Коротко: почему внедрение ИИ проваливается
Внедрение ИИ в бизнес чаще проваливается не из-за технологии, а из-за того, как его внедряют. Ошибки повторяются из компании в компанию и почти всегда сводятся к пяти. Ниже — пять типичных ловушек, в которые попадает малый бизнес, каждая с разбором на живом (пусть и собирательном) примере и понятным выходом. Начнём с того, что вообще стоит за словом «ИИ», — потому что путаница в терминах и запускает первую ошибку.
«Сами технологии уже достаточно зрелые — на большинстве наших проектов ИИ спотыкается не о них, а о подход. За годы внедрений мы видим одни и те же грабли, и почти всегда всё решается на берегу, до подключения любого инструмента».
— Иван Шум, соучредитель и генеральный директор Соль
Какие бывают ИИ-решения
Половина проблем начинается с путаницы в словах. «Нейросеть», «ассистент», «ИИ-агент», «вайбкод» звучат похоже, но это разные инструменты под разные задачи — и берут их часто не те. Разложим по полкам:
- Просто нейросеть (ChatGPT и аналоги). Универсальная модель: пишет, отвечает, помогает с идеями. Живёт «снаружи» бизнеса — не знает ваших клиентов и не видит CRM.Черновики, тексты, варианты, разовые задачи «подумать».
- ИИ-ассистент (BitrixGPT). Встроен в Битрикс24, отвечает и выполняет действия прямо в интерфейсе. Быстрый вопрос к CRM, помощь с задачами и почтой внутри портала.
- ИИ-агент. Берёт конкретную задачу и доводит до результата по сценарию. Повторяющийся процесс: квалификация заявок, сводки, напоминания.
- Вайбкод. Описываете задачу словами — ИИ собирает отдельное решение, которого нет среди готовых. Своя логика или отчёт, которых нет в коробке (например, «забытые сделки»).
Запомнить просто: нейросеть — думает и пишет, ассистент — помогает в интерфейсе, агент — делает конкретную работу, вайбкод — собирает новое под задачу.
Где ИИ реально помогает малому бизнесу
Прежде чем говорить об ошибках — коротко о том, ради чего внедрение ИИ вообще затевают. В малом бизнесе искусственный интеллект чаще всего окупается на четырёх направлениях:
- Входящие заявки и продажи. ИИ-агент ведёт первичный диалог, задаёт уточняющие вопросы, заполняет карточку и передаёт менеджеру тёплый лид — заявки не теряются, а менеджеры не тратят время на «холодных». Подробнее — в статье про автоматизацию продаж с помощью ИИ.
- Отчёты и аналитика. Раньше сводку по продажам собирали неделю — теперь дашборд с конверсиями и прогнозом собирается за минуты, и руководитель видит реальную картину, а не приукрашенные отчёты. Вот, например, готовые дашборды для Битрикс24, которые мы собираем под конкретные задачи.
- Контроль качества. ИИ расшифровывает звонки и переписки и проверяет их по чек-листу: где менеджер не отработал возражение, не зафиксировал следующий шаг. Слушать сотни разговоров руками больше не нужно. Вот, например, как мы настроили ИИ-контроль качества на базе Битрикс24 и GPT.
- Рутина с данными. Чистка дублей, обогащение карточек информацией из открытых источников, перенос данных между системами — то, что съедало часы, ИИ делает по расписанию.
Это и есть автоматизация бизнеса с помощью ИИ в понятном виде: не «умный офис из будущего», а снятие конкретной рутины. Но именно на пути от «звучит здорово» до «работает и приносит пользу» бизнес и попадает в ловушки. Разберём пять главных.
Ловушка 1. Сначала покупают ИИ, потом ищут задачу
Типичная ситуация. Небольшой оптовый поставщик. Директор вернулся с конференции, где показывали ИИ-бота, и поручил «внедрить такого же». Подключили бота на сайт — он бойко отвечает про доставку. Только клиенты у компании оптовые, их вопросы — про отсрочку платежа и цену за объём, а на них бот отвечать не умеет. Менеджеры всё равно разбирают такие обращения вручную, и через пару месяцев бота отключили как бесполезный.
Почему провал. Инструмент выбрали раньше задачи. ИИ подключили не потому, что он что-то решает, а потому что «модно и у всех есть».
