Внедрение ИИ в бизнес: как выбрать задачу и измерить эффект

Компания уже работала в 1С:ERP (ERP, Enterprise Resource Planning — управление ресурсами предприятия) и Битрикс24: заявки на закупку шли в учётной системе, поручения и сроки — в задачах портала. Летом команда прошла программу по искусственному интеллекту: два дня теории, демонстрации, промпты, домашние задания. Через месяц выяснилось, что маршрут работы не изменился ни на шаг — те же письма, те же таблицы, тот же инженер, который помнит сроки поставок в голове.

Инструменты при этом никто не отменял: сотрудники пользуются чатами с моделями, кто-то собирает сводки в личных таблицах, кто-то просит модель переписать письмо поставщику. Работа стала чуть быстрее в переписке — и осталась такой же медленной там, где принимаются решения: заявка идёт по цепочке, сроки сверяются вручную, отклонение всплывает на приёмке, когда менять что-то поздно.

Проблема не в том, что сотрудники плохо учились. Проблема в том, что обучение меняет знания, а не маршрут работы. И прежде чем покупать следующий инструмент, нужно ответить на один скучный вопрос: сколько часов, ошибок и денег стоит процесс сейчас.

Коротко

Внедрение ИИ в бизнес даёт эффект, когда выбрана одна задача с цифровыми данными и посчитана точка А: операции в месяц, минуты на операцию, стоимость часа, доля ошибок. Агент встраивается в систему, где уже живёт процесс, возвращает результат туда же, а человек подтверждает ключевые шаги. Бесплатный разбор стратегии внедрения ИИ в компанию начинается с этих четырёх чисел.

Содержание

• Почему после обучения процесс остаётся прежним
• Как выбрать первую задачу
• Как замерить точку А
• Что реализовали поверх 1С:ERP и Битрикс24
• Какие риски это снимает
• Сколько часов это возвращает
• Что остаётся за человеком
• Как внедрить поэтапно

Почему после обучения ИИ процесс остаётся прежним

У программы по ИИ и у рабочего процесса разные владельцы. Программу ведёт HR или директор по развитию, процесс — руководитель снабжения. Первый отчитывается за число обученных, второй — за сроки поставки. Между ними нет ни общей метрики, ни общего сценария, поэтому знания остаются в презентации, а работа — в прежнем маршруте.

Второе: почти всё, что показывает программа, живёт вне системы. Чат, генератор текста, личная таблица — это отдельные окна, куда нужно специально зайти, вспомнить про них в нужный момент и вручную перенести результат обратно. Пока перенос делает человек, процесс не меняется: меняется только скорость набора текста.

Третье: никто не зафиксировал исходную точку. Если до старта не посчитано, сколько стоит процесс, то после старта невозможно доказать, что он подешевел. Спонсор проекта видит расходы, не видит эффекта и закрывает тему — и это самая частая причина, по которой вторую попытку внедрения в компании уже не рассматривают.

Что показывает российская практика

По данным Института статистических исследований и экономики знаний НИУ ВШЭ, которые опираются на сплошные обследования Росстата за 2025–2026 годы, искусственный интеллект применяют около 5,2% крупных и средних организаций — рост за год составил всего 0,4 процентных пункта. Разрыв по масштабу почти четырёхкратный: среди компаний с численностью более 500 сотрудников ИИ используют 17%, среди организаций до 100 человек — 4,3%.

Обучение при этом не стало массовым. По исследованию «МТС Линк», о котором 30 июня 2026 года сообщил «Коммерсантъ», только 35% россиян, использующих ИИ в работе, сказали, что работодатель проводит для них обучение работе с нейросетями; около 12% отметили, что программы вообще не включают вопросы защиты данных и безопасной работы с ИИ, а ещё треть учатся реже одного раза в квартал. При этом 73% работают с бесплатными версиями моделей — то есть инструмент у человека личный, а не корпоративный.

И третья цифра, которая объясняет, почему разговор надо вести про процессы. По исследованию «Яндекса» и «Яков и Партнёров» (декабрь 2025 года), 78% крупных компаний отмечают экономический эффект от ИИ, но 78% используют готовые решения внешних партнёров, и примерно половина респондентов отдельно указывает, что адаптирует эти решения под свои бизнес-процессы вместе с подрядчиком. Собственную разработку ведут лишь 17%. Иными словами, инструмент почти всегда приходит извне, а разницу делает адаптация к процессу — та часть работы, которую обучение не закрывает.

