Марина Зырева

CDO «Авторского консультационного ИТ-центра», сертифицированный консультант 1С с 20+ годами автоматизации бизнеса и госсектора. Эксперт по ERP, СГС и управленческому учету, преподаватель ТвГУ и автор научных статей о цифровизации.

Как найти первый сценарий, где ИИ даст измеримый результат, а не очередную красивую презентацию?

Коллеги, давайте честно. Когда я спрашиваю руководителей: «Как вы используете ИИ?», почти всегда слышу один из двух ответов.

Первый: «Ну, картинки рисуем, тексты правим, погоду уточняем». Второй, с виноватой улыбкой: «У нас все слишком уникально. ИИ нам точно не нужен». И вот второй ответ мне нравится больше. Потому что он хотя бы честный.


Не потому, что в компании правда нет задач. А потому, что задачи для ИИ пока не сформулированы и их невозможно ни автоматизировать, ни измерить, ни защитить перед советом директоров.

Где обычно прячется задача

Вспомните свой обычный рабочий день. Что отнимает время, нервы и внимание команды, но результат каждый раз почти одинаковый? Разобрать почту. Прочитать десять чатов. Собрать данные из трех систем. Подготовить ответ на типовой запрос. Проверить договор. Свести оперативку. Найти, почему отчет опять «не сходится».

Знакомо? Вот это и есть потенциальные задачи для ИИ.

Не «цифровая трансформация предприятия». Не «агенты будущего». А конкретная боль: менеджер час ищет историю заказа, руководитель три дня ждет сводку, новичок не может найти регламент, или ошибка в остатках всплывает тогда, когда исправлять уже поздно.

ИИ особенно хорош именно там, где работа повторяется, есть данные и правила, и, важно, что результат можно проверить. Это не модная теория, это рабочая логика внедрения: сначала выбирают узкий процесс с понятной метрикой, затем проверяют данные и запускают пилот.

Три вопроса перед стартом

Прежде чем искать «задачи для ИИ», задайте себе три вопроса.


  1. Задача повторяется? Если это разовый кейс уровня «спаси положение в конкретном тендере» — ИИ, скорее всего, не ваш инструмент.
  2. Есть данные и правила? История заказов, регламенты, шаблоны ответов, договоры, номенклатура, платежи. Не идеально чистые — достаточно пригодные для работы.
  3. Результат можно проверить? Это ключевой вопрос. Если вы не можете отличить хороший ответ от красивой галлюцинации, ИИ пока нельзя применить в этом процессе.


ИИ не творит из ничего. Он предлагает вероятный ответ на основе доступных ему данных и правил. Поэтому там, где нет данных, регламента и критериев качества, он не волшебник, а генератор уверенного текста.

Отсюда простая мысль: не надо искать ИИ-задачи там, где вы как эксперт, глубоко погруженный в контекст, сами не знаете ответа. Начинать стоит с обратного — с рутины, где ответ известен, но его каждый раз дорого добывать.

Пять зон, где ИИ уже работает

Зона Знакомая ситуация Что может сделать ИИ
Клиентский сервис Менеджер долго ищет историю заказов и переписку Готовит черновик ответа на основе данных, истории и регламента
Отчетность Руководитель ждет сводку несколько дней Собирает черновик отчета и подсвечивает отклонения
Документы Сотрудники вручную проверяют договоры и заявки Выделяет риски, несоответствия и пропущенные поля, решение остается за человеком
Знания Новичок не знает, где искать инструкцию Находит нужный регламент, пример и ответственного
Контроль Ошибки обнаруживаются после факта Сигнализирует об аномалиях в заказах, остатках или платежах

Поступил звонок на техническую поддержку, куда его направить и как решить вопрос? Менеджер может мастерски исследовать исторические данные учетной системы «1С:ERP», технические мануалы, но намного точнее и увереннее будет ответ, когда историю отношений при входящем звонке нам справочно покажет ИИ-помощник, также как и возможный сценарий решения вопроса.

А может вам знакома ситуация ожидания сводки по продажам разных департаментов и направлений? Конечно, каждую пятницу или понедельник эту сводку вам вышлет финансовый директор или подсистема репортинга «1С:ERP» или сводка будет опубликована на витрине данных. Но как интерпретировать эти данные? Насколько они согласованы с историческими, ранее предоставленными данными? ИИ помнит контекст, конечно, могут быть галлюцинации, но есть и механизмы применимости полученных данных от ИИ.

Боль каждого руководителя — должная бдительность и осмотрительность. Эта обязанность возложена на руководителя компании по ГК РФ, последствия нарушения должной бдительности и осмотрительности очень печальны. Но как успеть проверить по всем источникам и документам? Сопоставить данные службы экономической безопасности и ИТ? Справки Интерфакса, сторонние сервисы проверят внешнюю информацию, но соотнести c условиями в конкретном договоре или оферты они вряд ли сделают. ИИ-агент способен самостоятельно при появлении новой версии договора или счета проанализировать все значимые и скрытые риски и пробелы, приводящие к их возникновению.

Примеры вы сможете продолжить уже сами, верно?

