Как внедрить ИИ в бизнес: с чего начать и почему не с чат-бота

Каждую неделю разбираю, где у бизнеса утекают деньги - в рекламе, в продажах, в отчётах. Если интересно на постоянной основе - подписывайтесь в Telegram.

«Мы пробовали ИИ - не пошло». За этой фразой почти всегда стоит одно и то же: чат-бот на сайте, который поставили полгода назад и тихо выключили через месяц.

Деньги списаны, вывод сделан, тема закрыта на год. Хотя проверили ровно одну вещь - самую заметную и самую бесполезную из всего, что ИИ умеет делать в компании.

Разбираю, как внедрить ИИ в бизнес и не сжечь бюджет на первом же шаге: где на самом деле находится точка входа, как найти её в своей цепочке за полчаса и через какой срок появляется первый результат, который можно померить.

Вы отстали с ИИ или вам это только кажется?

Коротко: по данным Росстата и ИСИЭЗ НИУ ВШЭ технологии ИИ используют 4,8% российских организаций, а среди компаний до 100 сотрудников - 4,1%. По данным «Якова и Партнёров» и Яндекса - 71% компаний применяют генеративный ИИ хотя бы в одной функции. Обе цифры честные: первая считает экономику целиком, вторая - только крупный бизнес.

Исследование, из которого взяты 71%, опрашивало 150 технических директоров крупных компаний из 16 отраслей. Это уровень Сбера, X5 и Альфа-Банка - компаний с отдельными ИИ-командами и бюджетами, которые не нужно защищать перед собой же. Росстатовские 4,8% - это обследование всех крупных и средних организаций страны по методологии ИСИЭЗ НИУ ВШЭ, данные за 2024 год.

Разрыв внутри самой Росстатовской выборки не менее показателен: среди организаций с 500+ сотрудниками ИИ используют 14,9%, среди компаний до 100 человек - 4,1%. Разница в 3,6 раза.

Третья цифра закрывает картину. Всероссийский опрос по цифровой трансформации в январе 2026 года показал: ИИ называют ключевым трендом 40% компаний, а реально используют около 10%. Между «считаю важным» и «работает в компании» - разрыв в четыре раза.

«Все говорят про ИИ на конференциях и в стратегических презентациях, но, когда доходит до конкретики - какие процессы автоматизировать, какие данные нужны, как измерять эффект - начинается ступор».

• Сергей Матусевич, директор по развитию бизнеса Artezio (группа ЛАНИТ), ComNews, 21.01.2026

Ступор измеряется. Экспресс-опрос 70 руководителей малого и среднего бизнеса, который бизнес-школа ИМИСП провела в начале 2026 года, дал такую картину: 45% не понимают, с чего начать. Ректор школы Ярослав Павлов называет главным барьером внедрения когнитивную неопределённость.

Вывод для собственника среднего бизнеса простой. Вы не опоздали. У вас есть преимущество, которого нет у корпораций: по данным MIT, лучшие компании среднего бизнеса проходят путь от пилота до внедрения примерно за 90 дней, тогда как у корпораций это занимает девять месяцев и дольше. Решения принимаются быстрее, согласований меньше.

Но преимущество работает только с правильного первого шага. А начинают почти всегда с одного и того же - с чат-бота на сайте.

Почему чат-бот на сайте - худший первый шаг?

Коротко: чат-бот легко запустить и легко показать, поэтому с него начинают чаще всего. Исследование MIT NANDA фиксирует обратную сторону: чат-боты проваливаются в критических процессах, потому что не помнят контекст и не настраиваются под задачу. Половина бюджетов на генеративный ИИ уходит в продажи и маркетинг, хотя лучший возврат вложений даёт бэк-офис.

Отчёт MIT NANDA «The GenAI Divide: State of AI in Business 2025» вышел в июле 2025 года и разошёлся по деловой прессе одной цифрой: 95% организаций не получают от генеративного ИИ никакой отдачи. Цифра громкая, но интереснее то, что стоит рядом с ней.

