Искусственный интеллект для бизнеса: с чего начать

Что вы узнаете:

с чего начать внедрение ИИ, если в компании его пока нет
таблицу выбора направления под вашу задачу - агенты, ассистенты, автоматизация, документы, персональные данные, подборщик для сайта
ориентир по формату и срокам внедрения
чек-лист первой задачи и разбор типичных ошибок

Коротко: с чего начать внедрение ИИ в бизнесе

Начинайте не со слов «внедрим ИИ в компании», а с одной конкретной рутинной задачи. Она должна повторяться часто, иметь измеримый результат и не требовать решения, от которого с первой попытки зависит весь бизнес.

Затем определите, какое направление подходит задаче:

общение с клиентами и действия в системах - ИИ-агент;
поиск по документам и базам знаний - виртуальный ассистент;
цепочка шагов без диалога - автоматизация процесса;
подготовка и проверка документов;
работа с персональными данными;
подбор варианта для посетителя сайта.

У каждого направления свой типичный формат старта - от точечного скрипта до проекта под ключ. Ниже разберём, как выбрать задачу и формат, а также что учесть, если в процессе есть персональные данные.

Почему многие компании называют ИИ трендом, но не внедряют его

Коротко: по опросам компаний заметен разрыв между «интересуемся ИИ» и «реально используем ИИ в работе».

По опросу UserGate за январь 2026 года, в котором участвовали 335 топ-менеджеров компаний с выручкой от 100 млн рублей в год, 97% компаний уже используют ИИ, тестируют его в пилотах или планируют внедрять. В публикациях не уточняется, в какой срок идёт речь о планах внедрения. Организатор опроса - разработчик решений для информационной безопасности, поэтому часть сценариев в нём связана с ИТ-инфраструктурой и безопасностью; переносить эту цифру на любой бизнес не стоит. Среди барьеров в публикациях об опросе называют неясность ценности технологии (54%), неопределённость рисков (38%), отсутствие распределения ответственности (29%), ограниченные бюджеты (29%) и нехватку экспертизы (17%). В пересказах не всегда ясно, к какой части респондентов относятся эти доли, поэтому читать их стоит как перечень типичных барьеров, а не как долю компаний, не видящих ценности ИИ.

III Всероссийский опрос по цифровой трансформации, проведённый Artezio (группа ЛАНИТ), Comindware, РУССОФТ и ассоциацией BPM-профессионалов, по промежуточным данным от 21 января 2026 года показал другую сторону разрыва: 40% компаний назвали внедрение ИИ одним из ключевых трендов цифровизации в своей отрасли, но реально используют ИИ-технологии для обработки данных и принятия решений только 10%. Размер выборки в публикации не указан.

Схожая картина видна и в глобальных данных - по данным исследования McKinsey The State of AI (2026), как их пересказывают профильные издания; сам отчёт на дату проверки напрямую открыть не удалось. Почти девять из десяти организаций регулярно используют ИИ хотя бы в одной бизнес-функции, но только 37% респондентов сообщают о вкладе ИИ в прибыль до вычета процентов и налогов (EBIT), и эта доля почти не изменилась за год. Около 6% организаций относят к лидерам, у которых ИИ даёт существенный финансовый эффект.

Одних проб с готовым чатом недостаточно, чтобы получить эффект в бизнесе. Для этого ИИ нужно встроить в конкретный процесс и заранее определить, что именно измерять. Как выбрать такую задачу, разберём ниже.

Какие задачи ИИ обычно решает в бизнесе

Коротко: у направлений внедрения ИИ разные сценарии - от общения с клиентами до подготовки документов.

Ориентир по направлениям, на которых строятся решения LLAIM:

Направление	Что делает	Типичная задача
ИИ-агент	Отвечает клиентам в мессенджерах и на сайте, опирается на базу знаний компании, заполняет карточки в CRM, передаёт сложный диалог менеджеру	Заявки теряются или обрабатываются с задержкой вечером и в выходные
Виртуальный ассистент	Индексирует внутренние документы и регламенты, отвечает сотруднику обычным языком, может подтягивать данные из CRM	Сотрудники тратят часы на поиск информации вместо экспертной работы
Автоматизация процесса	Собирает цепочку шагов из no-code-платформ (без ручного программирования) и точечного кода, для критичных процессов добавляет проверку и журнал решений	Ручной повторяющийся процесс: обработка заявок, загрузка данных, участие в тендерах
Работа с документами	Готовит или проверяет документ по шаблонам и регламентам компании, финальное решение остаётся за специалистом	Юристы вручную вычитывают договоры, менеджеры часами собирают коммерческие предложения
Обезличивание персональных данных	Заменяет персональные данные метками до отправки во внешний ИИ-сервис, результат восстанавливается на стороне компании	Нужно обрабатывать документы с персональными данными, но нельзя передавать их во внешний сервис как есть
ИИ-подборщик для сайта	В диалоге сужает выбор товара, услуги или тарифа до одного-трёх вариантов вместо каталога или длинной формы	Посетитель не может разобраться в каталоге и уходит с сайта либо звонит с вопросом, на который отвечает сам каталог

Направления можно сочетать. Например, обработка договора с персональными данными требует работы с документами и обезличивания. Агент, который отвечает клиентам и обновляет CRM, сочетает работу с диалогом и действия в системе.

