Автоматизация бизнес-процессов с помощью ИИ: состав работ, сроки и бюджет

Автоматизация бизнес-процессов с помощью ИИ начинается не там, где её обычно ищут. В компаниях, которые приходят с таким запросом, учётный контур уже есть: закупки, продажи, склад и деньги живут в 1С:ERP (ERP, Enterprise Resource Planning — управление ресурсами предприятия), заявки, задачи и сделки — в Битрикс24, договоры и внутренние документы — в системе электронного документооборота. А входные документы от поставщиков всё равно разбирает бухгалтер, сверку с контрагентами экономист сводит в таблице, отчёт для руководителя собирается к вечеру. Поэтому вопрос «что автоматизировать с помощью ИИ» звучит не как «какую технологию взять», а как «какой участок работы перестанет требовать человека целиком в этом квартале и сколько это стоит».

Роли в этом контуре разные, и путать их нельзя. Бухгалтер отвечает за то, чтобы документ был проведён правильно и в срок. Экономист — за то, чтобы расхождение с контрагентом было найдено до оплаты, а не в акте сверки в конце квартала. Руководитель — за то, чтобы видеть отклонение от плана в момент появления, а не в отчёте через две недели. Обе работы держатся на одном: пока данные из документов не сопоставлены со справочниками и договорами, решение принимается вслепую.

Масштаб при этом понятен по цифрам. По оценкам ИСИЭЗ НИУ ВШЭ (обследование Росстата, 2024 год, свыше 15 тысяч крупных и средних организаций), 48% организаций заявили, что потребности в технологиях искусственного интеллекта у них нет, а 58% назвали главным препятствием внедрения высокие затраты. При этом, по данным FinExpertiza, расходы российских компаний на внедрение и использование ИИ за 2024 год составили 90,3 млрд рублей — в среднем 5,95 млн рублей на одну компанию. То есть деньги на рынок приходят, а решает не выбор технологии, а состав работ и то, из чего складывается бюджет.

Коротко

Автоматизация бизнес-процессов с помощью ИИ — это слой поверх ваших систем: агент читает документы, заявки и данные из 1С:ERP и Битрикс24, применяет описанное правило и возвращает результат ответственному. В состав работ входят диагностика, правила, данные, подключение, проверка и передача; один процесс занимает от трёх недель до двух месяцев. Начать можно с бесплатного разбора стратегии внедрения ИИ в компанию.

Содержание

• Что значит автоматизировать процесс, а не купить модель
• Почему автоматизация не доходит до работы
• Состав работ: что должно быть в смете
• Сроки: из чего складывается календарь
• Бюджет: из чего складывается смета и на чём нельзя экономить
• Какие риски это снимает
• Сколько часов это возвращает: типовой расчёт
• Что остаётся за человеком
• Как это выглядит на практике
• Как внедрить поэтапно
• Что в итоге
• Источники

Что значит автоматизировать процесс, а не купить модель

Процесс — это последовательность шагов с правилом на каждом шаге. Входящий счёт от поставщика: получить, распознать реквизиты, сверить с договором и заявкой, проверить цены и суммы, найти расхождения, зарегистрировать, передать на согласование, провести. Внутри есть шаги, которые требуют решения человека (спорная сумма, новый поставщик, отсутствие договора), и шаги, которые требуют только внимания (перенести реквизиты, сравнить две цифры, поставить статус). Автоматизация снимает вторую часть и оставляет человеку первую.

ИИ-агент — программа, которая по заданному правилу сама читает документы, данные и сообщения и выполняет шаги. Его отличие от обычной автоматизации в том, что он работает не только с полями базы, но и с тем, что раньше приходилось читать глазами: письмо поставщика, скан договора, приложенную спецификацию, комментарий в заявке. Там, где раньше сотрудник открывал вложение и вбивал пять полей руками, агент достаёт те же пять полей сам и показывает, откуда их взял.

Отсюда три практических следствия, из которых и складывается вся смета.

Первое: система остаётся. Задача не в том, чтобы заменить 1С:ERP или Битрикс24, а в том, чтобы результат возвращался в них. Черновик документа — в учётную систему, комментарий и статус — в заявку, строку в журнал — в базу. Люди продолжают работать там же, где работали.

Второе: правило важнее модели. Агент не «догадывается», что считать расхождением: ему задают порог, справочник, регламент. Поэтому подготовительная работа — это разговор про правила, а не про выбор нейросети. Как выбирают первый процесс, подробно разобрано в материале Внедрение ИИ в бизнес-процессы: с чего начать.

