Сегодня можно часто услышать от руководителей: «Мы внедрили ИИ». Но стоит глубже поинтересоваться деталями — что именно изменилось в работе, какие конкретно задачи теперь выполняют ИИ-агенты, сколько шагов ушло из процесса, — и картина размывается. Стало ли легче бизнесу? Чаще всего ответа нет: до старта никто не договорился, что именно должно измениться.
И это не проблема отдельных компаний. MIT в исследовании «The GenAI Divide: State of AI in Business 2025» разобрал 300 корпоративных внедрений: при $30–40 млрд инвестиций 95% пилотов не дали измеримого эффекта на прибыль. McKinsey в «State of AI 2025» показывает тот же разрыв с другой стороны: ИИ регулярно используют 88% компаний, влияние на операционную прибыль видят 39%, а заметный эффект — свыше 5% EBIT — получают лишь 6%. Почти все «внедрили». Почти никто не заработал.
Разница между этими группами — не в моделях. Она в том, что «шестипроцентники» меняют процесс и меряют процесс, а остальные покупают инструмент и меряют впечатления.
Что значит «внедрить ИИ-агента»
Внедрить агента — это не «подключить нейросеть». Это отдать ему конкретный кусок работы целиком. Не «отвечать на вопросы про договоры», а «получить входящий документ, определить тип, зарегистрировать, назначить ответственного и поставить срок». Агент — это сотрудник, у которого есть обязанности, доступ к системам и границы: что он делает сам, а что обязан показать человеку.
И вот здесь ломается большинство проектов. Агента запускают поверх почты, Excel и бумаги — то есть поверх процесса, которого в системе нет. Ему неоткуда взять историю решений, не с чем сверить маршрут, некому передать результат. Он честно отвечает общими словами, все разочарованно разводят руками и пополняют те самые 95%.
Почему мы сделали из этого методологию
Мы прошли этот путь на себе и оформили его в методологию — DATM (Documentolog AI Transformation Methodology). У неё есть жёсткое правило, вокруг которого строится всё остальное: ИИ-агент приходит только туда, где процесс уже живёт в системе. Порядок неизменный:
- Оцифровать. Процесс переезжает в d8n целиком: маршруты, роли, сроки, документы. Не «часть заявок в системе, часть в WhatsApp» — весь поток в одном русле.
- Описать. Регламент, номенклатура, правила маршрутизации, база знаний процесса. Агенту нужны не только данные, но и правила, по которым эти данные читаются.
- И только потом — агент. Он забирает рутину: классификацию, регистрацию, подбор исполнителя, контроль сроков.
Между вторым и третьим шагом у нас стоит формальный гейт: не меньше 80% документопотока процесса идёт через систему минимум четыре недели подряд. Не достигли — агента не запускаем, сколько бы ни хотелось показать красивое демо. Это не бюрократия, а защита от разочарования: агент поверх неготового процесса работает примерно на треть своих возможностей.
Второе правило DATM такое же неудобное и такое же важное: у каждого агента есть закреплённый руководитель уровня C-level, который отвечает за его результат и еженедельно собирает рабочую группу по разбору его работы. Не «айтишники внедрили» — а конкретный директор, у которого этот агент в KPI.
Здесь же мы фиксируем пороги качества, ниже которых агент к пользователям просто не выходит: галлюцинации не выше 1% (для финансовых процессов — 0,3%), релевантность ответов от 85%, точность цитирования от 90%, adoption от 70%, NPS пользователей от +40.
Подробно методология с этапами и сроками — на странице DATM. Кстати, MIT в том же исследовании даёт цифру, объясняющую, зачем вообще методология с внешним партнёром: до продакшна доходят 67% проектов, где внешняя экспертиза работает вместе с внутренней командой, против 22% у тех, кто внедряет силами только своего ИТ.
Как это выглядит на живом процессе: агент «Канцелярия»
Возьмём канцелярию — обработку входящей корреспонденции. Процесс, который есть у всех и который все считают простым, пока не измерят.
Что делал человек до агента:
- открывал входящее (почта, портал, бумага) и читал целиком, чтобы понять суть;
- определял тип документа и нужную позицию номенклатуры;
- заводил карточку вручную: реквизиты, отправитель, дата, срок;
- по памяти и опыту решал, в какое подразделение и кому адресовать — а если отправитель новый, шёл спрашивать коллег;
- ставил срок исполнения по регламенту;
- вручную отслеживал, кто не ответил вовремя, и напоминал.
Каждый шаг — минуты, а на нестандартном документе — часы ожидания, пока освободится тот, кто «знает, куда это». Регистрация одного входящего занимала до получаса.
Что делает человек после агента:
- смотрит очередь уже разобранных документов: тип определён, карточка заполнена, исполнитель предложен, срок проставлен;
- подтверждает или меняет решение агента там, где случай нестандартный;
- разбирает исключения — то, что агент честно пометил как спорное и передал человеку;
- следит за общей картиной сроков, а не за каждым напоминанием.
Роль меняется с исполнителя на супервайзера. По нашим внутренним данным, рутинных операций в этом процессе стало меньше примерно на 80% — и только после этого мы пошли тем же методом в кадры, техподдержку, совещания и аналитику для руководства.