Как выбрать первую задачу

Коротко: чем больше пунктов ниже совпадает с задачей, тем лучше она подходит для первого внедрения.

Проверьте задачу по списку:

Она повторяется часто - каждый день или каждую неделю, а не раз в квартал.
Результат можно проверить: понятно, что считать правильным ответом.
Есть данные, на которые ИИ может опираться: база знаний, регламент, шаблон или история обращений.
Цена ошибки невысока, а сложные случаи можно передать человеку на проверку.
Можно измерить, сколько времени или обращений занимает задача сейчас. Иначе не с чем будет сравнить результат после запуска.
В задаче нет данных, которые нельзя передавать внешним сервисам, или заранее понятно, как с ними поступить. Подробнее - в разделе о персональных данных.

Лучше выбрать одну задачу, а не пытаться закрыть сразу несколько процессов одним проектом. К соседним задачам и отделам стоит переходить после того, как первая даст измеримый результат.

В каком формате обычно начинают внедрение

Коротко: формат зависит от направления - от точечного скрипта до проекта под ключ с MVP (минимальной рабочей версией) на несколько недель, точную стоимость называют только после оценки конкретной задачи.

Ориентир по направлениям LLAIM на дату проверки:

Направление	Типичный формат старта
ИИ-агент	Обычно стартует как проект «под ключ» с MVP (минимальной рабочей версией) за 2-4 недели, дальше - подписка на поддержку
Виртуальный ассистент	Чаще Time & Material (оплата по фактическим часам) на этапе внедрения, далее подписка на поддержку и развитие
Автоматизация процесса	От точечного скрипта (Time & Material, оплата по фактическим часам) до комплексного проекта «под ключ» - зависит от процесса
Работа с документами	От точечного скрипта под конкретный шаблон до комплексного проекта на несколько типов документов
Обезличивание персональных данных	Чаще всего внедряется как часть более крупного проекта - агента, ассистента или проверки документов - и оценивается индивидуально
ИИ-подборщик для сайта	Обычно MVP под один каталог или линейку услуг - 2-3 недели, дальше донастройка сценариев вопросов

Точные сроки и стоимость нужно оценивать по объёму процесса, числу интеграций и готовности данных и регламентов. Прежде чем закладывать бюджет на проект под ключ, стоит проверить гипотезу на точечной задаче с понятным форматом.

Как быть с персональными данными

Коротко: если в процессе есть имена, контакты, документы сотрудников или клиентов, вопрос персональных данных нужно решить до запуска, а не в конце проекта.

Если в процесс попадают ФИО, контакты, документы сотрудников или клиентов, на компанию распространяются требования законодательства о персональных данных. Это создаёт для компании отдельный риск при передаче данных во внешний ИИ-сервис. Актуальные требования стоит уточнить у своего юриста. Подробный разбор допустимых схем работы с нейросетью и рисков есть в статье «Работа с нейросетью и 152-ФЗ».

Если задача требует обработки документов с персональными данными, один из вариантов - обезличивание. Персональные данные заменяются метками до того, как текст попадёт во внешний ИИ-сервис, а результат восстанавливается на стороне компании. Так устроено решение LLAIM «обезличивание документов для ИИ».

Пример применения - проект «Обезличенная проверка договоров с контрагентами». Конвейер из 9 ИИ-агентов проверяет договор аренды на 100+ страниц с автоматическим обезличиванием персональных данных. Первичная проверка сократилась с 4-5 часов до примерно 10 минут, персональных данных во внешний ИИ передано 0.

Когда нужен именно ИИ-агент

Коротко: агент - один из шести вариантов решения. Он подходит, когда задача связана с диалогом и действиями в ваших системах, а не только с обработкой документов в фоне.

От чат-бота агент отличается тем, что не ограничен жёстким сценарием. По описанию агентных систем Anthropic, агент сам направляет процесс и использование инструментов, а не идёт по жёстко заданному пути, как обычная автоматизация. Такие решения часто обменивают часть скорости и стоимости на более гибкую работу с нестандартным входом. Поэтому усложнять решение стоит только тогда, когда это доказуемо улучшает результат для конкретной задачи.

