Бизнес устал от чат-⁠ботов. Почему ИИ-⁠помощник должен не отвечать, а работать

ИИ в бизнесе проходит важный этап взросления. Еще недавно компании активно запускали чат-ботов, добавляли нейросети в коммуникации и тестировали генерацию текстов, ответов, писем и кратких справок.

Но постепенно стало понятно: одного диалога с ИИ бизнесу недостаточно.

Чат-бот может ответить на вопрос. Иногда быстро, грамотно и вежливо. Но для компании важен не сам ответ, а результат: подготовленный отчет, обработанная заявка, найденная причина отклонения, собранная аналитика, корректно заполненный документ или сокращение ручной работы.

Поэтому фокус смещается. Бизнес начинает смотреть не на ИИ как на отдельное окно для переписки, а на ИИ-помощника, встроенного в конкретный процесс.

Разница принципиальная.

Чат-бот общается. ИИ-помощник получает задачу, обращается к данным, учитывает права пользователя и помогает выполнить часть работы.

Ниже — 3 показательных примера из рынка.

 

Сбер: ИИ встраивают в маркетинговые процессы

Сбер представил мультиагентную ИИ-систему «Маркус» для маркетинга и коммуникаций. По данным компании, система помогает с аналитикой, мониторингом информационного поля, подготовкой материалов и другими задачами маркетинговой команды.

В этом кейсе важен не только сам запуск ИИ-инструмента. Ключевой момент — предварительная работа с процессами. Перед внедрением Сбер разобрал маркетинговые и коммуникационные функции, укрупнил их и выделил направления для дальнейшей автономизации.

Именно с этого обычно и должна начинаться работа с ИИ.

Не с выбора модели. Не с покупки доступа к нейросети. Не с идеи «давайте сделаем агента для всего отдела».

Сначала нужно понять, какие действия в подразделении повторяются, где сотрудники тратят больше всего времени и какие операции можно безопасно передать системе.

Источник: Сбер о запуске «Маркуса»

 

Билайн: ценность ИИ появляется при доступе к данным

Билайн Big Data & AI открыл демодоступ к новым ИИ-агентам для бизнеса: «Помощнику аналитика» и «Маркетологу».

«Помощник аналитика» рассчитан на работу с бизнес-показателями. Он помогает искать причины отклонений, анализировать воронку продаж, отток клиентов и другие параметры, которые важны для управленческих решений.

Здесь хорошо видно главное отличие ИИ-помощника от обычного чат-бота.

Если система не подключена к данным компании, она может давать только общие рассуждения. Например, перечислить типовые причины падения продаж или роста оттока. Но она не сможет объяснить, что именно происходит в конкретном бизнесе.

Для реальной пользы помощнику нужны источники данных: CRM, отчеты, база обращений, история сделок, справочники, документы, BI-контур. И вместе с этим — правила доступа, журналирование действий и понятная логика работы с информацией.

Сам интерфейс чата здесь не самая сложная часть. Гораздо сложнее корректно подключить данные и сделать так, чтобы система не создавала новые риски.

Источник: Билайн о демодоступе к ИИ-агентам

 

2ГИС: ИИ становится интерфейсом к сложному продукту

В «2ГИС Про» появился ИИ-помощник для геоаналитики. Пользователь может описать задачу обычным языком, например попросить оценить потенциал локации для бизнеса. Система формирует интерактивный отчет на карте с данными и выводами.

Этот пример интересен не только для геоаналитики.

Он показывает, как ИИ может стать новым интерфейсом к сложной системе. Раньше пользователю нужно было самому выбирать слои, фильтры, параметры и собирать отчет. Теперь часть этого пути можно начать с обычного вопроса.

Для корпоративных систем это важное направление.

Во многих компаниях внутренние продукты со временем становятся функционально богатыми, но сложными для сотрудников. В них много разделов, ролей, справочников, отчетов и сценариев. ИИ-помощник может сократить путь до нужного действия, если он встроен в систему и понимает ее структуру.

Источник: ComNews о запуске ИИ-помощника в 2ГИС Про

 

Почему бизнесу уже мало чат-бота

Во всех трех примерах ИИ работает не сам по себе.

У Сбера он связан с маркетинговыми функциями.
У Билайна — с аналитикой и корпоративными данными.
У 2ГИС — с геоаналитическим сервисом и пользовательским сценарием.

Это и есть главный сдвиг.

Бизнесу нужен не еще один чат, а помощник, который встроен туда, где возникает рабочая задача.

Если менеджер готовится к звонку, система должна собрать историю клиента и текущие договоренности. Если аналитик ищет причину отклонения в показателях, помощник должен обращаться к реальным данным. Если сотрудник работает в сложной внутренней системе, ИИ должен помогать быстрее пройти к нужному действию.

Без такой связи ИИ остается отдельным инструментом. Сотруднику приходится открывать еще одно окно, вручную копировать туда информацию и потом переносить результат обратно в рабочую систему.

В таком формате автоматизация получается поверхностной.

