Представьте: утром менеджер снова переносит данные из письма в CRM, собирает сводку и готовит типовой ответ. К обеду команда спорит, «заменит ли AI сотрудника», хотя вопрос поставлен слишком широко. Модель может быстро сделать черновик, но не несёт ответственности за неверный платёж, обещание клиенту или удалённую запись. Цена ошибки появляется именно там, где никто не разделил подготовку и решение.
Начните с одной операции. Например, AI готовит черновик ответа по утверждённой базе, сотрудник сверяет факты и только потом отправляет письмо. Ниже вы получите конкретный список процессов, матрицу «AI / человек / совместная проверка» и методику сравнения на реальной задаче: время, полнота, ошибки и пограничные случаи.
Какие бизнес-процессы автоматизировать с помощью AI: короткий ответ
Начинайте с задач, где есть поток похожих входов и проверяемый результат: подготовка черновика ответа по утверждённой базе, извлечение полей из документов, классификация обращений, сводка по нескольким источникам, поиск расхождений и предварительное распределение заявок. AI полезен там, где простых условий мало, но сотрудник может проверить результат до внешнего действия.
Не отдавайте модели сам платёж, юридически значимое обещание, увольнение, изменение прав, удаление данных или решение без понятного эталона. Если маршрут полностью задаётся правилами, используйте прямую интеграцию по API, автоматическое событие (webhook), валидатор или роботизацию действий (RPA). Если выход неоднозначен или необратим, решение остаётся человеку. Между этими полюсами находится лучший стартовый режим: AI готовит, человек подтверждает.
Такой взгляд совпадает с логикой исследования ILO и NASK от 20 мая 2025 года: авторы оценивали подверженность отдельных задач генеративному AI и считают трансформацию работы более вероятной, чем автоматическое исчезновение должностей, потому что большинство профессий сохраняет задачи с человеческим участием. Это глобальная оценка потенциального влияния, а не прогноз увольнений для конкретной компании. Практический вывод уже: разберите свой процесс на операции и проверяйте каждую отдельно.
Продажи и CRM
Классифицировать обращение, извлечь реквизиты и подготовить сводку перед звонком.
Поддержка
Найти утверждённый источник, собрать черновик ответа и передать спорный случай сотруднику.
Документы
Извлечь поля, отметить пропуски и подготовить запись, которую человек проверит до сохранения.
Маркетинг и операции
Собрать сводку, разметить отзывы, найти исключения и подготовить варианты без автопубликации.
Когда AI не нужен
Допустим, платёжный сервис прислал подтверждённое событие, после чего нужно изменить статус сделки в CRM и уведомить менеджера. Если API и правила стабильны, это обычная автоматизация. Языковая модель добавит переменную стоимость, задержку и ещё один способ ошибиться. AI можно подключить раньше, чтобы разобрать неструктурированное письмо, но не для переноса уже подтверждённого статуса.
Второй повод остановиться: сотрудники не могут согласовать правильный результат и исполняют процесс по-разному. Сначала уберите противоречия, назначьте ответственного и опишите выход. Иначе модель лишь быстрее воспроизведёт неопределённость.
Пять стоп-проверок до любой матрицы
Матрица оценки помогает сравнить только допустимых кандидатов. Сначала задайте пять вопросов. Отрицательный ответ не нужно компенсировать высоким объёмом или эффектным прототипом.
- Владелец: кто отвечает за процесс, эталон и решение о качестве?
- Данные: разрешено ли использовать именно эти поля, документы и журналы?
- Проверка: какой выход считаем принятым и с чем его сравниваем?
- Резервный маршрут: как человек завершит работу, если AI откажет или промолчит?
- Остановка: как отключить права, остановить действие и восстановить состояние?
Эти вопросы нельзя заменить общей суммой баллов. NIST рекомендует до запуска определить конкретную задачу, бизнес-ценность, последствия ошибки, роль человека и жизнеспособную альтернативу без AI. OWASP добавляет минимум функций и прав. Если нет ручного резерва или способа отключить маршрут, кандидат ещё не готов.
Что сделать: возьмите не один любимый сценарий, а два-три процесса из реальной очереди. Пропустите их через стоп-проверки, затем заполните шесть критериев фактами из систем. Это уменьшает риск подобрать аргументы под уже выбранный инструмент.