Третье: эффект измеряется на входе. Если до старта не зафиксировано, сколько операций в месяц и сколько минут занимает одна, после запуска сравнивать нечего. Это самая частая причина, по которой пилот признают неудачным, даже когда он технически работает.

Почему автоматизация не доходит до работы

Проблема не в технологиях. Она в том, что автоматизация заканчивается демонстрацией, а не изменением процесса. Gartner оценивал: минимум 30% проектов на генеративных моделях будут заброшены после этапа опытной эксплуатации к концу 2025 года, и причины названы прямо — плохое качество данных, недостаточные контроли рисков, растущие затраты и неясная бизнес-ценность (обзор оценки).

Российский замер ещё жёстче. По опросу консалтинговой компании «Интеллектуальная аналитика» (декабрь 2025 — февраль 2026, около 50 крупнейших компаний из ИТ, промышленности, финансов, транспорта и госсектора), только 7–10% пилотных проектов на генеративных моделях дошли до полноценного внедрения, а 30–40% инициатив не дали ожидаемого финансового результата именно из-за слабой интеграции в реальные бизнес-процессы (публикация по данным опроса). Половина опрошенных руководителей перенесла сроки перехода из пилота в промышленную эксплуатацию на вторую половину или конец года — из-за того, что внедрение оказалось сложнее и потребовало больше ресурсов, чем ожидалось (разбор причин и бюджетов).

Зарубежная статистика повторяет ту же картину: по данным Forrester, 60% компаний застревают на этапе тестирования и лишь 15% получают заметный эффект. ВТБ на отраслевой конференции назвал пять барьеров перехода из пилота в эксплуатацию: экономика проекта и срок окупаемости, стоимость инфраструктуры, дефицит качественных данных, нехватка кадров и вопросы безопасности (разбор барьеров).

Общий знаменатель у всех причин один: проект стартовал со технологии, а не с описания процесса и данных. Ниже — что именно входит в работу, если идти от процесса.

Состав работ: что должно быть в смете

Пакет работ по автоматизации одного процесса состоит из шести частей. В смете они выглядят как строки, в разговоре с подрядчиком — как вопросы, на которые у исполнителя должен быть ответ до старта.

Диагностика процесса и данных

Сначала процесс описывают как есть: шаги, участники, время на каждый шаг, число операций в месяц, точки, где сейчас теряются документы. Параллельно смотрят на данные: откуда приходит вход (почта, папка обмена, учётная система), какие справочники используются, в каком они состоянии, есть ли история за прошлый период. Здесь же честно оценивают, готов ли процесс к автоматизации: если правила живут в голове одного сотрудника и нигде не записаны, сначала появляется правило, а потом агент.

Описание правил и границ ответственности

На каждый шаг формулируется правило: что считать нормой, что расхождением, какой порог требует внимания, что делать с исключением. Отдельным списком фиксируется, что агент не делает никогда — обычно это оплата, изменение условий договора, подпись и отправка документов контрагенту. Этот пункт в смете выглядит самым дешёвым, а экономит больше всего: он снимает спор о результате на приёмке.

Доступы, данные и безопасность

Здесь определяется, под какой учётной записью работает агент, к каким разделам имеет доступ, что он видит из персональных данных, где хранятся журналы его действий и как проверяется каждое записанное им значение. Отдельно решается вопрос с обменом данными: если часть документов приходит на почту или в мессенджер, нужен регламент, что с ними делать и что считается официальным входом.

Сборка сценария и подключение к системам

Сам сценарий — чтение входа, извлечение полей, сопоставление со справочником и договором, формирование результата — собирается и подключается к учётной системе, порталу и документообороту. Это та часть работы, которую заказчик обычно и представляет себе под словом «внедрение», хотя по трудозатратам она редко бывает больше половины проекта.

Проверка на прошлых операциях

Перед запуском сценарий прогоняют на истории: берут закрытый период и сравнивают, что агент нашёл бы тогда, с тем, что в итоге сделали люди. Расхождения разбирают: часть указывает на ошибку настройки, часть — на случаи, которые в правилах не описаны, но реально встречаются. Без этого шага первый месяц работы превращается в отладку на живых операциях.

Регламент, обучение и передача

Последняя часть — то, что делает контур устойчивым: короткий регламент «кто что делает, когда агент ошибается», обучение двух-трёх сотрудников, которые могут изменить правило без автора проекта, и порядок сопровождения. Как этот блок выглядит в договоре на разработку, разобрано в материале Разработка ИИ-агентов: техническое задание и приёмка.

Сроки: из чего складывается календарь

Календарь автоматизации определяется не сложностью модели, а числом подключений и состоянием данных. Ориентир по одному процессу — от трёх недель до двух месяцев с момента старта, и раскладывается он так.