Первое наблюдение - про сами чат-боты. Дословно: «Chatbots succeed because they're easy to try and flexible, but fail in critical workflows due to lack of memory and customization». В переводе: чат-боты выигрывают, потому что их легко попробовать и они гибкие, и проваливаются в критических процессах из-за отсутствия памяти и настройки под задачу.

Второе наблюдение - про деньги. Половина бюджетов на генеративный ИИ уходит в продажи и маркетинг, тогда как автоматизация бэк-офиса чаще даёт лучший возврат вложений. Авторы отчёта объясняют перекос прямо: так проще присвоить метрику, и это не имеет отношения к реальной ценности.

Теперь переведите это на язык своей компании. Чат-бот стоит в самом начале цепочки, на входе, до первого разговора с человеком. Он видит только то, что написано на сайте. Про клиента бот не знает ничего: ни что тот уже звонил в прошлом месяце, ни какой у него остаток по договору, ни сколько ему отгрузили в прошлом квартале. В 1С и CRM чат-бот не заглядывает.

Деньги в среднем бизнесе теряются глубже: в качестве разговоров менеджеров, в скорости выставления счёта, в закупе, в дебиторке, в себестоимости. Туда чат-бот не дотягивается по устройству.

Здесь у меня есть личный счёт к теме. Я разбирался, почему выручка в собственных компаниях падает при работающей рекламе. Выяснилось две вещи: половина рекламного бюджета уходила в каналы с нулевой конверсией в сделку, а менеджеры теряли клиентов на одном конкретном этапе воронки. Ни одной из этих дыр не было в переписке с посетителем сайта - они сидели там, куда никто не смотрел, потому что данные жили в разных системах. Увидеть их удалось только тогда, когда цифры из рекламных кабинетов, CRM и учёта начали сходиться в одном месте. Это и был первый работающий кусок того самого слоя, задолго до того как я узнал, что у него есть название.

Из тех же данных MIT есть ещё одно число: до реальной работы доходит 5% корпоративных ИИ-инструментов, сделанных под себя. Остальные остаются пилотами.

Что такое операционный слой и чем он отличается от чат-бота?

Коротко: операционный слой - это надстройка поверх систем, которые у вас уже работают. Она забирает данные из 1С, CRM, телефонии и рекламных кабинетов, выполняет рутинные операции и подсказывает решения по ходу дела. Учётную систему при этом не меняют и процессы не переписывают: слой подключается к тому, что уже крутится.

Разница проще всего видна в таблице.

Слой делает три вещи:

1. Собирает данные из всех систем в одном месте.
2. Выполняет рутинные операции без участия людей.
3. Подсказывает решения по ходу дела: что сказать в сделке, кому перезвонить, где клиент вот-вот уйдёт.

Ключевое слово - «поверх». Ничего не ломается и не переписывается: 1С остаётся 1С, CRM остаётся CRM. Подробнее эта модель со схемой и примерами экранов разобрана на странице ИИ как операционный слой.

К такому порядку работ приходят независимо друг от друга.

«ИИ - это надстройка над данными. [...] Сначала - порядок в процессах, потом - автоматизация, и только потом - интеллектуальные системы».

• Виталий Шпак, генеральный директор Comindware, ComNews, 21.01.2026

Найти свою точку входа в этот слой можно самому, за один вечер с листом бумаги - следующий раздел ровно про это. Если хочется пройти этот путь не в одиночку, есть диагностический разбор бизнеса за 30 минут - 5 000 ₽, без продаж: где теряется выручка и что делать: смотрим ваши процессы и системы и находим 2-3 места, где ИИ окупится быстрее всего.

С чего начать: как найти свою точку входа?

Коротко: точка входа ищется проходом по собственной цепочке - охваты, лиды, продажи, исполнение, отгрузка, деньги. На каждом этапе один вопрос: где люди руками переносят данные из окна в окно. Там, где это повторяется десятки раз в неделю и уже оставляет цифровой след, и стоит первый сценарий.

Возьмите свою цепочку от рекламы до денег на счёте и пройдите её по этапам. Ниже - четыре типовые конфигурации среднего бизнеса и места, где ИИ обычно берёт работу на себя. Две колонки из четырёх я знаю изнутри: производство - это мой завод кровельных материалов, услуги с потоком заявок - учебный центр. Остальные две собраны из практики разборов.