Это не фантастика и не «ИИ вместо людей». Это ИИ как первый черновик, фильтр, помощник и раннее предупреждение. Финальное решение — по-прежнему за руководителем или сотрудником, который отвечает за результат.

Почему ИИ, а не автоматизации?!

Отличительной чертой цифровых технологий по сравнению с ИТ (автоматизации) является независимость от пользователя в исполнении поставленных (назначенных) задач. ИИ полноценно берет на себя исполнение без необходимости регулярного контроля автоматизированных процессов, которые запускаются пользователем. Хотя ИИ-агенты потребуют разработки сценариев верификации и валидации полученных ответов. Но, это другая история, которую мы с вами обсудим на страницах журнала в последующих выпусках колонки.

Главный подвох

А теперь неприятная часть.

Нельзя просто взять ИИ и «прикрутить» его к хаосу. Если данные разбросаны по файлам, в 1С живут одни цифры, в Excel — другие, а в чатах — третьи, ИИ не спасет. Он лишь быстрее размножит вашу текущую путаницу.


Перед первым ИИ-сценарием нужны две вещи:

  • рабочая, пусть и простая, система управления данными;
  • хотя бы минимально автоматизированный бизнес-процесс.

Формула запуска выглядит обманчиво просто: ищем данные, верим в эти данные, выстраиваем процесс.

И вот пункт «верим в эти данные» — самый сложный.

Вы, как опытные пользователи «1С:Предприятие», без труда найдете в системе нужные данные. Но готовы ли вы им верить? Насколько актуальны остатки? Кто и когда исправил реквизиты? Почему в отчете одна выручка, а в управленке — другая?

Думаю, именно вопрос «верить или не верить данным» и есть настоящая причина, по которой многие компании отказываются от ИИ. Не технология не готова. Не готовы данные, процесс и ответственность за результат.

И это хорошая новость: в отличие от прогноза продаж, подготовка данных полностью в наших руках.

Конечно, есть важные моменты безопасности, конфиденциальности. В эти вопросы мы погрузимся с вами, уважаемые читатели, в последующих публикациях нашей колонки.

Что сделать уже на этой неделе

Не начинайте с «стратегии внедрения ИИ». Начните с одного листа бумаги.


  • Выберите одну повторяющуюся задачу, которая раздражает команду.
  • Замерьте, сколько времени и денег она сегодня съедает.
  • Проверьте, где живут данные для нее и можно ли им доверять.
  • Сформулируйте критерий успеха: например, «черновик ответа клиенту готов за 5 минут вместо 40».
  • Назначьте владельца результата. Вместо «ИТ-отдел» укажите конкретного человека, который отвечает за бизнес-эффект.

Без цифры «до» через месяц вы не сможете доказать эффект. А без владельца результата любой пилот превратится в красивый эксперимент, который всем понравился и никому не нужен.

Не забудьте, вы сами должны хоть на бытовом уровне «поиграть» с технологией, хоть картинки попробуйте в GigaChat. И не стоит начинать с тяжелых и критически нагруженных задач, пусть будет маленькая, может даже смешная задача, но решение ее даст вам уверенность в технологии.

Сколько стоит ИИ-проект как пилот

Могу привести свой первый пример ИИ-агента из моей практики: я создала агента-сводку по своим задачам, почтам, каналам коммуникации. Затраты равны размеру платной подписки, порядка 3 тысяч рублей в месяц. Делала все сама, заняло три часа, однако сейчас я экономлю намного больше — до 2 часов рабочего времени в неделю. Не надо вкладываться в большую заказную разработку, проверьте «свою гипотезу» на малых задачах малыми усилиями, чтобы понять эффект и направление развития. И, конечно, «лучше один раз увидеть», как это работает.

Что дальше

В следующем выпуске разберем первый из двух фундаментов: как навести порядок в данных так, чтобы ИИ не пришлось «угадывать» вашу реальность. Поговорим о том, какие данные стоит привести в порядок в первую очередь, где обычно прячутся ошибки и как отличить «плохие данные» от «данных, которые просто неудобно достать».


А пока — небольшой челлендж.

Напишите мне одну задачу из вашей компании, которая повторяется каждую неделю, отнимает время и имеет проверяемый результат. Взамен абстрактной «автоматизации продаж» конкретную: «каждый понедельник собираем сводку по дебиторке из трех источников» или «менеджеры вручную проверяют заявки на соответствие регламенту».

Разберем ваши кейсы в следующих выпусках: где там ИИ-сценарий, где обычная автоматизация, а где сначала нужно починить данные. Возможно, именно ваш кейс станет первым разобранным примером в колонке.

Потому что лучший способ понять, нужен ли вам ИИ, — не читать про него, а взять одну реальную задачу и критически на нее посмотреть самому или прислать нам в редакцию журнала «Управляем предприятием» на почту upr@1c.ru.

Вы можете кейс сделать анонимным.


ii_2in.png

 

Комментарии 0

Чтобы оставить комментарий пожалуйста Авторизуйтесь

© «УПРАВЛЯЕМ ПРЕДПРИЯТИЕМ»
Все права защищены. Все торговые марки являются собственностью их правообладателей.