Матрица «AI / человек / совместная проверка»
Критерии отвечают на разные вопросы. Объём показывает, увидим ли мы достаточно повторений. Повторяемость показывает, существует ли стабильная единица работы. Данные отвечают, есть ли разрешённые входы и эталон. Вариативность помогает понять, нужен ли вероятностный AI вместо условий. Цена ошибки объединяет последствия, обнаружимость и обратимость. Срок и очередь показывают, создаёт ли задержка реальную операционную проблему.
Теперь распределите работу внутри операции. Колонка AI описывает подготовку, колонка человека фиксирует ответственность, а совместная проверка задаёт момент, после которого результат можно использовать. Так матрица не превращается в список профессий «на замену».
| Операция | Что делает AI | Что решает человек | Совместная проверка |
|---|---|---|---|
| Черновик ответа по базе знаний | Находит фрагменты источника и собирает черновик | Проверяет факты, тон и право дать обещание | Источник виден рядом, отправка только после подтверждения |
| Извлечение полей из документов | Распознаёт поля и отмечает неуверенные места | Разбирает пропуски, конфликт и чувствительные данные | Схема валидирует формат, сотрудник подтверждает запись |
| Распределение входящей заявки | Определяет тему и предлагает очередь | Берёт спорные и приоритетные обращения | Маршрут сравнивают с историей, ошибки возвращают в набор |
Числовой вес не должен скрывать критический риск. Ошибка в черновике внутренней сводки и ошибочный платёж требуют разных правил, даже если оба процесса повторяются ежедневно. При равных кандидатах выбирайте меньшую автономность, более чистый эталон и результат, который можно отменить.
Артефакт для встречи: выпишите операции строками, затем для каждой заполните три поля: подготовка AI, решение человека и момент совместной проверки. Если одно поле остаётся пустым, маршрут ещё не готов к пилоту.
Автоматизация, режим помощника или агент
В обычной автоматизации путь заранее задан разработчиком: событие запускает известные проверки и действия. AI-ассистент формирует черновик, классификацию или рекомендацию, а человек подтверждает результат. Агент получает ограниченную цель и динамически выбирает следующие шаги и инструменты. Именно право выбирать путь, а не слово «AI» в интерфейсе, отличает агента.
Первый пилот не обязан доказывать максимальную автономность. Если гипотезу можно проверить в режиме помощника, это обычно даёт более понятный журнал: видно, что предложила модель, что исправил эксперт и почему результат приняли. Права на запись и удаление, платежи, изменение учётных данных и иные необратимые действия оставляют за отдельным подтверждением.
Простой ориентир: правила и структурированные поля ведут к обычной автоматизации; вариативный текст с проверяемым выходом подходит режиму помощника; динамический выбор инструментов обсуждают только тогда, когда предыдущих уровней недостаточно и команда уже умеет видеть полный журнал действий.
Почему проверяют задачу, а не должность
В опубликованном 11 марта 2026 года эксперименте Organization Science участвовали 758 консультантов BCG. На 18 задачах внутри возможностей использованной версии GPT-4 участники с AI выполнили на 12,2% больше заданий и работали в среднем на 25,1% быстрее. Но на одной сложной задаче вне этой границы они на 19 процентных пунктов реже находили правильное решение. Один и тот же инструмент помог на одних участках работы и ухудшил результат на другом.
Эти проценты относятся к конкретному эксперименту, модели GPT-4 образца 2023 года и задачам консультантов; их нельзя переносить в расчёт вашего отдела. Полезен сам поворот: разложить роль на операции, измерить каждую отдельно и не считать удачный результат на одном участке доказательством для всей должности. Методика и ограничения описаны в рецензируемой статье о «неровной границе» возможностей AI.
Исходный замер: что зафиксировать до запуска
Исходный замер описывает текущую работу, а не один средний показатель. Сначала определите единицу работы и допустимый объём: какие случаи вообще входят в сравнение. Затем отделите время активной работы сотрудника от общего времени в очереди. Запишите качество с первого раза, переделки, исключения, эскалации, нарушения срока ответа, типы ошибок и фактические расходы.
Сравнивайте один и тот же знаменатель. Стоимость генерации черновика ничего не говорит о стоимости успешно принятого ответа, если часть черновиков переписывают, отправляют на повторный запрос или эскалируют. Версии модели, инструкции для неё (промпта), источников и интеграций тоже относятся к измерению: без них изменение результата нельзя воспроизвести.
HM Treasury отдельно предупреждает: разница «до/после» не доказывает, что эффект вызван AI. Если возможно, оставьте параллельную или поэтапную группу с текущим способом работы. Если это невозможно, не приписывайте модели любое изменение, которое совпало с пилотом по времени.