• Диагностика и описание процесса — от одной до трёх недель. Быстрее всего идёт там, где у процесса есть владелец и он готов сесть за разбор.
• Данные и доступы — самая непредсказуемая часть. Если справочник контрагентов ведут в трёх местах, а нумерация договоров отличается между системами, на выравнивание уходит больше времени, чем на сам сценарий.
• Сборка и подключение — от двух до четырёх недель на одно подключение к одной системе; каждое следующее обычно быстрее первого.
• Проверка на истории и первый период работы — от двух недель. Здесь же снимаются те самые расхождения, которые не были видны в правилах.
• Регламент и передача — около недели, если ответственные уже участвовали в разборе.

Половина руководителей в российском опросе сдвинула запуск своих проектов именно потому, что внедрение оказалось сложнее ожидаемого. Главная причина — скрытая работа с данными: она редко попадает в первоначальную оценку, зато почти всегда всплывает в середине проекта. Второй источник задержек — подготовительный этап: переговоры, согласование условий и доступов по времени иногда занимают больше, чем техническая часть; как это выглядит на уровне проекта целиком, разобрано в материале Внедрение ИИ в бизнес: этапы, сроки и бюджет проекта.

Отдельно стоит помнить: запуск пилота и работа в промышленном режиме — разные сроки. Пилот, который считает документы и показывает результат на экране, собирается быстро; контур, который пишет в учётную систему и работает без автора проекта, требует ещё и передачи, и регламента.

Бюджет: из чего складывается смета и на чём нельзя экономить

Смета на автоматизацию — это часы шести блоков выше, а не цена технологии. По данным FinExpertiza, которые приводит отраслевой разбор, бюджеты опытных проектов на генеративных моделях в 2025 году варьировались от 5 до 15 млн рублей без учёта инфраструктуры, а средние расходы одной крупной или средней компании на внедрение и использование ИИ составили около 5,95 млн рублей за год. Туда попадает не только сценарий: инфраструктура, интеграции, закупка и настройка систем, обучение сотрудников и сопровождение. По оценке ИСИЭЗ НИУ ВШЭ, в 2024 году расходы организаций на машины и оборудование для ИИ составили 56,2 млрд рублей, на программное обеспечение для ИИ — 30,5 млрд рублей, а работников с компетенциями в области ИИ в организациях насчитывается 242 тысячи человек, то есть менее процента списочного состава.

Что в такой смете должно быть видно построчно:

• Часы на диагностику и описание правил — работа с людьми, а не с кодом, но именно она определяет, получится ли контур.
• Часы на данные — выравнивание справочников, проверка истории, описание того, откуда берётся каждый вход.
• Подключения — каждая система считается отдельно: учётная, портал, документооборот, почта.
• Инфраструктура — где работает модель, как масштабируется, что происходит с нагрузкой в конце месяца.
• Регламент, обучение и сопровождение — фиксированный блок, который чаще всего и вырезают при экономии.

На чём экономить нельзя и что за это бывает:

На данных. Дефицит качественных данных ВТБ называет одним из пяти барьеров перехода из пилота в эксплуатацию, и отдельно отмечает, что создание пригодной выборки требует дорогой фильтрации и экспертной проверки. Попытка сэкономить здесь переносится в конец проекта: контур собран, а расхождения агент находит неверно, потому что справочник заполнен наполовину.

На правилах и границах. Если список «что агенту запрещено» не зафиксирован до старта, приёмка превращается в спор: заказчик ждал, что система сделает больше, исполнитель делал ровно то, что описано. Блок стоит несколько часов работы, а экономит недели.

На проверке на истории. Прогон на закрытом периоде — единственный способ увидеть расхождения до того, как они попадут в живые документы.

На передаче. Контур, который держится на одном человеке со стороны подрядчика, — это риск, а не экономия. Регламент и обученные сотрудники стоят дешевле, чем простой процесса из-за ухода специалиста.

Чего в смете быть не должно: перестройки учётного контура «заодно», обучения модели с нуля там, где задача решается правилом и справочником, дублирующих лицензий и интеграций, которые не участвуют в первом процессе. Всё это можно сделать, но вторым этапом и отдельным решением. Как встроить автоматизацию в общую программу, видно в материале Стратегия внедрения ИИ в компании: что в ней должно быть.

Какие риски это снимает

Риски идут первыми, потому что именно они решают вопрос «стоит ли заниматься». По каждому риску — сценарий и цена.