Посмотрите на таблицу по вертикали. Во всех четырёх конфигурациях ИИ появляется в одних и тех же двух местах. На входе, где заявку надо быстро разобрать и оценить. И на выходе, где из операций собирается управленческий отчёт. Всё остальное - отраслевая специфика.

Отсюда короткий список для первого захода. Звонки, отчёты, заявки, деньги - четыре очевидные точки, которые есть у любого бизнеса с потоком клиентов.

Дальше обычно возникает возражение: у нас 1С, amoCRM, телефония и рекламный кабинет вообще между собой не связаны. Это нормальное исходное состояние, и оно не отменяет первый шаг. Связывать всё сразу не нужно: на старте хватит данных под один сценарий.

Проблема начинается там, где данных нет вообще ни в каком виде.

«Часть заявок приходит на корпоративную почту HR-менеджеров, часть - в общий Telegram-чат, часть - устно», - описывает типичную ситуацию команда SimpleOne на Хабре. И добавляет следствие: «Модель, запущенная на таких данных, не просто работает плохо, а очень уверенно даёт неверные ответы».

• SimpleOne, Хабр, 29.06.2026

Проверка простая: если для сценария нужны записи звонков, они должны храниться в телефонии; если нужна выгрузка продаж, она должна существовать в учётной системе. Когда это есть, сценарий можно запускать. Когда нет - первая задача звучит иначе: сделать так, чтобы данные начали накапливаться.

Что конкретно из рутины можно отдавать ИИ уже сегодня, я разбирал отдельно в статье про 10 задач, которые ИИ уже решает в бизнесе.

Как выбрать первый сценарий, чтобы он окупился?

Коротко: сценарий должен проходить пять фильтров - частота, наличие данных, измеримость, обратимость ошибки и описанность процесса. Кандидат, который проходит все пять, обычно доходит до результата. Два проваленных фильтра и больше - почти верный признак, что пилот останется красивой презентацией. Сама проверка занимает несколько минут на каждого кандидата.

Пять признаков, по которым стоит проверять кандидата:

1. Операция повторяется часто. Десятки и сотни раз в месяц. Если задача возникает раз в квартал, экономия времени будет незаметна на фоне стоимости внедрения.
2. Данные уже есть в цифровом виде. Записи разговоров, выгрузка из учётной системы, история сделок в CRM. Данные, которые придётся собирать с нуля, превращают пилот в отдельный проект со своим сроком и бюджетом.
3. Результат меряется в часах или рублях. «Стало удобнее» не считается. «Управленческий отчёт готов на третий день вместо десятого» считается.
4. Ошибка обратима. Первым сценарием не стоит брать операции, где промах стоит денег сразу и без права на исправление: платежи, юридические обязательства, отгрузки без проверки человеком.
5. Процесс описан словами. Если два менеджера делают одну и ту же работу по-разному и никто не может объяснить как, автоматизировать пока нечего.

Пятый пункт проваливают чаще остальных.

«Единственное, что вы получите при автоматизации хаоса, - это автоматизированный хаос».

• Ярослав Павлов, к.э.н., ректор бизнес-школы ИМИСП, «Деловой Петербург», 14.06.2026

И ещё одно правило, которое экономит больше всего денег: доводить по одному. Александр Ведяхин - первый зампред правления Сбербанка и председатель наблюдательного совета Альянса в сфере ИИ. Его предупреждение: масштабирование без хотя бы одного успешно реализованного проекта почти наверняка заканчивается потерей денег («Большие Идеи», 22.01.2026).

Что делать, чтобы ИИ не начал придумывать цифры?

Коротко: разделить задачу на две части. Всё, что считается по чётким правилам, считает обычный расчёт - детерминированно и воспроизводимо, без участия модели. Модель подключается только там, где нужна интерпретация: новая статья расходов, нетиповая операция, аномалия в цифрах. Тогда в отчёте нечему галлюцинировать.