Как честно сравнить сотрудника и AI на одной операции
Допустим, вы проверяете черновик ответа для одной очереди поддержки. Не сравнивайте скорость генерации с полным временем сотрудника: в маршрут AI входят поиск источника, ручная проверка, исправления и передача исключений. Единица сравнения одна: например, ответ, принятый без переделки и готовый к отправке.
- Опишите одну операцию, допустимые входы и случаи, которые сразу уходят человеку.
- Соберите реальные обычные, редкие, противоречивые, опасные и невалидные примеры.
- До теста задайте обязательные факты, типы ошибок, правило передачи человеку и порог остановки.
- Проверьте три режима: текущий ручной процесс, AI без внешних действий и сотрудник с AI-черновиком.
- Покажите результаты эксперту в одной форме. Если возможно, не сообщайте, кто подготовил ответ.
- Сравните принятый результат, а не отдельный вызов модели. Версию модели, инструкций и источников сохраните в журнале.
| Режим | Время операции | Полнота | Ошибки и переделки | Пограничные случаи |
|---|---|---|---|---|
| Сотрудник | Заполните по текущему замеру | Проверьте по общей рубрике | Разделите по типу и тяжести | Зафиксируйте ручные исключения |
| AI без внешних действий | Включите проверку и исправления | Используйте ту же рубрику | Отделите критические от обратимых | Проверьте отказ и передачу человеку |
| Сотрудник с AI | Считайте полный путь до принятия | Проверьте итог после правок | Учтите пропущенные ошибки модели | Проверьте качество решения сотрудника |
Среднее качество не должно скрывать редкую критическую ошибку. Ошибочный заголовок внутренней сводки можно исправить, а неверный платёж или удаление записи требуют отдельного стоп-сигнала. Итог одного процесса нельзя переносить на весь отдел: следующую операцию проверяют заново.
Данные, права и журнал действий
Вопрос «данные есть?» недостаточен. Составьте карту: источник → цель → минимальные поля → основание использования → поставщик и точка подключения → срок хранения → регион размещения → удаление. Модель получает минимально необходимые поля и минимальные права; поиск по базе обязан учитывать доступ конкретного пользователя до передачи контекста.
Например, модели нужно извлечь реквизиты из договора, но в одном файле нет ИНН. Полезное поведение: оставить поле пустым, показать страницу источника и передать документ сотруднику. Опасное поведение: подобрать похожее значение и молча записать его в учётную систему. Разница определяется не «умом» модели, а правами, проверкой и запретом на догадку.
До отдельного решения не отправляйте секреты и ключи, лишние идентификаторы и сырые персональные данные, чувствительные категории, клиентские базы и материалы под NDA, а также информацию с требованиями к локализации или специальному режиму обработки. Конкретную правовую допустимость проверяют с ответственным за данные и юристом: статья не заменяет такую оценку.
Если в CRM появилась неверная запись, ответственный должен восстановить цепочку: какая версия получила вход, какие источники и инструменты использовала, что предложила, кто подтвердил решение и какое действие произошло. Поэтому журнал проектируют до запуска. При этом не нужно хранить весь сырой контент: записи тоже подчиняются минимизации, срокам доступа и удалению.
Набор проверок: реальные случаи вместо демонстрации
Набор собирают из исторических случаев процесса. В нём должны быть обычные запросы, редкие форматы, пропуски, противоречивые данные, неоднозначные случаи, опасные ошибки, попытки внедрить инструкцию через входные данные, ожидаемый отказ и правильную передачу человеку. Для каждой строки фиксируют эталонный ответ или экспертную рубрику, обязательные и запрещённые факты, тип ошибки и её тяжесть.
Например, клиентское письмо может содержать просьбу проигнорировать внутренние правила и раскрыть чужие данные. Правильный результат здесь не «убедительный ответ», а отказ, отсутствие вызова опасного инструмента и передача обращения ответственному сотруднику. Этот случай должен лежать в наборе до запуска, а не появиться после инцидента.
Возьмите архив реального процесса и сначала добавьте ошибки, которые уже встречались команде. Затем дополните обычные случаи редкими форматами и опасными действиями. Количество строк зависит от разнообразия входов и цены ошибки. Формат и обязательные поля проверяет код, смысл оценивает эксперт, а автоматическую оценку сверяют с его решениями.