 

Что нужно подготовить перед внедрением ИИ-помощника

Полезный ИИ-помощник начинается не с промптов и не с выбора конкретной модели. Он начинается с разборки процесса.

Компании нужно ответить на несколько вопросов.

Какую задачу должен выполнять помощник

Формулировка «внедрить ИИ в продажи» слишком широкая. С ней сложно работать и почти невозможно оценить результат.

Гораздо лучше выбрать узкий сценарий:

• подготовка краткой сводки по клиенту перед звонком;
• поиск ответа в базе знаний поддержки;
• первичная классификация обращения;
• сбор данных для отчета;
• подготовка черновика документа;
• поиск расхождений в показателях.
  
  

Чем конкретнее задача, тем проще проверить, помогает ИИ или просто создает видимость автоматизации.

Какие данные ему нужны

ИИ-помощник не может качественно работать в отрыве от корпоративной информации.

Если данные разрознены, устарели или хранятся в разных версиях, помощник начнет воспроизводить этот хаос. Он может сформулировать ответ уверенно, но это не сделает исходные данные правильными.

Перед внедрением важно понять, где находятся нужные источники, кто за них отвечает, как часто они обновляются и по каким правилам система должна к ним обращаться.

Какие действия можно доверить системе

Не каждый сценарий требует полной автономности.

На первом этапе помощник может только готовить черновик, подсказку или аналитическую сводку. Финальное решение остается за сотрудником.

Такой подход снижает риски и помогает постепенно накапливать доверие к системе. Особенно если речь идет о клиентских коммуникациях, финансовых данных, юридически значимых документах или управленческих решениях.

Как будет измеряться результат

Запуск ИИ-помощника нельзя оценивать только по тому, что он отвечает на вопросы.

Нужны понятные показатели: сколько времени экономится, сколько ручных действий исчезает, насколько быстрее обрабатываются обращения, как меняется нагрузка на сотрудников, уменьшается ли количество ошибок.

Без метрик любой пилот можно объявить успешным. Но для бизнеса важен не сам факт запуска, а изменение процесса.

 

Где чаще всего возникают сложности

На практике основные проблемы обычно связаны не с нейросетью.

Модель можно выбрать. Интерфейс можно разработать. Прототип можно показать достаточно быстро.

Сложности начинаются глубже:

• процессы не описаны;
• данные противоречат друг другу;
• нет единой логики прав доступа;
• документы устарели;
• интеграции с внутренними системами требуют доработки;
• сотрудники по-разному понимают правильный результат;
• компания не определила, что именно хочет улучшить.
  
  

Поэтому ИИ-проекты часто хорошо выглядят на демонстрации, но буксуют при переходе в промышленную эксплуатацию.

Пилот работает на ограниченном наборе данных и заранее подготовленных сценариях. Реальная эксплуатация сталкивается с исключениями, ошибками, разными ролями пользователей, неполными данными и высокой ответственностью за результат.

«Сейчас бизнесу нужен не ИИ, который просто отвечает на вопросы, а инструмент, встроенный в рабочую среду и привязанный к конкретному процессу. Но такой помощник не появляется из воздуха. Сначала нужно разобраться с данными, правами доступа, интеграциями и логикой самой работы. Иначе компания получает еще один интерфейс, который создает шум вместо результата», — Алексей Постригайло, старший партнер ИТ-⁠интегратора «Энсайн».

 

Какой подход выглядит наиболее рабочим

Самый надежный путь — начинать с узкого сценария.

Не пытаться сразу автоматизировать весь отдел. Не строить универсального агента для всех задач. Не подключать систему ко всем данным компании без ограничений.

Лучше выбрать один процесс, где:

• задача повторяется регулярно;
• данные уже есть в цифровом виде;
• результат можно проверить;
• цена ошибки понятна;
• сотрудник может контролировать итог.
  
  

После этого можно описать процесс, подключить нужные источники, настроить права, запустить пилот на ограниченной группе и сравнить показатели до и после внедрения.

Такой подход выглядит менее громко, чем запуск большого универсального ИИ-агента. Но именно он чаще приводит к рабочему результату.

 

Вывод

Бизнес постепенно уходит от идеи «добавить чат-бота» к более зрелому подходу: встроить ИИ в конкретный процесс.

ИИ-помощник приносит пользу не потому, что умеет красиво отвечать. Его ценность появляется там, где он подключен к данным, понимает задачу, действует в рамках прав пользователя и сокращает ручную работу.

Для компаний это означает простую вещь: перед внедрением ИИ нужно смотреть не только на модель, но и на собственную цифровую среду.

Если процессы не описаны, данные не готовы, а права доступа настроены формально, ИИ быстро начнет производить больше шума, чем пользы.

Если же у компании есть понятный сценарий, качественные данные и готовность встроить помощника в рабочую систему, ИИ может стать не модной надстройкой, а нормальным инструментом повышения эффективности.

В этом и заключается главный переход: от ИИ, который отвечает, к ИИ, который действительно помогает выполнять работу.