Как надо. Сначала понять, где реально теряете. У того же поставщика оказалось, что заявки с почты обрабатывались сутками и часть просто терялась. Под эту задачу нужен был не чат-бот, а агент, который фиксирует каждое входящее письмо и сразу ставит менеджеру задачу. Правило простое: сформулируйте боль в одном предложении — и только потом выбирайте инструмент. Иногда это агент, иногда отчёт на вайбкоде, а иногда достаточно навести порядок в процессе без всякого ИИ.
«ИИ, как и сам Битрикс24, — это не цель, а инструмент под конкретную задачу. Мы всегда начинаем с вопроса „где именно бизнес теряет деньги или время“ и только потом подбираем, чем это закрыть. В обратную сторону — „купили, давайте придумаем, куда приткнуть“ — не работает почти никогда».
— Иван Шум, соучредитель и генеральный директор Соль
Ловушка 2. Подключить — не значит внедрить
Типичная ситуация. Сервисная компания подключила ИИ-агента, который делает расшифровку звонков. Оформили подписку, поставили галочку — и стали ждать готовые расшифровки. Но телефония не была связана с CRM, записи не подтягивались, а половина менеджеров даже не знала, что расшифровки где-то появляются. Через месяц вывод: «ваш ИИ не работает».
Почему провал. Перепутали «подключили» и «внедрили». Инструмент включили, но не встроили в работу: нет данных, нет людей, которые им пользуются. Любой инструмент требует, чтобы с ним работали, — даже календарь бесполезен, если в него не заносят встречи.
Как надо. Относитесь к ИИ как к новому сотруднику, которого надо ввести в курс дела. Свяжите источники данных, покажите команде, где смотреть результат, назначьте ответственного и договоритесь о метрике — по какому признаку через месяц поймёте, что стало лучше.
Ловушка 3. Запускают ИИ на данных, которым нельзя верить
Типичная ситуация. Розничная сеть решила через ИИ понять, кто из клиентов приносит основную выручку. Но в CRM один и тот же клиент заведён трижды с разным написанием, суммы сделок вперемешку в рублях и «условных единицах», у половины карточек не заполнен город. ИИ аккуратно построил отчёт — и он оказался обманчивым: крупный клиент «раздвоился» и ушёл вниз списка, общая выручка занижена. Решения по такому отчёту хуже, чем вообще без него: они выглядят обоснованными, но опираются на ошибку.
Почему провал. ИИ не чинит данные — он их отражает. Если в базе разнобой, красивый дашборд просто придаёт этому разнобою убедительный вид.
Как надо. Сначала привести данные в порядок: свести дубли, унифицировать поля (телефон, email, валюта, статусы), заполнить пробелы по ключевым сделкам. Договориться о едином формате заполнения, чтобы разнобой не вернулся. И только потом строить аналитику. Кстати, саму чистку удобно поручить нейросети — она находит дубли и приводит записи к единому виду, а человек подтверждает.
Ловушка 4. Всё держится на одном энтузиасте
Типичная ситуация. Собственник небольшого агентства увлёкся вайбкодом и за пару вечеров собрал себе дашборд по проектам и пару ботов-напоминалок. Работает, он доволен. Но команда осталась в стороне: менеджеры по привычке ведут всё в своих таблицах, в новые инструменты не заходят. Через полгода у собственника — большой проект, стало не до этого. Боты замолчали, дашборд показывает прошлый квартал, поддержать некому.
Почему провал. Решение так и не стало продуктом компании — осталось личным проектом одного человека. Причина понятна: собственник не исполнитель, а предприниматель, и его внимание распределено между десятком направлений сразу. Как только появляется более срочный приоритет, поддержка инструмента отходит на второй план. А поскольку, кроме автора, он никому по-настоящему не был нужен, дальше им просто перестают пользоваться.
Как надо. Вовлекайте команду с самого начала и объясняйте не «что нажимать», а зачем это им — где именно станет проще их собственная работа. Назначьте внутри команды проводника: сотрудника, который первым освоит инструмент и будет помогать разбираться остальным. И относитесь к внедрению не как к разовой настройке, а как к формированию новой рабочей привычки — на это нужно время.
«Внедрение — это не про кнопку „включить“, а про новую привычку команды. Поэтому у нас в методике ТКЗ есть отдельный этап приживаемости: после настройки мы какое-то время сопровождаем людей, пока инструмент не станет для них естественным. Пропустишь этот этап — и даже самое удобное решение остаётся детищем одного энтузиаста и тихо умирает, как только у него меняется приоритет».