Если система сама выбирает инструменты, откройте полный журнал: какой инструмент она вызвала, какие данные передала, сколько раз повторила шаг и где остановилась. Тот же замороженный набор повторите после изменения модели, инструкций, базы знаний, инструмента или политики.
Где оставить человека и когда остановить пилот
Человек в контуре не означает кнопку «проверить всё». Опишите конкретное решение человека: что он видит, какие источники доступны, что может исправить, как отклоняет результат и кому передаёт исключение. Для финансовых, юридических, медицинских, действий записи и удаления, изменения учётных данных и иных необратимых действий явное подтверждение особенно важно.
Правила остановки принимают до запуска. Остановите или верните систему в режим без внешних действий, если превышен лимит повторов, действий, задержки или стоимости; входы запрещены, недостаточны или противоречивы; качество ниже принятого порога; растут ошибки и переделки; произошёл инцидент безопасности или приватности. Изменение модели, промпта, источника или политики требует повторной проверки до расширения прав.
| Сигнал | Действие системы | Роль человека |
|---|---|---|
| Недостаточно или конфликтуют данные | Отказаться от догадки, объяснить нехватку | Уточнить вход или завершить вручную |
| Внешнее необратимое действие | Подготовить предложение без исполнения | Проверить основание и подтвердить |
| Порог качества не достигнут | Остановить маршрут или убрать внешние действия | Разобрать ошибки и решить: править или остановить |
Пилот экономит деньги или только переносит работу?
Переменную стоимость полезно считать на принятый или успешно завершённый случай: (модель + инструменты + переменная инфраструктура + проверка человеком + повторы и переделки + ожидаемая цена ошибки) / принятые случаи. Если черновик быстро создан, но сотрудник долго ищет источники и переписывает его, эта работа остаётся в стоимости процесса.
Отдельно стоят исследование задачи, интеграция, проверки, безопасность, юридическая оценка и поддержка. Не прячьте их в цену токенов. И разделяйте три эффекта: реальный исчезнувший расход, высвободившееся время и изменение качества, срока ответа и риска. Свободные часы становятся денежной экономией только тогда, когда бизнес действительно убрал расход или направил ресурс в измеримый результат.
Отдельно разберите стоимость ручного труда и финансовый эффект автоматизации. На этой странице задача уже: выбрать один процесс и проверить его на реальных данных, не смешивая цену подписки со стоимостью принятого результата.
Что мы в 13FOX проверяем при проектировании AI-функций
В продукте пользователь видит одну кнопку или ответ, но надёжность определяется скрытой работой: каким данным доверяет модель, где человек видит источник, что происходит при пропуске и какое действие система не имеет права выполнять сама. На проектах с AI мы проектировали разные входы и ограничения, поэтому на первой встрече разбираем не название модели, а полный путь от входа до проверки.
- В Epicure AI мы работали со сценарием, где входом служат фото, ингредиенты и предпочтения, а выходом становятся рекомендации и пошаговый рецепт. Для похожей бизнес-задачи заранее разделите распознавание входа, подбор варианта и окончательное решение пользователя.
- В LightWeightFit AI-сценарии встроены в продуктовую механику с фотографиями и пользовательским контентом. Такой вход требует явного поведения при плохом снимке или недостатке данных, а не уверенной догадки.
- В Психее диалог связан с контекстом, памятью и голосовыми сценариями, а граница продукта сформулирована прямо: приложение не заменяет профессиональную психотерапию. Для бизнеса это полезный образец ограничения роли, а не обещание автономного специалиста.
При выборе подрядчика просите показать три вещи отдельно: реализованную функцию, метод проверки и измеренный результат. Функциональный экран подтверждает, что сценарий собран, но финансовое решение принимают по замеру вашего процесса.
Соберите карту пилота на одной странице
До выбора модели и архитектуры заполните восемь блоков. Если поле неизвестно, это исследовательский вопрос, а не разрешение подставить красивое число. План можно использовать как повестку встречи владельца процесса, операционной команды, безопасности и разработки.
- Сформулируйте одну операцию, результат и владельца.
- Опишите источник и формат входа, эталон выхода и исключения.
- Снимите исходный замер на одном знаменателе.
- Заморозьте набор проверок с обычными, крайними и опасными случаями.
- Выберите минимальный уровень автономности.
- Назначьте проверку, эскалацию, откат и ответственного человека.
- Зафиксируйте поля, права доступа, срок хранения, журнал и удаление.
