчитана ли экономия? Часы × ставка > стоимость запросов и присмотра?
5. Есть ли план при ошибке бота? Эскалация на человека, ограничение тем, подтверждение на критичных путях.
6. Понятно ли, куда уходят данные? Какой провайдер, где обрабатывается запрос, что с персональными данными.

Шесть «да» — внедряйте, задача созрела. Есть «нет» — вы теперь знаете, что именно доработать до старта.

ИИ — это делегирование обработки: текста, кода, картинок, обращений. И делегирует он её блестяще. А понимание — вашей задачи, вашего клиента, вашего бизнеса — остаётся людям: вашим сотрудникам и вашему партнёру. В статье о ценах я писал, что платите вы именно за понимание. ИИ эту формулу не отменил — он её обнажил.

А еще нейросети меняют не только то, как сайты делают, но и то, как их находят: клиенты всё чаще спрашивают не гугл, а ChatGPT, и это уже сейчас меняет требования к сайту. Это отдельная большая тема — про неё будет одна из следующих статей.

А если у вас есть поток задач, который утомляет вас или вашу команду, расскажите нам про него. Посчитаем вместе, окупится ли там ИИ, и если да — проработаем все нюансы и поможем с внедрением, а если нет — то убережем от трат.