Пилот, который сворачивают и списывают в убыток

Сценарий: агент собран, демонстрация понравилась, но результат не возвращается в систему — люди продолжают работать вручную, потому что «так надёжнее». Через два месяца инициативу закрывают, а потраченное время и деньги уходят в убыток. По российскому опросу только 7–10% пилотов дошли до внедрения, а 30–40% инициатив не дали финансового результата из-за слабой интеграции в процессы. Даже при скромном бюджете это миллионы рублей и потерянный квартал.

Работы без границ: срок и бюджет вырастают вдвое

Сценарий: в смете не описан состав работ, и объём «дописывается» по ходу — то справочник не тот, то нужна ещё одна интеграция, то исключений столько, что правило не работает. Именно эту ловушку отраслевой разбор называет главной причиной, по которой внедрение требует перестройки процессов, «что удваивает сроки и бюджет». Лечится она составом работ из шести блоков выше и приёмкой по блокам, а не по факту «всё готово».

Данные, которых не хватает, выясняются в середине проекта

Сценарий: пилот стартует, а через три недели выясняется, что справочник контрагентов ведут в трёх местах, а часть договоров существует только в сканах без реквизитов. Плохое качество данных Gartner называет одной из причин, по которой проекты забрасывают после опытной эксплуатации. Стоимость этого риска — не лицензии, а недели работы команды и отложенный запуск.

Ошибка агента уходит в учётную систему

Сценарий: агент предложил черновик документа с неверной суммой, а человек подтвердил не глядя. Ошибка уходит в оплату, всплывает на сверке и заканчивается разбирательством с контрагентом. Снимается это не «умом» модели, а границами: агент пишет черновик или запись в журнал, а не проводит операцию, и каждое изменённое значение видно в истории.

Простой процесса на время внедрения

Сценарий: новый контур не готов, старый уже никто не ведёт — операции идут параллельно, люди работают дважды и устают, качество падает. Поэтому первый контур всегда ограничивают одним процессом и одним участком, а параллельный ручной порядок сохраняют до сравнения с базой.

Зависимость процесса от одного человека

Сценарий: носитель знания — один сотрудник, он в отпуске или ушёл, и контур работает вслепую. Регламент и передача в составе работ закрывают именно этот риск, а не только вопросы сопровождения.

Сколько часов это возвращает: типовой расчёт

Часы и деньги — следствие, а не цель: они появляются потому, что рутинный шаг перестал требовать человека целиком. Посчитаем на прозрачной модели для офисного процесса, где в месяц проходит 200 входящих заявок и документов.

Показатель	Вручную	С агентом
Минут на одну операцию	18 минут	6 минут на проверку
Часов в месяц	60 часов	20 часов
Стоимость часа сотрудника	700 рублей	700 рублей
Стоимость обработки в месяц	42 000 рублей	14 000 рублей
Экономия	—	40 часов и 28 000 рублей в месяц

Арифметика открытая: 200 операций × 18 минут — это 3 600 минут, то есть 60 часов в месяц. С агентом человек проверяет готовый результат: 200 × 6 минут — 1 200 минут, то есть 20 часов. Разница — 40 часов в месяц. При стоимости часа 700 рублей это 42 000 рублей против 14 000, то есть 28 000 рублей в месяц на одном процессе. На трёх процессах — около 120 часов и 84 000 рублей в месяц, порядка 1 млн рублей в год.

Границы измерения важны не меньше цифры: это расчёт только по времени обработки. В нём не учтены стоимость подключений, инфраструктуры и сопровождения, а также эффект от того, что расхождение находится до оплаты, а не после. Своих замеров «до и после» по этому контуру нет — цифры взяты из прозрачной модели, а не из чужого результата.

Что остаётся за человеком

Границы проговаривают до старта, а не после первой ошибки.

• Деньги. Платёж, изменение условий оплаты, скидка, бюджет — только человек. Агент показывает расхождение и предлагает вариант, но операцию не проводит.
• Обязательства. Подпись, изменение договора, отправка документов контрагенту — действия, создающие последствия, агенту недоступны технически и запрещены регламентом.
• Персональные данные. Обработка только в тех пределах, которые нужны процессу, с записью в журнал доступа.
• Разговор с людьми. Согласовать срок, уладить спор по качеству, договориться о цене — работа человека с полномочиями.
• Исключения. Всё, что не описано правилом, уходит ответственному: агент не додумывает, а помечает случай как требующий решения.

Как это выглядит на практике

Обезличенная фактура по нашим проектам выглядит так. У производственной компании процессы живут в учётной системе, а входные документы и заявки долго оставались ручными: работа шла индивидуальной программой под задачи предприятия. Начинали с разбора процессов и данных, затем описывали правила и роли, дальше шли сессии с командой — снабжение, бухгалтерия и руководитель разбирали, какие расхождения агент показывает и что остаётся за человеком.

