Коротко. Надёжно и быстро автоматизируются три вещи: разбор входящих обращений, извлечение данных из документов и поиск по собственным материалам компании. Их объединяет то, что результат проверяем сразу и откат ничего не ломает. Всё остальное, от прогнозов до персонализации, работает только если у вас уже есть свои данные нужного качества, и именно данные, а не выбор модели, определяют исход. Начинать надо с одной задачи, у которой есть владелец и измеримая мера успеха.
Эта страница про выбор первой задачи. Рядом есть другие: сколько стоит внедрение AI, брать готовое решение или разрабатывать своё и как устроена архитектура AI-системы. Для медицины есть отдельный разбор, там свои требования к данным и к закону.
Почему цифры из статей про ИИ вам не подойдут
Начну с этого, потому что иначе дальше читать бессмысленно. В текстах про автоматизацию принято писать, что бот закрывает такую-то долю обращений, а персонализация поднимает конверсию на столько-то процентов. Эти числа получены у кого-то другого: на другом потоке обращений, с другим ассортиментом, с другим качеством исходных данных. Перенести их на вашу компанию нельзя, и планировать по ним бюджет тоже.
Поэтому ниже вместо процентов указано, чем каждую задачу измерять у себя. Это скучнее, но пригодно к употреблению: вы снимаете показатель до внедрения, потом после, и получаете свою цифру вместо чужой.
Проверка на подмену
Если поставщик называет ожидаемый эффект в процентах, но не спрашивает, какой у вас поток, в каком виде данные и что вы считаете сейчас, то он называет не ваш результат. Правильный ответ на вопрос «сколько сэкономим» звучит как «давайте посчитаем на ваших числах», а не как диапазон из презентации.
Двенадцать задач и что для каждой нужно
Порядок в таблице не случаен: сверху то, где отдача наступает быстрее и риск ниже, снизу то, где требуется зрелость данных или работающая инженерная дисциплина.
Две вещи, которые видно из столбца «чем измерять». Первая: у половины задач мера двойная, и смотреть надо обе. Система, которая нашла весь брак, но остановила годную партию, хуже, чем ничего. Вторая: у прогноза и персонализации мера сравнительная, то есть без контрольной группы или без прежнего способа планирования сравнивать не с чем, и это надо предусмотреть до запуска, а не после.
Как выбрать, с чего начать
Четыре вопроса, в этом порядке. Если задача не проходит первый, остальные не важны.
- Есть ли данные и в каком они виде? Не «есть ли данные вообще», а можно ли их выгрузить за разумный срок. Если нужная история лежит в переписке сотрудников или в бумажных папках, проект начинается с их сбора, и это отдельная работа со своим бюджетом.
- Кто отвечает за результат со стороны бизнеса? Нужен человек, который принимает работу и признаёт результат осмысленным. Без него внедрение упирается в «вроде работает, но пользоваться неудобно», и остановить это некому.
- Что будет считаться успехом? Один показатель, снятый до старта, и порог, ниже которого это неудача. Если сформулировать не получается, задача выбрана неправильно.
- Что произойдёт при ошибке? Ошибка в черновике текста стоит минуты редактора. Ошибка в отборе резюме стоит кандидата, о чём вы не узнаете. Начинать надо с задач, где ошибка видна и обратима.
Признаки, что задача не годится для первой
- Результат нельзя проверить быстро: между решением системы и его последствием проходят месяцы.
- Нет способа сравнить с тем, как работает сейчас, потому что сейчас никто не измеряет.
- Задача затрагивает персональные данные, а правового основания для их обработки под эту цель нет.
- Ошибка системы не видна снаружи и всплывает только в жалобе клиента.
- Успех описан словами «повысить эффективность», а не числом.
- Задачу предложил поставщик, а не человек, который с ней работает.
Чек-лист перед запуском пилота
- Одна задача из таблицы выше, а не три сразу.
- Данные выгружены и просмотрены глазами: известно, какая доля пригодна.
- Владелец со стороны бизнеса назначен и согласен принимать работу.
- Показатель снят до старта и записан, вместе со способом его снятия.
- Есть контрольная группа или прежний способ, с которым будете сравнивать.
- Правовое основание проверено, если задача касается данных людей.
- Описан откат: как процесс работает, если систему выключить сегодня.
- Назначен срок решения о продолжении или остановке, чтобы пилот не длился вечно.
Что меняется, когда ИИ заложен в архитектуру сразу
Разница между «добавили ИИ к готовой системе» и «спроектировали систему с ним» проявляется не в первый месяц, а когда нужно второе применение. Если при проектировании предусмотрены единая точка доступа к данным, журнал того, что система предложила и что человек решил, и возможность заменить модель не переписывая продукт, то вторая и третья задачи стоят кратно дешевле первой. Если не предусмотрены, каждая следующая интеграция делается заново.
Практически это означает три решения на этапе архитектуры: где лежат данные и кто к ним обращается; что именно пишется в журнал и как долго хранится; и через какой слой продукт разговаривает с моделью, чтобы её смена не означала переделку. Ни одно из трёх не требует выбирать модель заранее, и именно поэтому их стоит принять до выбора.
Как я в этом участвую
Я архитектор. Практика ведётся с 2004 года, работа с AI-системами с 2023 года, проекты сделаны для заказчиков в 14 странах. Моя часть здесь начинается до выбора инструмента: разобраться, в каком состоянии данные и что на них вообще можно построить; выбрать задачу, где результат проверяем; спроектировать так, чтобы вторая задача стоила дешевле первой; и заложить измерение, без которого нельзя ответить, работает ли внедрение.
Чего я не делаю: не называю ожидаемый эффект в процентах до того, как увижу ваши числа. Про то, чем стратегический подход отличается от почасового аутсорса, есть отдельная страница.
С чего начать разговор
Напишите, какой процесс у вас самый трудозатратный и что вы про него уже считаете. Этого достаточно, чтобы сказать, годится ли он для первой задачи, или сначала придётся заняться данными. Связаться.