Страх, что ИИ наврёт в отчёте, - самое разумное возражение из всех, которые я слышу. Языковая модель действительно может уверенно выдать неверное число, и в управленческой отчётности это дороже, чем отсутствие отчёта.

Лечится это архитектурой. Принцип звучит так: всё, что можно посчитать по чётким правилам, считается детерминированно, без «галлюцинаций»; ИИ подключается только там, где нужна интерпретация - новые статьи расходов, нетиповые операции, аномалии в цифрах.

Как это выглядит на живом примере. Управленческий отчёт по прибылям и убыткам в среднем бизнесе обычно собирает финансист руками в Excel, и на это уходит 5-10 дней после закрытия месяца. Ошибки разнесения статей всплывают через месяцы, а вы видите картину с опозданием.

Работает это так: данные забираются из учётной системы по расписанию, типовые статьи разносятся по правилам, а ИИ берёт на себя только новые и нетиповые операции. Суммы считает та же арифметика, что и раньше, модель к ним не прикасается. Было 5-10 дней ручной сборки после закрытия месяца - стало: отчёт готов в любой момент, потому что собирается сам.

Тот же подход вы можете перенести на любые регулярные отчёты: продажи, склад, дебиторка, маржинальность по направлениям. И он же объясняет, почему чат-бот здесь неприменим: у него каждый ответ генерируется моделью целиком, разделения на «посчитано» и «интерпретировано» внутри нет.

Сколько времени занимает внедрение и когда будет результат?

Коротко: аудит процессов занимает 1-2 недели, пилот на реальных данных - 2-4 недели, замер эффекта - ещё 1-2 недели. Первый измеримый результат появляется примерно через месяц после старта. Сроки держатся на одном условии: данные для выбранного сценария уже собираются. Если данных нет, отсчёт сдвигается на время их накопления.

Такой ритм вы получаете потому, что речь идёт о надстройке над уже работающими системами. Классическая разработка с ТЗ, спринтами и приёмкой здесь не нужна.

Оговорка, без которой сроки превращаются в обещание. Месяц - это ваш срок при условии, что данные для сценария уже есть. Если записи разговоров не хранятся и выгрузка из учётной системы делается руками раз в квартал, первые недели уйдут на накопление данных, и отсчёт сдвинется.

Контроль звонков как первый пилот разобран у меня подробно, с механикой распознавания и критериями оценки, в статье про ИИ-анализ звонков отдела продаж.

Как посчитать, что пилот окупился?

Коротко: до запуска зафиксируйте исходную точку - сколько часов в месяц уходит на операцию, сколько из них стоит рабочий час, сколько сделок теряется. После пилота замерьте то же самое. Без этого замера результат будет выглядеть как «вроде стало лучше», и решение о масштабировании придётся принимать на ощущениях.

Замер делается в три строчки, и заполнить их надо до старта:

1. Сколько времени операция съедает сейчас - в часах в месяц.
2. Сколько стоит этот час компании - по фонду оплаты труда тех, кто её делает.
3. Что теряется, кроме времени - сорванные сроки, просроченная дебиторка, потерянные сделки.

Дальше арифметика простая: стоимость сценария сравнивается с суммой первых двух строк плюс то, что удалось вернуть по третьей. Если сценарий не отбивает эти цифры за разумный горизонт, переходите к следующему.

Считать нужно и потому, что деньги здесь уходят быстрее, чем кажется. Эксперты, опрошенные ComNews, предупреждают об одном и том же: стыковка со старыми системами, переобучение людей и перестройка процессов способны увеличить бюджет впятеро.

Экономия на замере обходится дороже всего. По данным S&P Global Market Intelligence за 2025 год, компании отбраковывают в среднем 46% ИИ-пилотов, не доводя их до внедрения. Динамика хуже: 42% организаций свернули большинство своих ИИ-инициатив, годом раньше таких было 17%.

«Заказчик внутри компании сегодня спрашивает про юнит-экономику, TCO, горизонт окупаемости и контур безопасности».

