Что помогает компаниям быстрее внедрять ИИ: взгляд аналитика

Как бизнесу научиться извлекать реальную выгоду из ИИ и не увлечься «красивыми концепциями»? О том, как аналитика помогает компаниям принимать взвешенные решения и внедрять технологии без хаоса, рассказывает CMO Komanda.ai Аслан Батырбеков.

— С какими основными задачами сталкивается аналитик при работе с ИИ-проектами для бизнеса?

— Главный вызов аналитика-маркетолога в ИИ — перевести абстрактное «сделайте нам магию» в понятный, измеримый результат.

Бизнес часто формулирует запрос так: «Хотим ИИ, чтобы стало лучше». И аналитик в этот момент становится переводчиком:

• из «хотим автоматизации» — в «сократить время обработки заявки с часа до 15 минут»;
• из «нужно разгрузить менеджеров» — в «убрать у сотрудников семь типовых задач в день».

Вторая задача — разбор процессов до деталей: не только понять, что делают сотрудники, но и почему процесс устроен именно так: где мешают регламенты, где — привычка, а где — отсутствие структуры.

И еще одна роль аналитика — быть тем, кто задает неудобные вопросы. Когда звучит: «Давайте внедрим ИИ везде», аналитик обязан спросить: «Как поймем, что стало лучше? Где точка отсчета? Что сравниваем и с чем?»

Без этого можно вложить ресурсы, но так и не понять, достигли ли результата.

— Какие данные для вас наиболее ценные при исследовании эффективности внедрения ИИ?

— Мы больше всего ценим три типа данных: про время, деньги и людей.

Время.
Сколько занимала задача «до» и «после» внедрения ИИ. Это самый наглядный показатель: если раньше подготовка писем занимала полдня, а теперь — час, это понимают все.

Деньги.
Не абстрактная окупаемость, а конкретные цифры: сколько заявок доходят до сделки, во сколько обходится обработка одной заявки, сколько клиентов не теряются из-за скорости реакции.

Люди.
Этот показатель неформальный, но сильный. Когда сотрудники говорят: «Если отключить ИИ-помощника, нам будет сложнее», — это лучшая метрика.

Цифры можно обсуждать, эмоции — редко врут. А реальные истории, переписки «до» и «после» дополняют картину.

— Как вы измеряете влияние ИИ-инструментов на бизнес-процессы? Есть ли свои метрики?

— Со временем у нас сформировался собственный набор метрик.

Мы смотрим не только на итоговые показатели, но и на конкретные участки процесса. 

Например:

• сколько задач ИИ закрывает полностью;
•  сколько времени освободилось у сотрудников;
•  как изменилась скорость реакции на клиента;
•  насколько сократилось количество ошибок.

По сути, мы постоянно задаем один вопрос: «В этом месте процесса людям реально стало проще?» А дальше его переводим в минуты, проценты и количество задач.

Это позволяет руководителю видеть не только «экономию миллионов рублей» (она есть в дашборде), но и конкретную картину: «Раньше здесь была пробка, теперь — поток. Раньше нужно было три человека, теперь — один и ИИ».

Мы работаем в сфере, вокруг которой много хайпа: ИИ, автоматизация, будущее работы. Очень легко увлечься эффектными концепциями и выпускать «красивые вещи», которые не решают реальных задач бизнеса. Поэтому нам важно постоянно «приземляться».

Для нас, в том числе для меня как аналитика и маркетолога, раздел «Обратная связь. Вести с полей» — самый ценный источник данных. Там партнеры и клиенты дают прямые сигналы, которые помогают не уходить в абстракции.

Люди отвечает на простые, но важные вопросы:

• кому мы действительно помогаем, а кому — только кажется?
• какие задачи бизнес закрывает с нашей помощью, а какие все еще остаются «на ручнике»?
• какие функции дают результат, а какие — просто выглядят эффектно?

Для нас аналитика — не отчеты «ради отчетов», а ежедневная проверка: мы сейчас строим фейерверк или мост?

И когда данные сочетаются с живой обратной связью клиентов, становится проще принимать непростые решения: что-то закрыть, что-то не запускать, что-то полностью пересобрать.

— Какие методы или модели машинного обучения вы используете?

— Не буду уходить в терминологию — бизнесу важны результаты, а не названия моделей.

По сути, у нас два больших подхода.

Первый — поиск устойчивых паттернов поведения. Модели анализируют, где пользователи задерживаются, что запускают чаще, где «застревают». Это помогает увидеть закономерности.

Второй — подбор оптимальных сценариев для конкретного клиента. Например: «Ты — туркомпания такого-то размера, с такими-то задачами. Вероятно, тебе нужны такие ассистенты и такой сценарий внедрения».

Но наибольший эффект обычно рождается не от сложных моделей, а от сочетания простых алгоритмов, здравого смысла и диалога с клиентом.

Модель — это инструмент. Результат зависит от правильности вопросов.

— Используете ли вы внешние данные или работаете только с внутренней аналитикой?