Зарубежные данные говорят то же самое, но жёстче. Исследование MIT NANDA «The GenAI Divide: State of AI in Business 2025» показало: 95% корпоративных пилотов генеративного ИИ не дали измеримого финансового результата. Внутренние разработки успешны менее чем в 5% случаев, готовые решения вендоров — в 20–30%. Разница не в модели, а в том, доведён ли сценарий до рабочего процесса.

Как выбрать первую задачу для ИИ

Первая задача выбирается не по красоте демонстрации, а по трём фильтрам. Они применяются к списку процессов за один вечер и оставляют обычно две-три задачи, из которых видно, что брать.

Фильтр 1. Частота и объём

Считать нужно операции, а не документы. В снабжении это не «заявка», а «позиция заявки»: одна заявка на 40 позиций — это 40 решений о цене, сроке и поставщике. Чем больше однотипных операций в месяц, тем быстрее агент окупает настройку. Процесс, который случается раз в квартал, автоматизировать бессмысленно даже при большой стоимости ошибки.

Фильтр 2. Цена ошибки

Хорошая первая задача — та, где ошибка видна в рублях или днях: просроченная позиция останавливает линию, неверная спецификация приводит к возврату и повторной логистике. Если ошибку никто не может оценить, процесс, скорее всего, не стоит автоматизировать первым: вы не докажете эффект даже себе.

Фильтр 3. Данные уже есть

Агенту нужны не «большие данные», а конкретный набор: справочник номенклатуры, история цен, подтверждённые сроки поставки, журнал заявок за последние месяцы. Если эти данные лежат в 1С:ERP и электронном документообороте, настройка идёт неделями. Если их надо сначала собрать вручную с бумаги — начинать нужно не с ИИ, а с порядка в справочнике.

Чек-лист: задача подходит, если

• операций в месяц больше сотни, и они однотипные;
• данные о процессе уже в системе, а не только в почте;
• цена ошибки считается в деньгах или сроках;
• результат можно вернуть в ту же систему, где работает человек;
• есть владелец процесса, который готов сверять метрику раз в неделю.

Как замерить точку А

Точка А — это не «как было», а четыре числа по одному шагу процесса. Их снимают вместе с компанией: не по ощущениям руководителя, а по журналу заявок, выгрузке из учётной системы и хронометражу двух-трёх исполнителей за неделю.

Часы

Считается время на одну операцию, включая подготовку и поиск данных, а не только нажатие кнопок. В снабжении сверка одной позиции — это посмотреть цену в истории, проверить срок у поставщика, уточнить остаток, записать решение. Обычно 5–7 минут, и это число надо получить замером, а не оценкой.

Ошибки

Доля операций, которые пришлось переделать: вернули заявку, пересогласовали цену, отменили заказ. Считается по журналу за 2–3 месяца и переводится в минуты исправления. Ошибка важнее часов: она показывает, где процесс теряет деньги, а не только время.

Деньги

Стоимость часа сотрудника с налогами и накладными — не оклад, делённый на 160. Для инженера снабжения в среднем бизнесе это обычно 700–900 ₽. Дальше арифметика простая: операции × минуты × стоимость часа.

Что реализовали поверх 1С:ERP и Битрикс24

Систему никто не заменял. Учёт остался в 1С:ERP, задачи и поручения — в Битрикс24. Поверх них появился слой, который работает по расписанию и по событию.

1. Читает журнал заявок. Агент забирает заявки и позиции из 1С:ERP, историю цен и подтверждённые сроки поставки — только чтение, без права что-либо менять в учёте.
2. Сопоставляет с нормативами. Для каждой позиции проверяет цену с историей закупок, срок с договором поставщика, остаток со страховым запасом. Расхождения помечает: цена выше обычной, срок сдвинулся, запас ниже нормы.
3. Считает отклонение в деньгах и днях. Не «есть риск», а «позиция дороже на 4 200 ₽, срок позже на 6 дней, линия встанет 12-го числа».
4. Возвращает карточку в Битрикс24. Задача ставится на конкретного владельца с ссылкой на позицию в учётной системе и коротким объяснением, что не так.
5. Ведёт журнал «сигнал → владелец → действие → результат». Каждое решение фиксируется: кто взял, что сделал, чем закончилось. Через две недели журнал сам показывает, где процесс рвётся чаще всего.
6. Считает метрику по расписанию. Раз в неделю агент собирает те же четыре числа, что и в точке А, и кладёт руководителю сравнение: было, стало, за какой период.