• Дмитрий Юдин, руководитель направления ИИ, Cloud.ru, CNews, 23.06.2026

Если считаете эффект в деньгах, а не в часах, привязывайте его к метрике, которой уже пользуетесь. Как считать стоимость клиента и через неё оценивать окупаемость любых вложений в воронку, я разбирал в статье про стоимость привлечения клиента.

Что спросить у подрядчика про данные и 152-ФЗ?

Коротко: с 30 мая 2025 года повторная утечка персональных данных наказывается оборотным штрафом от 1 до 3% годовой выручки, но не меньше 20 млн рублей. Это переводит вопрос «куда уйдут наши данные» из плоскости ИТ в плоскость финансов компании. Пять вопросов, которые стоит задать подрядчику до подписания договора.

Сначала о размере риска. Федеральный закон от 30.11.2024 № 420-ФЗ ввёл отдельные штрафы за утечки персональных данных. Утечка данных от тысячи до десяти тысяч человек стоит от 3 до 5 млн рублей, от десяти до ста тысяч - от 5 до 10 млн, свыше ста тысяч - от 10 до 15 млн. Отдельно наказывается молчание: за неуведомление Роскомнадзора о самом факте утечки - от 1 до 3 млн. А повторная утечка считается уже от оборота: 1-3% годовой выручки, но не менее 20 млн рублей и не более 500 млн.

Риск существует и без всякого внедрения. По данным MIT, официально подписки на ИИ-сервисы купили около 40% компаний, а сотрудники используют личные ИИ-инструменты для рабочих задач более чем в 90% компаний. Сюжет типовой: сотрудники начинают готовить в публичной нейросети рекламные тексты, а в запросы попадают фрагменты договоров и персональные данные клиентов. Об одном таком случае рассказывают в ALP ITSM.

Работать с этим лучше через прямые вопросы подрядчику, до подписания договора:

1. Где физически хранятся и обрабатываются данные? Персональные данные граждан России по части 5 статьи 18 закона 152-ФЗ должны храниться в базах данных на территории страны.
2. Что именно уходит в модель? Хороший ответ - обезличенные фрагменты и сводки под конкретную задачу. Плохой ответ - «выгрузка базы целиком».
3. Есть ли договор поручения на обработку персональных данных? Статья 6 того же закона требует его при передаче обработки стороннему исполнителю. У многих зарубежных поставщиков моделей получить такой договор нельзя в принципе.
4. Покрывают ли ваши согласия клиентов новую обработку? Согласие, взятое несколько лет назад, обычно ничего не говорит про обучение алгоритмов и анализ разговоров.
5. Кто внутри компании что видит? Менеджер - свои сделки, руководитель - свой отдел, собственник - всё. Ролевая модель должна быть описана до запуска.

Отдельная тема - обезличивание, про которое подрядчики любят говорить как про универсальное решение. С 1 сентября 2025 года действуют новые требования и методы обезличивания персональных данных, утверждённые приказом Роскомнадзора от 19.06.2025 № 140, а закон от 08.08.2024 № 233-ФЗ добавил в 152-ФЗ статью 13.1. Но она про другое: про обязанность оператора обезличить и передать данные в государственную систему по требованию уполномоченного органа, а не про свободное использование обезличенных данных в своих целях. Считать обезличивание автоматическим способом обойтись без согласий не стоит: обезличенные данные не перестают быть предметом регулирования. Отсюда шестой вопрос, если подрядчик заговорит про обезличивание: на каком основании и по какой методике оно проводится и кто подтвердил, что этого достаточно именно для вашего сценария.

Отдельного закона об искусственном интеллекте в России пока нет, а подписанный в 2021 году Кодекс этики ИИ - рекомендательный. Для среднего бизнеса реально работают три вещи: согласие, локализация и договор поручения.

Какие ошибки чаще всего убивают внедрение?

Коротко: пять типовых ошибок съедают большую часть бюджетов - автоматизация неописанного процесса, покупка платформы под моду, разрозненные инструменты по отделам, масштабирование без единого доведённого пилота и пилот, запущенный ради отчёта о пилоте. Все пять диагностируются до старта. Шестая, сопротивление сотрудников, лечится их участием в постановке задачи.

Первая ошибка встречается чаще остальных четырёх вместе взятых.