Как измерить процесс — до
Прежде чем что-то внедрять, возьмите один процесс и честно ответьте на четыре вопроса:
- Сколько времени проходит от начала до результата?
- Сколько раз человек трогает задачу руками?
- Где она чаще всего застревает?
- Что стоит каждая ошибка или просрочка — деньгами, клиентом, репутацией?
Это baseline — точка «до». Без неё любой разговор об эффективности превращается в обмен ощущениями. И да, снимать baseline нужно до старта: задним числом он всегда получается удобным.
Какие метрики ставить
Метрика должна быть про процесс, а не про технологию. Вот рабочие ориентиры по типовым процессам — цифры справа мы используем как целевые при постановке задачи, а не как обещание результата:
| Процесс | Метрика | Как считать | Целевой ориентир |
|---|---|---|---|
| Канцелярия / входящие | Время регистрации документа | от поступления до заведённой карточки | −50% и ниже |
| Канцелярия / поручения | Доля просроченных поручений | просрочено / всего за месяц | −30% |
| Любой документооборот | Ручных касаний на документ | среднее число действий человека | сокращение в разы |
| Техподдержка | Время первого ответа | от обращения до первого ответа клиенту | минуты вместо часов |
| Техподдержка | Доля обращений, дошедших до людей | эскалации / все обращения | снижение при том же CSAT |
| Продажи | Потерянные заявки | необработанные за период | к нулю |
| Любой процесс | Качество работы агента | галлюцинации, релевантность, цитирование | ≤1% / ≥85% / ≥90% |
Обратите внимание на последнюю строку: качество агента — тоже метрика, и она не менее важна, чем скорость. Быстрый агент, который ошибается, дороже медленного человека.
Как это делают те, у кого получилось
Лучший публичный пример правильного счёта — Klarna. Посмотрите, какими метриками они отчитались о своём ассистенте поддержки: время решения вопроса клиента упало с 11 минут до 2, повторные обращения снизились на 25%, ассистент закрыл две трети чатов — эквивалент работы 700 операторов и порядка $40 млн эффекта за год. Ни слова про «умную модель» — только процессные цифры «до и после». А год спустя Klarna честно признала, что срезала слишком глубоко, и вернула людей в премиум-поддержку. Это второй урок того же кейса: у агента должны быть границы, и двигать их по данным — нормально.
Наши примеры скромнее масштабом, но логика та же.
Воронка продаж. Мы разобрали собственную воронку и увидели, что за неделю потеряли 14 заявок: они приходили ночью и в выходные, а квалификация зависела от человека, который спит. Отдали агенту один шаг — ночную квалификацию входящих. Метрика простая: потерянные заявки. Было 14 за неделю, стало ноль.
Техподдержка. Первую линию ведёт агент: типовые вопросы закрывает сам, сложные передаёт инженерам с уже собранным контекстом. Нагрузка на службу поддержки снизилась на 70% — и это не про сокращения: сотрудников перевели на задачи, до которых раньше не доходили руки.
Как оценить эффективность — после
Через месяц-два вернитесь к тем же четырём вопросам и сравните:
| Что меряем | До | После |
|---|---|---|
| Время процесса от заявки до результата | часы / дни | ? |
| Ручных касаний на одну задачу | N | ? |
| Ошибки и просрочки за период | N и их цена | ? |
| Куда ушло освободившееся время | — | на что-то полезное или растворилось? |
Эффект — это разница между «до» и «после» минус стоимость внедрения и сопровождения. Я сознательно не называю «средний срок окупаемости ИИ» — его не существует, у каждого процесса он свой. Klarna меряет минуты чата, мы — потерянные заявки и долю рутины.
Открытый пример расчёта
Ниже — не тизер и не «результат после регистрации», а сам расчёт на открытых данных примера. Для канцелярии на 300 операций в месяц мы взяли время 30 → 6 минут, ручные касания 6 → 2, ошибки 12% → 4%, просрочки 18% → 6% и коэффициент переиспользования времени 50%.
| Рычаг | Сейчас, ₸/год | После, ₸/год | Эффект, ₸/год |
|---|---|---|---|
| Время процесса | 2 250 000 | 450 000 | 1 800 000 |
| Ручные касания | 900 000 | 300 000 | 600 000 |
| Ошибки и возвраты | 1 728 000 | 576 000 | 1 152 000 |
| Просрочки | 5 184 000 | 1 728 000 | 3 456 000 |
| Итого эффект в год | 10 062 000 | 3 054 000 | 7 008 000 |
| Стоимость первого года | — | — | 2 319 300 |
| Чистый эффект первого года | — | — | 4 688 700 |
| Окупаемость | — | — | 4,0 месяца |
Пятый рычаг — управляемость — в сумму намеренно не включён: качество решений нельзя честно превратить в деньги одной универсальной формулой.
Забрать рабочий ROI-файл
Оставьте email. Пришлём одноразовую ссылку на 7 дней — без вложений.
Принцип один: считайте не цену ИИ, а цену процесса до и после. Это язык, который понимает и директор, и бухгалтер, и совет директоров. И это ровно то, что отличает 6% заработавших от 95% «внедривших».
С чего начать: выберите один процесс, который болит сильнее всего, и приходите на демо — посчитаем его экономику «до и после» вместе, на ваших данных. А если хотите сначала посмотреть весь маршрут — он описан на странице методологии DATM.