Ключевое отличие от чата с моделью: агент запускается сам и пишет результат туда, где человек и так работает. Никому не нужно помнить про отдельное окно — поэтому маршрут работы действительно меняется. Как устроена такая связка портала и учёта, подробно разобрано в статье «Битрикс24 и 1С: как ИИ-агент связывает сделки с учётом и собирает отчёт руководителю».

Какие риски это снимает

Риски — первая причина платить за замер и сценарий; часы и деньги — уже следствие. Ниже — сценарии, которые в снабжении случаются регулярно.

Просроченная позиция и простой линии

Заявка ушла в работу, срок подтверждён по памяти, поставщик сдвинул отгрузку — и об этом узнают на складе в день монтажа. Дальше простой линии, срыв отгрузки клиенту и неустойка по договору. Агент видит сдвиг срока в момент подтверждения и ставит задачу владельцу сразу, а не за неделю до приёмки.

Ошибка в спецификации и возврат

Неверная позиция в заявке — это закупка не того комплектующего, возврат, повторная логистика и сдвиг заказа. Переделка редко стоит как одна позиция: к ней добавляются простой, ускоренная доставка нужного аналога и перенос сроков по всей заявке. Сверка с историей и справочником снимает большую часть таких ошибок до закупки.

Зависимость от одного человека

Сроки поставок, договорённости с поставщиками и «где лежит нужный аналог» часто живут в голове одного инженера. Его отпуск или уход — риск для всей цепочки. Журнал решений и карточки в портале переводят эту память в общий контур: новый сотрудник видит не только документы, но и логику решений. Почему это вообще ключевой риск роста, разбирали в материале «ИИ и рост компании: как перестать держать процессы в головах руководителей».

Спор с поставщиком без доказательной базы

Когда срок сорван, а переписка разбросана по почте, доказать, кто и когда подтвердил дату, трудно. Журнал с датами и ссылками на документы превращает спор в разбор фактов — и часто снимает его до претензии. Тот же принцип работает в финансах: сверка взаиморасчётов, когда банк, 1С и Excel расходятся держится на ссылке к каждой цифре, а не на доверии к сводке.

Закрытый бюджет из-за недоказанного эффекта

Самый дорогой риск для компании, которая уже прошла обучение: потратить следующий бюджет на «ещё один пилот» и снова не получить цифр. Замер точки А до старта — это единственная защита: даже если сценарий не окупится, вы будете знать это по числам, а не по ощущениям.

Сколько часов это возвращает

Типовой расчёт для участка снабжения на 1 200 позиций в месяц, стоимость часа — 750 ₽. Часы здесь — уже следствие: сначала снимается риск, потом видно экономию.

Показатель	Вручную	С агентом
Сверка цен и сроков по позициям	120 ч в месяц	38 ч в месяц
Доля позиций с переделкой	3%	0,8%
Подготовка недельного отчёта по срокам	9 ч	1,5 ч
Стоимость участка в месяц	90 000 ₽	28 500 ₽
Срок реакции на сдвиг поставки	3–5 дней	в день подтверждения

Арифметика открытая: 1 200 позиций × 6 минут = 120 часов; при 750 ₽ за час это 90 000 ₽ в месяц. С агентом на позицию уходит около 2 минут проверки и подтверждения человеком — 38 часов и 28 500 ₽. Экономия — 82 часа и 61 500 ₽ в месяц на одном участке. На трёх участках сопоставимого объёма это около 184 500 ₽ в месяц, а высвобожденные часы уходят не в сокращение, а в работу с поставщиками, которую раньше не доходили руки.

Границы измерения важны: расчёт не учитывает стоимость настройки и поддержки сценария, а доля переделок взята как целевой ориентир по опыту аналогичных участков — её нужно подтверждать на своём журнале за 8 недель. Именно поэтому точка А снимается до старта: иначе сравнение будет не с фактом, а с ожиданием.

