Почему внедрение ИИ не приживается

Про внедрение искусственного интеллекта обычно пишут в жанре «как правильно». Мы напишем в обратном: что мы видим у компаний и что ломалось у нас самих, пока мы собирали больше сорока автоматизмов в собственной мебельной фабрике. Каждая из этих ошибок стоила нам времени, а иногда и потерянного доверия команды.

1. Автоматизируют бардак

Самая частая. В компании нет единой базы клиентов, половина договорённостей живёт в переписке, а вторая половина в голове менеджера. Сверху ставится нейросеть, и она начинает уверенно обрабатывать хаос.

Результат предсказуемый: мусор на входе даёт мусор на выходе, только быстрее и в больших объёмах. Нейросети нечем думать, если данных нет или они противоречат друг другу.

Поэтому первый шаг любого внедрения не технический, а скучный: оцифровка. Собрать данные компании в одно место, привести их к единому виду, построить то, что мы называем цифровым двойником бизнеса. Пока этого нет, автоматизировать нечего.

2. Внедряют «ИИ вообще»

Задача формулируется как «нам нужен искусственный интеллект» или «давайте внедрим нейросети в продажи». Это звучит как «давайте внедрим компьютеры»: непонятно, с чего начинать, и невозможно понять, получилось или нет.

Работает только обратное: один конкретный процесс, у которого есть владелец, есть измеримый результат и есть цифра «до». Не «улучшить продажи», а «ни одна заявка не остаётся без ответа дольше двух часов». Не «навести порядок в документах», а «коммерческое предложение собирается за пять минут вместо сорока».

3. Нет человека, который отвечает за внедрение

Подрядчик сдал систему, все посмотрели демонстрацию, похлопали. Через месяц процесс изменился, никто не поправил, инструмент начал врать, им перестали пользоваться.

У любого внедрения должен быть владелец на стороне компании: человек, который понимает, как устроено, и может поправить сам. Не программист, а тот, кто ведёт этот процесс каждый день. Если такого человека нет, внедрение обречено независимо от качества технологии.

Мы поэтому не сдаём работу «под ключ и до свидания»: сотрудник клиента участвует в настройке с самого начала, чтобы к приёмке понимать логику процесса и вести его повседневно. Сложные интеграции и критичные участки обычно остаются на сопровождении, и это нормально.

4. Не зафиксировали метрику «до»

Запустили, через месяц спорят, стало лучше или нет. Одни говорят «вроде быстрее», другие «да то же самое». Сравнить не с чем, потому что никто не записал, как было.

Метрика «до» фиксируется письменно до начала работ. Сколько заявок теряется, сколько времени уходит на документ, какая доля обещаний клиенту срывается. Иначе разговор о результате превращается в разговор о впечатлениях, а впечатления зависят от настроения.

5. Дают инструменту больше свободы, чем нужно

Нейросеть подключили к переписке с клиентами и разрешили отвечать самостоятельно. В девяти случаях из десяти всё отлично, а на десятом она уверенно пообещала клиенту то, чего компания не делает.

Граница самостоятельности задаётся явно, а не остаётся на усмотрение модели. Там, где ошибка стоит дёшево, инструмент действует сам. Там, где дорого, он готовит решение, а человек подтверждает одной кнопкой. Это не недоверие к технологии, а обычное управление риском.

6. Начинают со схемы из пяти агентов

Красивая архитектура, где агенты передают работу друг другу, отлично выглядит на слайде. В работе всё иначе: ошибка первого агента тихо доезжает до последнего, и понять, на каком шаге всё сломалось, невозможно.

Мы запускаем один процесс и доводим его до состояния, когда он работает стабильно и понятен команде. Только после этого берёмся за следующий. Это медленнее на бумаге и быстрее в реальности, потому что не приходится разбирать завалы.

7. Команде не объяснили, зачем это

Технически всё работает, а люди обходят стороной. Заполняют по-старому, дублируют в тетрадке, «на всякий случай» пишут в личку вместо системы.

Обычно причина одна: сотрудники решили, что инструмент внедряют, чтобы их контролировать и потом сократить. Иногда так и есть, и тогда сопротивление честное. Но чаще инструмент реально снимает с людей рутину, просто им этого не сказали.

Приживается то, что команда освоила, а не то, что ей передали. Это единственная часть внедрения, которую нельзя автоматизировать.

Что со всем этим делать

Короткий вывод: технология почти никогда не бывает узким местом. Узкое место всегда в трёх вещах: состояние данных, наличие владельца процесса и наличие цифры, по которой считается результат.

Если хочется проверить это на своей компании, начать можно с малого. Возьмите один процесс, который раздражает больше всего, и ответьте на три вопроса: есть ли по нему данные в пригодном виде, кто в компании будет его владельцем и какую цифру мы улучшаем. Если хотя бы на один вопрос ответа нет, автоматизировать рано.

Мы разбираем ровно это на диагностике потерь: за три-пять рабочих дней смотрим процессы и данные и называем процесс, с которого имеет смысл начинать. Если данных для доказательного вывода не хватает, мы прямо отмечаем это как гипотезу, а не выдаём за факт. Про сам порядок шагов подробнее в статье с чего начать внедрение AI, а про то, как считать эффект, в статье об окупаемости.