«Проекты не дают эффекта не потому, что ИИ плохой, а потому что его запускают поверх неперестроенных процессов, без подготовки данных, без измеримых результатов».

• Денис Филиппов, генеральный директор MWS AI, CNews, 23.06.2026

Есть и шестая ошибка, которая не попала в таблицу, потому что относится к людям. Сопротивление сотрудников редко доходит до открытого отказа. Обычно это сомнения, недоверие после первой же ошибки модели и попытки заранее объяснить, почему именно в этом процессе ИИ не поможет. Помогает одно: тот, кто делает операцию руками, должен участвовать в постановке задачи.

И ещё одна цифра против главного страха. По данным Росстата и ИСИЭЗ НИУ ВШЭ, среди организаций, внедривших ИИ, о сокращении персонала сообщают 15%, а 63% говорят, что на численность это не повлияло никак.

Что сделать на этой неделе?

Коротко: сделайте четыре замера по очевидным точкам - звонки, отчёты, заявки, деньги. Каждый занимает от пятнадцати минут до часа и не требует ни бюджета, ни подрядчика. Там, где цифра окажется хуже всего, и стоит первый сценарий. Дальше остаётся прогнать его по пяти фильтрам и запустить пилот на 2-4 недели.

Порядок такой:

1. Звонки. Проверьте, записываются ли разговоры менеджеров и сколько из них кто-то реально слушает. При потоке в сотни звонков в месяц руководитель отдела удерживает единицы процентов и выбирает их наугад.
2. Отчёты. Засеките, сколько дней проходит от закрытия месяца до готового управленческого отчёта, и сколько человеко-часов на него уходит.
3. Заявки. Замерьте время от поступления заявки до первого ответа клиенту - в рабочие часы, по последним тридцати заявкам.
4. Деньги. Выпишите, кто и сколько должен компании прямо сейчас, и засеките, сколько времени ушло на составление этого списка.

Четыре замера, полдня работы. Дальше берите тот, где цифра оказалась самой плохой, прогоняйте его по пяти фильтрам - частота, данные, измеримость, обратимость, описанность - и запускайте пилот на 2-4 недели.

Вопрос «на чём это делать» идёт вторым. Когда сценарий выбран и данные под него есть, выбрать инструмент несложно: я сравнивал варианты в разборе Claude или ChatGPT для бизнеса. Обратный порядок - сначала инструмент, потом поиск задачи под него - и приводит к покупке под моду, одной из типовых ошибок внедрения.

Источники

• ИСИЭЗ НИУ ВШЭ по данным Росстата: использование ИИ по размеру организаций, 18.03.2026; барьеры и эффекты внедрения ИИ, 12.09.2025
• «Яков и Партнёры» и Яндекс: «Искусственный интеллект в России: тренды и перспективы», декабрь 2025
• MIT NANDA: «The GenAI Divide: State of AI in Business 2025», июль 2025
• ComNews: «40% компаний России назвали ИИ главным трендом, но внедрили его только 10%», 21.01.2026
• «Деловой Петербург»: «Управленческий выбор: как избежать критических ошибок при внедрении ИИ», 14.06.2026
• «Большие Идеи»: «На смену хайпу: как управленцу внедрить ИИ в компании», 22.01.2026
• CNews: «Стоимость владения и горизонт окупаемости», 23.06.2026
• TAdviser: «Искусственный интеллект (рынок России)»
• S&P Global Market Intelligence: 2025 Enterprise AI Survey, октябрь 2025
• КонсультантПлюс: штрафы за утечки персональных данных с 30.05.2025 (420-ФЗ); требования к обезличиванию с 01.09.2025 (приказ Роскомнадзора № 140)
• Хабр: SimpleOne о разрозненных данных, 29.06.2026; ALP ITSM о внедрении ИИ в малом и среднем бизнесе, 17.07.2026

Внедрение ИИ упирается в один вопрос: видно ли вам, где в компании теряются деньги от первого клика до счёта. На диагностическом разборе я ставлю ИИ в один ряд с рекламой, продажами и учётом и показываю всю цепочку целиком.