Искусственный интеллект активно внедряется в российский бизнес, но между интересом к технологиям и получением экономического результата пока сохраняется большой разрыв. Компании покупают программное обеспечение, запускают пилотные проекты, обучают сотрудников, а затем обнаруживают, что новые инструменты сложно встроить в существующие процессы, данные требуют дополнительной подготовки, а затраты окупаются медленнее, чем ожидалось.

В октябре 2025 года издание «Деловой Петербург» опубликовало результаты анализа Triada Partners, согласно которому около 70% рассмотренных российских компаний пока не вернули вложения в технологии искусственного интеллекта. Исследование касалось предприятий горнодобывающей, металлургической, нефтяной и строительной отраслей, поэтому переносить этот показатель на весь российский бизнес было бы некорректно. Тем не менее проблема характерна для многих крупных проектов: технологию внедряют, а экономический эффект оказывается сложнее получить и измерить.

На практике причин несколько. Нужно описать существующие процессы, разобраться в информационных системах, подготовить данные, определить правила безопасности и обучить сотрудников. Иногда стоимость разработки и интеграции оказывается значительно выше стоимости самой нейросети. А если компания заранее не определила, какой результат хочет получить, оценить успешность внедрения становится практически невозможно.

Я считаю, что один из главных управленческих барьеров — отсутствие ясной стратегии. Руководитель может понимать, что искусственный интеллект необходим, но пока не видеть, какие конкретно процессы нужно изменить, какие ресурсы потребуются и за счёт чего компания получит экономический эффект.

Исследование Ассоциации менеджеров «Влияние искусственного интеллекта на бизнес-процессы: как ИИ меняет подходы к управлению и стратегии компаний», о котором 2 июня 2025 года сообщило издание CNews, показало, с какими трудностями сталкиваются руководители более 130 крупных российских компаний. Проблемы интеграции ИИ с существующими информационными системами отметили 57% опрошенных, вопросы безопасности — 55%, нехватку квалифицированных специалистов — 45%, а недостаточное понимание технологий сотрудниками — 44%.

Это вполне объяснимо. В компании уже работают 1С, CRM, электронный документооборот, внутренние базы данных и другие системы. Чтобы искусственный интеллект мог автоматически получать и обрабатывать информацию, необходимо обеспечить совместимость этих решений. Для этого иногда требуются дополнительные разработки, изменения регламентов и серьёзные инвестиции.

Отдельная проблема — сами данные. В разных подразделениях информация может храниться в нескольких форматах, документы содержат устаревшие версии, а клиентские базы — дубли и незаполненные поля. Прежде чем автоматизировать анализ, нужно понять, где находится достоверная информация, как она обновляется и кто отвечает за её качество.

И, конечно, нельзя забывать о сотрудниках. Одним специалистам не хватает технических навыков, другие опасаются ошибок или изменения привычного порядка работы. Поэтому внедрение ИИ включает обучение, организацию новых рабочих процессов и поддержку команды со стороны руководителя.

На мой взгляд, компании совершенно необязательно начинать с масштабной автоматизации всех подразделений. Гораздо полезнее определить несколько рабочих задач, которые регулярно занимают время сотрудников и имеют понятный результат.

Например, если специалисты постоянно ищут информацию в регламентах и нормативных документах, можно начать с интеллектуального поиска по внутренней базе знаний. Если сотрудники проверяют десятки договоров и комплектов документации, имеет смысл протестировать извлечение данных и контроль комплектности. Для отделов продаж актуальны расшифровка и анализ звонков, подготовка коммерческих предложений, поиск причин отказов и мониторинг незавершённых клиентских диалогов.

В других подразделениях полезными первыми сценариями могут стать транскрибация совещаний, создание протоколов и поручений, обработка типовых обращений, подготовка управленческих сводок или внутренний чат-бот, который помогает сотрудникам находить ответы по корпоративным правилам.

Каждая из этих задач имеет разную сложность. Для некоторых достаточно настроенной нейросети и подготовленных документов. Другим потребуется корпоративный ИИ-ассистент, подключение к базе данных или полноценная интеграция с действующим программным обеспечением. Поэтому прежде всего нужно разобраться в содержании задачи, а затем выбирать технологическое решение.

Я бы рекомендовала начинать с диагностики одного процесса: определить, сколько времени сотрудники тратят на работу сейчас, где чаще всего возникают ошибки, какие данные используются и какой результат можно улучшить. После этого выбрать ограниченный пилот, протестировать его на рабочих материалах и сравнить результаты до и после внедрения.

При оценке важно учитывать не только сэкономленные часы, но и стоимость настройки, проверки ответов, обучения персонала и дальнейшего сопровождения. Иногда даже небольшое сокращение затрат даёт компании существенный эффект, если задача повторяется ежедневно. В других случаях автоматизация оказывается слишком дорогой, и это тоже полезный результат диагностики, позволяющий вовремя изменить подход.

За годы работы в управлении я убедилась, что любые изменения требуют понимания процессов, людей и экономики компании. Искусственный интеллект делает доступными новые возможности, но именно руководитель определяет, где они действительно необходимы и какую пользу должны принести.

В проекте «Цифровые трансформации с ИИ» мы помогаем компаниям начать с анализа рабочих задач, выбрать подходящие ИИ-инструменты, настроить их и обучить сотрудников пользоваться ими самостоятельно. Такой подход позволяет последовательно развивать ИИ-компетенции и принимать обоснованные решения о дальнейших инвестициях.

Автор: Елена Пучкова, управленец, инженер и ИТ-эксперт, управляющий партнёр проекта «Цифровые трансформации с ИИ».