Если кандидат в первую задачу - диалог с клиентом или сотрудником и действия по его итогам в CRM или другой системе, загляните в статью «ИИ-агент для бизнеса». Там разобрано, чем агент отличается от бота и ассистента, как выбрать для него задачу и как его создать.

Как оценить эффект

Коротко: договоритесь о метрике и замерьте исходное состояние до запуска. Иначе после внедрения не с чем будет сравнивать результат.

Обычно замеряют:

время выполнения задачи или обработки обращения до и после запуска;
долю случаев, которые ИИ закрывает самостоятельно, и долю, переданную человеку;
число ошибок и возвратов на этапе проверки результата;
время, которое сотрудники тратят на ту же задачу вручную.

В проектах LLAIM результаты зависят от процесса:

в проекте с проверкой договора аренды время сократилось с 4-5 часов до примерно 10 минут при одновременном обезличивании персональных данных;
в проекте ИИ-юриста проверка договора по чек-листу сократилась с 4 часов до 15 минут, а подготовка нового договора заняла минуты вместо часов;
в проекте с коммерческими предложениями подготовка КП сократилась с часов до минут за счёт сверки с автоматически обновляемой базой поставщиков.

Это результаты конкретных проектов, а не гарантия аналогичного эффекта для любой задачи.

Риски и типичные ошибки

Старт с формулировки «внедрим ИИ везде», а не с одной задачи. Без конкретной метрики и границ проект растягивается, а эффект сложно измерить.
Передача персональных данных во внешний сервис без проверки условий. Это создаёт юридический риск для компании, если она выступает оператором или иным образом обрабатывает эти данные - см. раздел выше.
Отсутствие исходных цифр. Если не измерить время или число ошибок до запуска, после него нечем будет подтвердить эффект.
Зависимость от одного сотрудника. Если решение настроил один человек и никто больше не знает его логику и правила, поддержку будет сложнее организовать. Логику и правила стоит документировать с самого начала.
Слишком высокая цена ошибки для первой задачи. Для первого проекта лучше выбрать процесс, где ошибку можно заметить и исправить до того, как она дойдёт до клиента.

Когда ИИ не подходит

Стоит отказаться от ИИ или отложить внедрение, если:

процесс жёсткий и не допускает вариантов - для него может хватить обычной автоматизации;
задача возникает редко и её результат сложно измерить;
нет данных, регламентов или истории обращений, на которые решение могло бы опираться;
цена ошибки высока, а проверить результат до того, как он дойдёт до клиента, некому;
данные нельзя передавать внешним сервисам, а обезличивание или собственная инфраструктура для этой задачи пока не рассматриваются.

Как проверить, что внедрение работает

Перед запуском стоит зафиксировать критерии проверки:

есть показатель «до» и показатель «после» по выбранной метрике за сопоставимый период;
человек проверил выборку результатов и определил приемлемую долю ошибок;
сложные случаи доходят до сотрудника, а не теряются;
команда пользуется решением, а не обходит его в повседневной работе;
у решения есть человек, который отвечает за правила, данные и обновления.

Если хотите обсудить свою задачу и выбрать направление, оставьте заявку: первичная консультация и оценка сроков и стоимости.

Источники

Опрос UserGate, январь 2026 года (335 топ-менеджеров компаний с выручкой от 100 млн рублей в год), по публикациям anti-malware.ru, ComNews, CISOCLUB: доля компаний, использующих, тестирующих или планирующих ИИ, и перечень барьеров
III Всероссийский опрос по цифровой трансформации, Artezio (группа ЛАНИТ), Comindware, РУССОФТ и ассоциация BPM-профессионалов, пресс-релиз от 21 января 2026 года (промежуточные данные, выборка не указана): доля компаний, назвавших ИИ трендом, и доля реально использующих ИИ
McKinsey, The State of AI, 2026: доля организаций, регулярно использующих ИИ, и доля с вкладом ИИ в EBIT - по пересказам профильных изданий (страница и PDF McKinsey на дату проверки 29.09.2026 не открылись)
Anthropic, «Building effective agents»: определение агентных систем и рабочих цепочек
Страницы решений LLAIM: ИИ-агенты, виртуальные ассистенты, автоматизация процессов, работа с документами, обезличивание документов для ИИ, ИИ-подборщик для сайта
Статьи автора в блоге LLAIM: «ИИ-агент для бизнеса», «Работа с нейросетью и 152-ФЗ»

ИИ для бизнеса: с чего начать