- До запуска примите порог качества, правила остановки и критерии запуска.
После пилота доступны четыре честных решения. Расширить, если порог качества и операционная метрика подтверждены. Оставить помощником, если черновик полезен, но автономный эффект рискован. Заменить обычной автоматизацией, если правила оказались стабильными. Остановить, если данные, качество или экономика не выдерживают проверку. Закрытая гипотеза может быть хорошим исследовательским результатом, но сама по себе не является финансовой экономией.
Если идея ещё не дошла до проверяемой единицы работы, начните с материала о разработке MVP и проверке основной гипотезы. Он поможет отделить обязательный сценарий от будущей архитектуры и списка функций.
Что подтверждают первичные источники
Ссылки проверены 10 августа 2026 года. Они помогают выбрать минимально сложное решение, построить проверку на реальных задачах, ограничить права, сохранить участие человека и заранее подготовить остановку. Порог качества, объём набора и экономика зависят от конкретной операции и её цены ошибки.
- ILO и NASK, индекс влияния генеративного AI на работу, 20 мая 2025: профессии состоят из разных задач, поэтому исследователи считают трансформацию работы более вероятной, чем автоматическое исчезновение должностей. Индекс оценивает потенциальную подверженность, а не увольнения.
- Organization Science, Navigating the Jagged Technological Frontier, 11 марта 2026: эффект AI меняется между задачами даже внутри одной профессии.
- OpenAI, практическое руководство по созданию AI-агентов: когда достаточно детерминированного решения, агент не нужен; при риске важно вмешательство человека.
- OpenAI, рекомендации по оценке: проверки для конкретной задачи, реальные распределения, граничные и враждебные случаи, непрерывная проверка и калибровка экспертом.
- OpenAI, рекомендации по безопасности: проверять типичные и атакующие входы, а человеку показывать исходные материалы до практического применения результата.
- NIST AI RMF Core: конкретная задача, цена ошибки, роль человека, сравнение с альтернативой без AI и возможность отключить систему.
- OWASP LLM06: Excessive Agency: минимум функций и прав, подтверждение, журналирование и ограничения.
- HM Treasury, Impact evaluation of AI interventions, обновлено 15 мая 2026: заранее описать текущую работу, сравнить с альтернативой и оценивать эффект поэтапно.
FAQ
Что такое AI-автоматизация бизнеса простыми словами?
Это использование модели в конкретной операции, где недостаточно только заранее заданных правил: например, для классификации, извлечения смысла или подготовки черновика. Маршрут, который полностью описывается системным событием и условиями, остаётся обычной автоматизацией.
Какие бизнес-процессы автоматизировать с помощью AI?
Начинайте с одной повторяемой операции с цифровым входом, проверяемым выходом, допустимой ценой ошибки, разрешёнными данными и ручным резервом. Подходят черновики ответов, извлечение полей, классификация обращений и сводки по утверждённым источникам. Необратимые решения оставляют человеку.
Когда достаточно обычной автоматизации без AI?
Если вход структурирован, маршрут полностью задаётся правилами, а результат должен быть детерминированным, используйте прямую интеграцию по API, автоматическое событие (webhook), валидатор или роботизацию действий (RPA). AI нужен там, где приходится разбирать вариативный текст, документ, изображение или контекст.
Как сравнить сотрудника и AI на одной задаче?
Дайте сотруднику и AI одинаковые реальные входы, заранее задайте одну рубрику и сравните время операции, полноту, принятие с первого раза, типы ошибок, переделки, эскалации и пограничные случаи. AI сначала работает без внешних действий.
Что должно входить в набор проверок AI-пилота?
Реальные обычные, граничные, опасные, неоднозначные и невалидные случаи; ожидаемые отказы и эскалации; эталон или экспертная рубрика; запрещённые действия и типы ошибок. Универсального количества нет.
Когда AI-пилот нужно остановить и откатить?
При недостижении порога качества, росте переделок или ошибок, запрещённых или противоречивых данных, превышении лимита действий, стоимости или задержки, инциденте безопасности либо изменении модели, промпта или источника до повторной проверки.
Получите карту одного AI-пилота
Опишите одну повторяемую операцию четырьмя пунктами: как часто она возникает, что приходит на вход, кто сейчас проверяет результат и во что обойдётся ошибка. Мы разложим её на участки для AI, человека и совместной проверки, определим данные, метрики и способ отката. Результат первой встречи: карта пилота с границами и решением, нужен ли здесь AI вообще.