Меня часто спрашивают: можно ли за месяц превратить сотрудника в уверенного пользователя ИИ. Да, можно. Но здесь важно не путать «поиграться с нейросетью» и реально встроить её в работу. Если человеку просто дать доступ к ChatGPT и сказать «пользуйся» — через месяц ничего не изменится. Будет видимость активности: сотрудники генерируют тексты, радуются красивым ответам, но бизнес-процесс остаётся прежним.

Моя методология другая. Я иду не от инструмента, а от задачи.

Первая неделя — диагностика. Мы смотрим, чем человек реально занимается каждый день: письма, отчёты, таблицы, где теряет время, где ошибается, где постоянно повторяет одно и то же. Уже на этом этапе видно: 20–30% рабочего времени уходит на рутину, которую можно сильно ускорить.

Вторая неделя — обучение на реальных задачах. Не абстрактные промпты из интернета, а конкретные сценарии сотрудника: подготовить коммерческое предложение, разобрать звонок, сделать анализ конкурентов, переписать письмо клиенту.

Третья неделя — сборка личных шаблонов. У человека появляются свои рабочие промпты, инструкции, алгоритм: когда использовать ИИ, в каком формате проверять результат и как не отдавать нейросети критическое мышление в аренду.

Четвёртая неделя — внедрение в ритм работы. Фиксируем эффект: сколько времени занимала задача раньше, сколько сейчас, насколько быстрее сотрудник отдаёт результат.

Когда я говорю про «рост эффективности в 2–3 раза», я имею в виду не магию. Задача занимала 3 часа — стала занимать 1. Менеджер готовил 5 персонализированных сообщений в день — теперь 15–20. Руководитель тратил полдня на отчёт — теперь получает черновик за 20 минут и дорабатывает головой, а не руками.

Хороший результат через месяц — это когда сотрудник сам может посмотреть на свою задачу и сказать: «Вот здесь я ускорюсь, здесь ИИ поможет, здесь нужен мой контроль, а это модели отдавать нельзя».

С чего начать собственнику: три «низко висящих фрукта»

Я бы взял процессы, которые одновременно повторяются, отнимают много времени и не требуют сложной IT-инфраструктуры.

Первое — тексты и коммуникации. Коммерческие предложения, ответы на типовые вопросы, описания продуктов, презентации. ИИ даёт быстрый эффект: помогает собрать структуру, сделать текст понятнее, адаптировать под клиента.

Второе — анализ звонков и переписок. Собственник часто не понимает, что реально происходит в продажах: почему отваливаются клиенты, какие возражения звучат, где теряются деньги. Сейчас можно взять записи звонков, расшифровать их, выделить ошибки, лучшие фразы, следующие шаги. Для отдела продаж это один из самых быстрых способов увидеть деньги, которые компания теряет каждый день.

Третье — подготовка управленческой информации. Собственник тонет в хаосе: отчёты, сообщения от команды, задачи, идеи. ИИ помогает собирать из этого краткое резюме, риски, приоритеты, план действий. Это не заменяет руководителя, но снижает когнитивный шум — налог на мозг, который никто не вносит в P&L, хотя стоило бы.

За первый месяц без миллионных бюджетов я бы выбрал именно эти три задачи. Бизнесу на первом этапе не нужен космический корабль. Ему нужно перестать вручную таскать воду в вёдрах там, где уже можно поставить насос.

Как измерить результат: KPI без иллюзий

Я смотрю на внедрение ИИ через бизнес-метрики, а не через количество «обученных» сотрудников. Потому что можно выдать красивые сертификаты и не получить результата. Человечество в этом талантливо.

Основные KPI делю на четыре группы.

Скорость. Сколько времени занимала типовая задача до ИИ и сколько после. Хороший результат — сокращение на 30–50%. Отличный — в 2–3 раза.

Качество. Меньше ошибок, понятнее документы, выше конверсия сообщений, меньше правок от руководителя. Если скорость выросла, а качество упало — это ускоренное производство мусора. Объём. Сколько задач сотрудник закрывает за тот же период. Менеджер — не 5 касаний, а 20. Маркетолог — не 2 гипотезы, а 10.

