Внедрение ИИ в бизнес: с чего начать собственнику

Почему доступ к ИИ сам по себе ничего не меняет

Когда в компании появляется нейросеть, хочется сразу открыть доступ всем сотрудникам и провести вводный урок. Но доступ и обучение сами по себе не означают, что люди начнут применять ИИ в работе. Сначала нужно найти их рабочую задачу.

В проекте «Парфюм-Лидер» до моей работы ИТ-отдел открыл доступ к нейросетям, ИТ-директор провёл обучение. Многие попробовали Qwen и DeepSeek, но большинство не стало применять ИИ в работе. Значит, дело было не только в доступности сервиса или в инструкции.

Там же купили сервис чек-листов, почти не пользовались им и отказались. Внешнее обучение по категорийному менеджменту отдел потом счёл устаревшим и нерабочим для нынешнего рынка. Отдел развития пытался собрать робота в облаке, но не смог загрузить нужный массив и сделал сводную таблицу руками. Руководитель службы персонала пробовала загрузить табели в нейросеть, не получилось. Общая ошибка этих попыток: инструмент появился раньше, чем у людей возникла причина им пользоваться.

Шаг 1. Найди боль в конкретной работе

Я начинаю с интервью собственника и руководителей. Общий вопрос про неэффективность обычно уводит разговор в соседний отдел. Гораздо полезнее спросить каждого: какую таблицу ты делаешь руками дольше трёх часов каждый месяц? Ответ даёт файл, ответственного человека и понятный объём работы.

В том проекте такими задачами были отчёты по акциям, которые занимали 10–12 дней, работа с пенями на полдня, переоценка на неделю, табели, которые проверяли линейкой, и региональные таблицы. Одна сотрудница каждую неделю вручную сводила условия по кредитам в нескольких банках. Этот список не означает, что всё надо немедленно передать ИИ. Он показывает, где люди уже тратят время и где стоит искать первую проверяемую гипотезу.

Выбери одну регулярную задачу, у которой можно посмотреть исходные данные и готовый результат. Если человек не может показать, что именно он делает сейчас, демонстрация нейросети останется абстрактной. Если задача возникает раз в год, эффект первого урока будет трудно удержать.

Шаг 2. Покажи решение на его задаче

После интервью я не начинаю с длинного обзора функций. Показываю, как решить найденную задачу на материалах отдела. Когда человек видит результат на своём отчёте, он начинает прикидывать, что ещё можно сделать так же. Первое занятие в каждом отделе заканчивалось результатом, который человек уносил к себе на стол в тот же день.

В «Парфюм-Лидере» сначала был показ для тридцати руководителей, собственник был в зале, затем встречи по отделам на их данных. Одним показывал сверки, финансистам сводные таблицы, категорийщикам ценообразование на выгрузке их продаж. Не нужно обещать универсальное решение всем сразу. Отделы работают с разными задачами.

Попроси исполнителя пройти действие вместе с тобой. Пусть он назовёт ошибку в результате, если она есть, и покажет критерий готовности. Так демонстрация сразу становится проверкой пользы, а не презентацией возможностей инструмента.

Если хочешь разобрать свои задачи на занятиях, посмотри практикум «Нейросети для бизнеса». Для работы с несколькими отделами есть корпоративный формат.

Шаг 3. Дай человеку причину захотеть продолжать

Для изменений я использую последовательность ADKAR. После осознания своей проблемы и увиденного решения человеку нужна личная причина участвовать. Она может быть простой: меньше ручной сверки, быстрее получить черновик, освободить время от повторяющейся операции. Не стоит требовать интереса к ИИ ради самого ИИ.

Есть и страх: сотрудники могут решить, что новая технология нужна для их замены. В кейсе поначалу шутили об этом. Шутки прекратились, когда люди увидели, что им это ничем не грозит. При обсуждении пользы лучше говорить о конкретной работе человека, а не требовать веры в технологию.

Скептика не нужно переубеждать лозунгами. Юристы в проекте возражали, что ИИ может выдумывать правовые ссылки. Я показал работу с их договорами и оставил доступ. Позже коллега-юрист сделала документ за час; скептик прочитал и понял, что так быстро и хорошо она сама бы не написала, после чего согласился, чтобы я поставил ИИ и ему. Правовые ссылки и факты в результатах нейросети нужно проверять: это общий совет, а не описание проверки в том эпизоде.

Шаг 4. Научи повторять результат самостоятельно

Только теперь имеет смысл системное обучение и выбор доступа. Человек уже понимает, ради чего открывает сервис. Сотрудник описывает нейросети свою задачу и правит результат. После встречи он должен суметь повторить это без меня.

В категорийном отделе попытка сделать одно решение на всех сначала застопорилась. Когда сотрудники стали работать каждый со своей категорией, дело сдвинулось. Это хороший ориентир: единый шаблон полезен позже, когда понятны различия между задачами, а не вместо их изучения.

Начать можно и с бесплатного доступа. В одном отделе оплатили подписку, и дело не пошло; у части сотрудников финансового отдела на бесплатных версиях был лучший результат в проекте. Платный инструмент выбирай по реальным ограничениям задачи. В кейсе штатный айтишник подключал готовые решения к данным и размещал на общем портале.

Шаг 5. Закрепи новый способ работы

Один удачный урок ещё не равен внедрению. Вернись к отделу, проверь, пользуется ли человек решением без подсказки, что мешает и где изменились исходные данные. В финансовом отделе понадобилось несколько встреч, а через месяц сотрудники уже сами приходили с новыми запросами. Это признак, что инструмент вошёл в работу.

Готовый промпт можно передать коллеге за минуту, но доверие к нему не передаётся вместе с текстом. В проекте преемница сотрудницы финансового отдела получила её промпты, однако сначала проверяла их вручную и хотела сама понять логику. Поэтому передавай не только команду для ИИ, но и пример входных данных, ожидаемый результат и способ проверки.

Один отдел так и не включился, хотя занятий было 26 часов. Я сделал из этого практический вывод: не идти в такой отдел без его руководителя и собственной задачи. В проекте собственник поставил задачу, чтобы ИИ пользовался каждый сотрудник офиса, и был в зале на показе для руководителей.

Что делать после первого результата

Зафиксируй, сколько времени занимала операция до пробы, кто проверяет качество и когда задача повторится. На следующем цикле сравни фактическую работу с исходным процессом. Если результат нестабилен, уменьши объём: один тип документа или одна таблица лучше общей программы для всего бизнеса.

После этого можно выбрать следующую задачу. В гайде о том, какие задачи отдать ИИ первыми, я собрал критерии отбора и примеры по отделам. Если проблема не в поиске задачи, а в том, что сотрудники не подхватывают обучение, посмотри отдельный гайд об обучении команды. В обоих случаях начинай с работы человека, а не с каталога сервисов.

Коротко

• Спроси сотрудника, какую регулярную таблицу он делает руками дольше трёх часов в месяц.
• Покажи первый результат на его файле и проверь его вместе с исполнителем.
• Пройди пять шагов ADKAR по порядку: осознать проблему, увидеть решение, захотеть, научиться, закрепить.
• Собственник ставит задачу и участвует в запуске, руководитель отдела помогает выбрать свою работу.
• Возвращайся к задаче после первого урока, иначе новый способ работы не закрепится.

Частые вопросы