— Иван Шум, соучредитель и генеральный директор Соль
Именно поэтому подход «настроить и уйти» почти всегда заканчивается заброшенным решением, а этап приживаемости в методике ТКЗ — не формальность, а то, что отличает работающее внедрение от красивой демонстрации.
Ловушка 5. Каждый собирает своё — мимо ИТ
Типичная ситуация. Компания разрешила сотрудникам пользоваться ИИ-инструментами — и правильно сделала. Но без правил это быстро оборачивается проблемой. Менеджер по продажам, чтобы себе было удобнее, сам собрал скрипт, который каждый день выгружает клиентскую базу в гугл-таблицу. Скрипт — с полным доступом к CRM. Через полгода менеджер уволился, скрипт остался работать, о нём никто не знал, а куда именно уходили данные, выяснить уже сложно.
Почему провал. Инициатива без контроля превращается в набор непрозрачных самоделок, у каждой из которых есть доступ к клиентской базе, а как она устроена и куда отправляет данные — не знает никто, кроме автора. Удобно это ровно до первого инцидента, а дальше — прямая угроза безопасности данных.
Как надо. Не запрещать самостоятельность, а дать под неё управляемый инструмент. Платформы вроде Битрикс24 Вайбкод позволяют собирать решения обычными словами, но с ключами доступа, правами и журналом — администратор видит, кто что создал и к каким данным есть доступ. Плюс простое правило: любое решение, которое лезет в клиентские данные, — через общую платформу, а не «на коленке».
Кстати, и другие «хвосты» после ухода сотрудника — например, клиенты, оставшиеся без ответственного менеджера, — стоит закрывать автоматически. Как это настроить, мы разбирали в кейсе про автоматическую смену ответственных при увольнении.
Как понять, что вы уже в ловушке
Короткая самопроверка. Скорее всего, вы попали в одну из ловушек, если:
- не можете в одном предложении сказать, какую задачу решает ваш ИИ;
- через месяц после запуска инструментом пользуется один человек или никто;
- отчёты ИИ выглядят красиво, но им не доверяют при принятии решений;
- в компании есть самодельные скрипты с доступом к базе, о которых знает не ИТ, а «Петя из продаж».
Узнали себя хотя бы в одном пункте — это не повод бросать ИИ, а повод вернуться на шаг назад: к задаче, данным и команде.
Часто задаваемые вопросы
Чем ИИ-агент отличается от обычной нейросети?
Нейросеть вроде ChatGPT — универсальный генератор текста и ответов, но она не знает ваш бизнес и не выполняет действий в системах. ИИ-агент работает под конкретную задачу внутри вашего портала: ведёт диалог, готовит сводку, ставит задачу. Проще говоря, нейросеть отвечает, а агент — делает.
С чего начать внедрение ИИ в малом бизнесе?
С одной конкретной задачи, а не с «внедрим ИИ везде». Выберите болезненную рутину, наведите порядок в данных по ней и соберите точечное решение. Получилось — масштабируйте на следующую задачу.
Нужен ли программист, чтобы внедрить ИИ в Битрикс24?
Для точечных задач всё чаще нет: на вайбкоде решение собирается обычными словами, без разработчика. Но для сложного, критичного к данным и требующего ответственности за результат нужна экспертиза интегратора — важно понимать структуру данных и бизнес-процессы.
Заменит ли ИИ сотрудников?
Нет. ИИ забирает рутину и усиливает людей, но не берёт на себя ответственность за результат и не понимает контекст бизнеса так, как человек. Лучший результат даёт связка «человек + ИИ», а не замена одного другим.
Где научиться этому за 30 минут на живом примере?
На наших бесплатных вебинарах: мы прямо на экране собираем рабочее решение в Битрикс24 с помощью ИИ и показываем, как обойти эти ловушки на практике.
Коротко
Внедрение ИИ в бизнес спотыкается о пять предсказуемых ловушек: покупают ИИ раньше задачи, путают «подключить» и «внедрить», запускают его на неготовых данных, замыкают всё на одном человеке и разрешают самодеятельность без контроля. Все они — про подход, а не про технологию, и все обходятся, если идти от задачи, готовить данные, вовлекать команду и держать процесс управляемым.
Хотите разбираться в ИИ не в одиночку?
Обойти эти ловушки проще, когда рядом есть с кем свериться. В AI Лаборатории Соль — закрытом клубе по разбору задач с искусственным интеллектом — предприниматели разбирают реальные внедрения и делятся тем, что сработало, а что нет. А увидеть, как собрать решение правильно, можно уже на ближайшем бесплатном вебинаре.
