С чего начинать ИИ-проект: от интервью до дорожной карты

С чего начинать ИИ-проект, чтобы он окупился, а не превратился в демо-игрушку

За последние пару лет «запустить проект с ИИ» стало почти обязательным пунктом повестки у многих компаний. Чаще всего все начинается одинаково: выбирают технологию, подрядчика и пилотный участок. А потом с удивлением обнаруживают, что после пилота что-то не взлетело: эффект неочевиден, масштабирование забуксовало, команда устала, скепсис растет.

Проблема здесь не в моделях и не в платформах. Проблема в отправной точке. Зрелые ИИ-проекты начинаются не с технологий, а с людей и процессов: от глубинных интервью с владельцами и участниками процессов — до четко сформулированных гипотез, критериев успеха и дорожной карты внедрения.

Почему старт «с технологии» ведет в тупик

Когда инициатива «давайте внедрим ИИ» рождается как ответ на внешний тренд, внутри компании почти неизбежно происходит одно и то же:

• обсуждение начинается с названий моделей и платформ;
• список задач формируется как набор «интересных идей» от разных подразделений;
• пилот выбирают по принципу «где-то рядом» с ИТ, чтобы не слишком вмешиваться в операционку.

С управленческой точки зрения у такого проекта нет базового фундамента:

• не определено, какой процесс мы меняем;
• не посчитано, в каких цифрах будем мерить результат;
• не договорено, какие решения мы готовы принимать по итогам.

В итоге ИИ оказывается «еще одной инициативой», а не инвестиционным проектом с понятной логикой.

Интервью с владельцами процессов: начать с вопросов о деньгах и управляемости

Правильная отправная точка — владельцы ключевых процессов: продажи, сервис, логистика, закупки, управление рисками, финансы. Это те люди, чей результат виден в P&L.

Задача первых интервью — не попросить «идею для ИИ», а задать несколько жестких вопросов:

• Где вы теряете деньги в этом процессе?
• Где вы теряете управляемость: решения принимаются «на слух», данные расходятся, отчеты приходят поздно?
• Какие решения вы вынуждены принимать вслепую — без нормальной фактуры?

Ответы помогают:

• выделить 2–3 процесса, где стоимость хаоса уже неприемлема;
• увидеть узлы, которые тяжелее всего масштабируются;
• сформировать первичную карту, где ИИ и автоматизация могут дать рывок.

На этом этапе мы вообще не говорим о моделях. Мы говорим о бизнес-логике и цене текущего состояния.

Глубинные интервью с исполнителями: как выглядит реальность «на земле»

Следующий слой — люди, которые ежедневно работают внутри процесса: операторы контакт-центра, менеджеры по закупкам, логисты, аналитики, специалисты back-office.

Их опыт часто сильно отличается от представления руководителей. Именно здесь проявляются:

• неформальные обходные пути («мы делаем так, потому что система мешает»);
• реальные точки трения с ИТ-системами;
• участки, где данные есть, но ими никто не пользуется;
• задачи, которые можно автоматизировать, но до них никогда «не доходят руки».

Методически здесь хорошо работают инструменты дизайн-мышления и сервис-дизайна:

• картирование пути клиента и сотрудника;
• фиксация всех точек контакта с данными и системами;
• «день из жизни» конкретной роли.

Результат — честная схема процесса, где видно, что реально происходит между регламентами и отчетами.

Формулировка гипотез: ИИ как инструмент, а не цель

Когда управленческий и операционный уровни «сложены», можно переходить к формулировке гипотез для ИИ-проекта.

Гипотеза — это не «давайте сделаем чат-бота».
Гипотеза — это управленческое предположение в формате:

• «Если мы автоматизируем первичную классификацию обращений клиентов, то сможем сократить среднее время реакции на X% и снизить долю повторных обращений на Y%».
• «Если мы перейдем от Excel-прайсов к единому цифровому каталогу, то снизим количество ошибок в ценообразовании и ускорим подготовку коммерческих предложений как минимум вдвое».
• «Если мы научимся автоматически извлекать данные из входящих документов, то сократим время обработки заявки с двух дней до нескольких часов и освободим N человеко-часов в месяц».

Важно:

• гипотеза привязана к конкретному процессу;
• сформулирована в измеримых метриках;
• описывает изменение реальности, а не внедрение конкретной технологии.

ИИ здесь — способ проверить гипотезу быстрее и дешевле, а не самоцель.

Критерии успеха: договориться о результате заранее

Следующий шаг — договориться о том, что именно считать успехом.

Типичные вопросы:

• Какие 2–3 метрики мы берем в качестве ключевых?
• Какой целевой уровень изменений считаем достаточным для масштабирования?
• На каком горизонте времени оцениваем эффект?

Например:

• снижение времени обработки заявки не менее чем на 30%;
• уменьшение доли ручных операций в конкретном блоке не менее чем вдвое;
• снижение количества ошибок, требующих ручной корректировки, на 40–50%.

Здесь важно зафиксировать и «рамки здравого смысла»:

• какие компромиссы недопустимы (например, ухудшение клиентского опыта ради скорости);
• какие ограничения по рискам нужно соблюдать.

Когда критерии успеха не сформулированы заранее, неизбежно возникают споры: «мы сделали много работы» против «мы не видим эффекта».

Приоритизация требований: от «всего и сразу» к реалистичному MVP

Характерная ошибка ИИ-проектов — желание за один этап «сделать сразу все»: все каналы, все сценарии, все подразделения.

Стратегически правильнее:

• выделить ядро процесса, где эффект от изменений максимален;
• сформировать MVP-сценарий — минимально необходимый набор функций и интеграций, который уже дает ценность;
• разделить требования на:
  • обязательные для первого релиза;
  • отложенные на следующий этап;
  • экспериментальные — под отдельные пилоты.

Такой подход не только снижает риски, но и позволяет быстрее получить первую рабочую версию, на которой можно учиться, донастраивать модели и менять процессы.

Дорожная карта: технология и изменения в компании в одном плане

Финальный элемент старта — дорожная карта. Это не только список задач для ИТ, но и план организационных изменений.

В ней должны быть отражены:

• этапы: диагностика, пилот, доработка, масштабирование;
• точки принятия решений: где и по каким метрикам решаем «двигаемся дальше» или «меняем подход»;
• изменения в регламентах и процессах;
• план обучения сотрудников;
• требования к архитектуре и безопасности.

Хорошая дорожная карта помогает управленцам воспринимать ИИ-проект не как «еще один ИТ-эксперимент», а как последовательную инвестицию в управляемость бизнеса.

Вывод

Осмысленный ИИ-проект начинается не с выбора платформы, а с ответов на три вопроса:

1. Где мы сегодня теряем деньги и управляемость?
2. Какой именно процесс хотим изменить и как измерим результат?
3. Готовы ли мы менять не только систему, но и правила работы людей?

Глубинные интервью, гипотезы, критерии успеха, приоритизация и дорожная карта — это не «лишняя бюрократия», а страховка от дорогих тупиков. Компании, которые проходят этот этап честно, потом меньше спорят о технологиях и больше — о том, как масштабировать уже полученный эффект.