Деньги. Экономия часов, снижение стоимости операции, ускорение сделки. Для топ-менеджмента я показываю простую связку: было 4 часа, стало 1,5, экономия 2,5 часа на операции, повторяемость 40 раз в месяц — итог 100 часов в месяц на одном процессе. Вот это разговор. А не «наши сотрудники стали более инновационными» — в переводе с корпоративного «мы сами не поняли, что произошло».

Кейс для совета директоров: не сказка, а измеримый результат

Я аккуратно отношусь к кейсам, потому что не люблю рассказывать сказки в стиле «прибыль выросла на 700% к обеду». Самый сильный эффект обычно появляется не там, где компания строит сложную AI-систему, а там, где берёт конкретный узкий процесс и доводит его до результата.

Типовой пример — внедрение ИИ в продажи и клиентские коммуникации. Задача: собственник не понимал, почему заявки есть, переговоры идут, а конверсия нестабильна. Мы начали не с покупки платформы, а с анализа реальных диалогов. С помощью ИИ расшифровали звонки, выделили частые ошибки, где менеджер не дожал, где плохо объяснил ценность, где ушёл в скидку. Собрали новые скрипты, шаблоны, подсказки и систему разбора звонков.

Первый эффект — через несколько недель. Не потому что ИИ заменил продавцов, а потому что руководитель наконец увидел реальную картину продаж.

Финансовый результат складывается из трёх частей: меньше потерь в текущих заявках, быстрее обучение менеджеров, выше конверсия. Это не история про сокращение штата. На первом этапе я вообще не считаю сокращение главным показателем успеха. Более сильная стратегия — взять тех же людей и сделать так, чтобы они приносили больше результата.

Для совета директоров формулирую так: ИИ принёс результат не как отдельная технология, а как инструмент управляемости. Он позволил быстрее видеть слабые места, быстрее обучать команду и быстрее принимать решения.

Почему пилоты без выхлопа застревают и как снять страхи команды

Причины стандартные. Пилот делают ради пилота — нет конкретной бизнес-задачи. Просто «давайте внедрим, потому что все внедряют». Это как купить тренажёр домой и считать, что тело уже стало спортивным. Нет, он просто красиво занимает место. Нет владельца процесса — никто персонально не отвечает за результат. Людей не обучают на их реальных задачах — показывают общие возможности, они впечатляются, а потом не понимают, куда это применить.

Четвёртая причина — страх команды. Люди думают: «Нас научат, а потом заменят». И если руководитель это игнорирует, сопротивление будет скрытым. На встречах все кивают, а внутри думают: «Я сам себе копаю яму».

Как объяснять правильно? Не надо говорить сладкое «не бойтесь, вас не заменят». Честнее так: ИИ действительно изменит работу. Часть рутинных задач уйдёт. Но наша цель — не заменить сильных людей, а убрать из их работы механическую рутину, чтобы они занимались клиентами, качеством, развитием. В ближайшие годы будет расти не тот, кто игнорирует ИИ, а тот, кто умеет с ним работать.

Я бы объяснял через карьерный рост. Сотрудник, который умеет использовать ИИ, становится не слабее, а дороже. Он быстрее готовит материалы, лучше анализирует, меньше тонет в операционке.

Но главное — руководитель должен показать правила игры. Мы не используем ИИ как повод мгновенно сокращать людей. Мы внедряем его сначала в рутину. Мы обучаем сотрудников на их задачах. Мы оцениваем не количество промптов, а результат работы. Мы поощряем тех, кто ускоряет процессы и делится этим с командой.

Тогда ИИ перестаёт быть угрозой и становится инструментом усиления. Но только если руководитель сам понимает, зачем он это делает. Если у первого лица в голове хаос, то ИИ просто ускорит хаос. Очень технологично, очень современно, совершенно бесполезно.

Редакция журнала PEOPLE благодарит Романа Исаева за системный взгляд на внедрение ИИ в бизнес-процессы. Рекомендуем читателям, которые хотят не «поиграть», а реально ускорить работу, начать с диагностики своих рутинных задач.