Что остаётся за человеком

• Решение о закупке. Агент показывает отклонение и вариант, но выбор поставщика и цены — за сотрудником.
• Договорённости с поставщиком. Переписка и торг не автоматизируются: это отношения, а не данные.
• Изменения в учётной системе. Агенту запрещены записи в 1С:ERP — только чтение; любая правка идёт через сотрудника.
• Оценка качества данных. Если справочник разъехался, решение принимает владелец процесса, а агент только сообщает о расхождении.
• Ответственность за срок. Метрика считается автоматически, но отвечает за поставку человек — и это должно быть записано в регламенте до старта. Как выстроить такое разделение без потери скорости, разбирали в материале «Как безопасно проверять договоры и таблицы с ИИ: ссылки на строки и решение человека».

Как это выглядит на практике

В одном проекте — производственная компания — программа шла под конкретные задачи площадки, без общей методики: сотрудники разбирали свои сценарии, часть из них действительно заработала. Но исходная точка не была зафиксирована, поэтому измерить эффект не получилось: остались впечатления участников и отдельные рабочие контуры. Это ровно тот случай, когда «вроде стало лучше» не переводится в решение о следующем бюджете.

Во втором проекте, у девелопера, пошли другим путём: после установочной встречи зафиксировали контрольный срез по рабочим контурам, собрали сводки ответственных, а следующим шагом сделали журнал «сигнал → владелец → действие → результат» на 10 рабочих дней. Смысл не в самом журнале, а в том, что каждое отклонение получает владельца и срок — и через две недели видно, какие сигналы процесс не держит.

Третий пример — корпоративная программа в крупном HR-сервисе: там прямо договорились, что самооценки участников не считаются эффектом. Это редкая и правильная позиция: удовлетворённость обучением и изменение процесса — разные метрики, и вторая измеряется часами, ошибками и сроками.

Как внедрить поэтапно

1. Выбрать один шаг процесса. Не «снабжение», а «сверка цен и сроков по заявке».
2. Замерить точку А вместе с компанией. Журнал за 2–3 месяца, хронометраж двух-трёх исполнителей, стоимость часа.
3. Проверить данные. Справочник, история цен, подтверждённые сроки. Дыры в данных закрываются до настройки, а не после.
4. Собрать сценарий в режиме чтения. Агент смотрит и предлагает, ничего не меняет в учётной системе.
5. Встроить возврат результата в рабочую систему. Карточка в Битрикс24, ссылка на позицию в 1С:ERP, владелец и срок.
6. Сверить метрику через 4 и 8 недель. Если числа не двигаются — разбирать не модель, а маршрут: где человек обходит сценарий и почему.

Что в итоге

Внедрение ИИ в бизнес начинается не с выбора модели и не с обучения сотрудников, а с четырёх чисел по одному шагу процесса. Пока точки А нет, любой результат — мнение; когда она есть, даже неудачный пилот даёт знание, а удачный — защищаемый бюджет. Риски снимаются первыми: просрочка, переделка, зависимость от одного человека, спор без доказательств и закрытая тема «ИИ у нас не пошёл». Часы и деньги приходят следом — как следствие управляемого контура, где система осталась, агент работает поверх, а решение подтверждает человек. Начать можно с бесплатного разбора стратегии внедрения ИИ в компанию — на ваших процессах и ваших цифрах.

Источники

• Доля крупных и средних организаций, применяющих ИИ, — 5,2%, рост на 0,4 п.п. за год; 17% среди компаний с численностью более 500 сотрудников и 4,3% среди организаций до 100 человек: данные ИСИЭЗ НИУ ВШЭ по сплошным обследованиям Росстата за 2025–2026 годы, публикация MONT.
• 35% работающих с ИИ получают обучение от работодателя, около 12% программ не включают вопросы защиты данных, 73% пользуются бесплатными версиями моделей: исследование «МТС Линк», публикация «Коммерсанта» от 30.06.2026 — kommersant.ru.
• 78% крупных компаний отмечают экономический эффект от ИИ, 78% используют готовые решения партнёров, 17% ведут собственную разработку: исследование «Яндекса» и «Яков и Партнёров», декабрь 2025 года — cnews.ru.
• 95% пилотов генеративного ИИ без измеримого финансового результата; внутренние разработки успешны менее чем в 5% случаев против 20–30% у решений вендоров: MIT NANDA, «The GenAI Divide: State of AI in Business 2025» — webpronews.com.
• 53% руководителей говорят, что производительность должна вырасти, при этом 80% работников не хватает времени и сил на текущую работу: Microsoft Work Trend Index 2025 — microsoft.com.