— Мы работаем сразу с тремя типами данных.

Первый — продуктовые данные Komanda.ai: как люди пользуются сервисом, где возникают затруднения, какие ассистенты запускают чаще.

Второй — данные клиентов: если компания готова делиться цифрами по времени, заявкам, деньгам, мы можем наложить нашу аналитику на их реальные процессы и увидеть, где ИИ дал эффект.

Третий — внешняя среда: отраслевые исследования, открытые данные, статистика рынка. Они показывают контекст и позволяют понимать, что для отрасли норма, а что уже инновация.

Отдельно выделю живые интервью. Один разговор с владельцем бизнеса иногда дает больше, чем большой отчет. 

Мы совмещаем все источники и регулярно проверяем, не создаем ли себе «слишком красивую картину».

— Какие тенденции вы видите в применении ИИ в МСБ?

— Мы переходим от фазы «эффект новизны» к фазе «давайте считать эффективность».

Раньше ИИ часто воспринимали как эксперимент: «Поигрались с чат-ботом, сделали картинку или мем». Сейчас бизнес спрашивает: «Какая часть моей рутины уйдет уже в ближайший месяц?»

Вторая тенденция — переход от одного «универсального чата» к встроенным помощникам. Бизнесу важно, чтобы ИИ был внутри их процессов: в CRM, документообороте, тендерах, задачах.

Третья — прагматичный подход: «Выберем две зоны, покажем эффект, потом масштабируем».

И, конечно, усилилось внимание к безопасности: где хранятся данные, кто имеет доступ, как все соотносится с регуляторикой. Особенно у крупных компаний.

— Разнятся ли подходы к внедрению ИИ в разных регионах и отраслях?

— Да, но часто характер собственника влияет сильнее, чем география.

По отраслям:

• где много однотипных операций — розница, логистика, туризм — ИИ внедряется быстрее;
• где цена ошибки высока — медицина, финансы, юридические услуги — внедрение идет аккуратнее, с многоуровневыми проверками.

По регионам — разница в цифровой зрелости:

• где процессы давно оцифрованы, ИИ воспринимают как очередной этап развития;
•  где все на бумаге — как скачок через несколько ступеней.

Но главное — вовлеченность руководителя. Если собственник сам тестирует ИИ, внедрение идет значительно быстрее.

— Как меняется продуктивность компаний, которые уже внедрили ИИ?

— Единой цифры быть не может: каждая компания собирает свой набор решений.

Но можно выделить типовые эффекты.

Первое — ускорение рутинных операций. Письма, документы, коммерческие предложения — все делается быстрее и стабильнее.

Второе — разгрузка людей. Когда у сотрудников появляется время, начинаются качественные изменения:
 настройка процессов, решение старых задач, больше внимания ключевым клиентам.

Третье — ощущение контроля. Мне часто говорят: «Раньше мы постоянно догоняли события, а теперь хотя бы иногда идем им навстречу».

На отдельных участках рост продуктивности измеряется десятками процентов, а иногда — кратно.

Но главный критерий — когда владелец честно говорит: «Это реально улучшило нашу работу».

— Над какими аналитическими задачами вы работаете сейчас?

— Нас сильно увлекает тема диагностики готовности бизнеса к ИИ. Запускаем большой продукт «AI-переход 2026». Вероятно, это будет серия: 2027, 2028 и дальше.

Мы хотим дать предпринимателю инструмент «медосмотра процессов»: где все выстроено, а где ИИ буквально просится.

В продукте предусмотрены персональные маршруты внедрения — на основе многовекторного брифинга. Это не абстрактные рекомендации, а конкретный план: что начать, где появится первый эффект, как его измерять.

Мы также исследуем связь обучения команды и результата. Там, где людям хотя бы немного объяснили, как формулировать запросы и проверять ответы, эффект гораздо выше. Сейчас мы пытаемся измерить это точнее.

Параллельно ведем продуктовую аналитику: активация, удержание, точки отваливания, подсказки в сервисе. На этих элементах держится вся «магия».

— Планируете ли публиковать открытые отчеты или исследования?

— Да, такая идея есть. Первый шаг — трендбук «AI ДЛЯ МСБ 2026».

Рынку не хватает честной, понятной картины внедрения ИИ, а не только эффектных кейсов.

Мы хотим прийти к формату «барометра ИИ для бизнеса»: какие отрасли активнее, какие задачи автоматизируют, где ошибаются, что срабатывает лучше всего.

Разумеется, без раскрытия чувствительных данных — только агрегированные выводы и анонимные примеры.

Зачем это?

Во-первых, это вклад в рынок, который мы развиваем.

Во-вторых, это снижает барьер входа: когда предприниматель видит, что не один он «разбирается на ходу», вход в тему становится проще.

Мы постепенно движемся к открытым отчетам. Нам важно, чтобы вокруг ИИ было меньше мистики и больше понятных разговоров о том, как технология помогает реальным компаниям работать устойчивее и эффективнее.