Второй пример — федеральная сеть сервисов: запрос формулировался как выборка показателей по филиалам и цепочка «счета — оплаты — отгрузки». Работа тоже началась с диагностической встречи и описания контура, а не с покупки технологии.

Общего в обоих случаях одно: сначала проверяется не модель, а договорённость о том, кто что решает и из чего складывается работа. Названия компаний и суммы проектов не публикуются.

Как внедрить поэтапно

1. Бесплатный разбор стратегии внедрения ИИ. Смотрим системы, документы, заявки, состояние справочников и прошлые попытки автоматизации. На выходе — какой процесс брать первым и что войдёт в первый пакет работ. Обязательств не создаёт.
2. Замер базовой линии. Число операций в месяц, минуты на операцию, число расхождений, время до сигнала об отклонении. База фиксируется до старта, иначе после пилота нечего сравнивать.
3. Описание правил и границ. По каждому шагу — правило, норма, порог, ответственный за исключение. Отдельный список: что агенту запрещено. Общий порядок разбора — в материале Внедрение ИИ-агентов: как устроен проект от аудита до сопровождения.
4. Пилот на одном процессе. Один участок, одно подразделение, подтверждение человеком на каждом шаге. Ближайшие по смыслу сценарии с цифрами собраны в обзоре 12 процессов, которые окупаются первыми.
5. Сравнение с базой. Те же метрики за сопоставимый период с указанием границ измерения: процесс, подразделение, вид операций.
6. Передача и масштабирование. Следующий процесс берут только после того, как первый работает без автора проекта. Технические требования и порядок приёмки описаны в материале ИИ-агент для 1С: сценарии, интеграция и чеклист приёмки.

Что в итоге

Первыми снимаются риски: пилот, который не дожил до работы; работы без границ, удваивающие срок и бюджет; данные, о состоянии которых узнали в середине проекта; ошибка агента, ушедшая в учётную систему; процесс, вставший на время внедрения; контур, держащийся на одном человеке. Деньги и часы идут вторым блоком: около 40 часов и 28 000 рублей в месяц на одном процессе, на трёх — порядка 120 часов и 84 000 рублей в месяц.

Чтобы прикинуть свой случай, достаточно двух чисел: сколько операций в месяц проходит через процесс и сколько минут занимает одна. Дальше смотрите не на цену технологии, а на состав работ — и начинайте с одного процесса. Чтобы не ошибиться в выборе, стоит начать с бесплатного разбора стратегии внедрения ИИ в компанию.

Источники

• ИСИЭЗ НИУ ВШЭ по данным обследования Росстата (2024 год, свыше 15 тысяч крупных и средних организаций): 48% организаций заявили об отсутствии потребности в ИИ, 58% назвали главным препятствием высокие затраты, 56% привлекают сторонних исполнителей для разработки или доработки ПО, 53% покупают готовое: issek.hse.ru
• ИСИЭЗ НИУ ВШЭ по данным Росстата (2024 год): расходы организаций на машины и оборудование для ИИ — 56,2 млрд рублей, на программное обеспечение для ИИ — 30,5 млрд рублей; численность работников с компетенциями в области ИИ превысила 242 тысячи человек при менее 1% списочного состава, включая 39 тысяч специалистов по ИИ: issek.hse.ru
• Опрос консалтинговой компании «Интеллектуальная аналитика» (декабрь 2025 — февраль 2026, около 50 крупнейших компаний): до стадии полноценного внедрения дошли 7–10% пилотов на генеративных моделях, 30–40% проектов не дали ожидаемого финансового результата из-за слабой интеграции в бизнес-процессы; по данным FinExpertiza, расходы российских компаний на ИИ в 2024 году — 90,3 млрд рублей, в среднем 5,95 млн рублей на компанию: lenta.ru
• Отраслевой разбор бюджетов и барьеров: бюджеты опытных проектов в 2025 году — от 5 до 15 млн рублей без инфраструктуры, половина руководителей перенесла переход пилотов в промышленную эксплуатацию; данные Forrester о 60% компаний, застрявших на тестировании, и 15%, получивших заметный эффект: asector.ru
• ВТБ на конференции Data Fusion: пять барьеров перехода ИИ-проектов из пилота в промышленную эксплуатацию — экономика и срок окупаемости, стоимость инфраструктуры, дефицит качественных данных, нехватка кадров, безопасность: banks.cnews.ru
• Gartner: к концу 2025 года минимум 30% проектов на генеративных моделях будут заброшены после опытной эксплуатации из-за качества данных, контролей рисков, затрат и неясной бизнес-ценности: apmdigest.com