Проблемы внедрения ИИ в бизнесе: 7 причин и как их избежать

Почему пилот живёт, а ежедневной работы нет

Типичная картина для Ташкента: владелец интернет-магазина одежды подключает ИИ-ассистента, который отвечает покупателям в Telegram и Instagram Direct. Первую неделю все довольны, потому что ответы про размеры и доставку приходят мгновенно. Потом выясняется, что наличие товара ассистент не видит, оплаты через Click и Payme не сверяет, а менеджер всё равно копирует заказы в таблицу. Выигрыш в скорости съеден ручной работой.

Ассистент здесь не виноват. Проект восприняли как покупку инструмента, а не как изменение рабочего процесса. Ниже — зоны риска, которые встречаются почти в каждой компании, и порядок действий, снижающий шанс провала.

Проблемы внедрения ИИ с данными: разрозненность и ошибки

Модель опирается на то, что ей показали. Если остатки ведутся в одной программе, заказы лежат в переписках, а цены менялись в заметках телефона, ответы ИИ будут уверенными и неверными. Часть истории и вовсе остаётся в бумажных тетрадях — это обычное дело для оптовых точек и небольших производств в регионах.

Подготовка данных занимает больше времени, чем запуск самой модели, поэтому оценку делают до подписания договора. Порядок такой:

• Выпишите решения, которые ИИ должен улучшить: ответ клиенту, прогноз спроса, оценка заявки.
• Для каждого решения найдите источник данных: CRM, учётная программа, касса, Telegram-боты, рекламные кабинеты.
• Проверьте, одинаково ли названы товары, филиалы и каналы, нет ли дублей клиентов.
• Выясните, кто владеет доступом и можно ли выгружать данные автоматически.
• Начните с задачи, где данные уже в приличном состоянии, а остальное приводите в порядок параллельно.

Люди: страх, недоверие и привычка

Сотрудники реагируют по-разному: одни боятся потерять работу, другие не верят результату, третьи не хотят менять привычный порядок. Бывает и обратное — слепое доверие, когда менеджер отправляет клиенту ответ ИИ, не прочитав его.

Помогают три приёма. Первый — объяснять цель через рутину: убрать повторный ввод данных, ответы на однотипные вопросы, сверку выписок. Второй — включить в пилот двух-трёх сотрудников, чтобы инструмент стал «нашим», а не «чужой системой». Третий — прописать правило проверки: что ИИ делает сам, а что просматривает человек.

Отдельный риск — отсутствие владельца. Если за результат со стороны бизнеса никто не отвечает, пилот превращается в технический эксперимент. Назначьте человека с показателем и полномочиями, например руководителя продаж или операционного директора, а не только IT-специалиста.

Ожидания и интеграция: где тают деньги

От ИИ ждут безошибочности и мгновенного эффекта. На деле модель ошибается, а отдача появляется, когда инструмент встроен в работу и люди к нему привыкли. Заранее договоритесь, какая доля ошибок допустима и кто проверяет спорные случаи. Для типовых вопросов о доставке планка одна, для расчёта скидки или рассрочки — совсем другая.

Вторая ловушка — отсутствие интеграции. Если результаты пилота приходится переносить руками, сотрудники быстро перестанут это делать. Связь с CRM, кассой, складом и Telegram-ботом закладывайте с первой недели, хотя бы в виде простой автоматической выгрузки.

Сравнение вариантов старта

Для малого и среднего бизнеса реалистичны три пути, и у каждого свои компромиссы:

• Готовый сервис по подписке: быстрый запуск, но данные уходят наружу, а гибкость ограничена. Подходит для тестов и простых задач вроде черновиков постов или текстов объявлений на OLX и Uzum.
• Настройка под ваши процессы силами подрядчика: больше контроля и интеграции, но нужны порядок в данных и владелец проекта. Подходит для поддержки клиентов, прогнозов и отчётов.
• Собственная разработка: максимум контроля и максимум затрат на сопровождение. Оправдана при больших объёмах и особых требованиях к данным.

Безопасность и реальная стоимость владения

Вопросы безопасности почти всегда всплывают поздно: можно ли отправлять переписки клиентов во внешний сервис, где хранятся номера телефонов, кто видит выгрузки. Ответы нужны на старте. Определите, какие данные ИИ видеть не должен, какие обезличиваются, кто выдаёт и отзывает доступы. Требования к персональным данным в Узбекистане лучше проверить у юриста до пилота.

Со стоимостью та же история. Бюджет считают по разработке, а потом появляются подписки, оплата вычислений, поддержка, обновление базы знаний и контроль качества. Считайте стоимость владения за год: что платите регулярно, кто проверяет результаты, сколько рабочих часов уйдёт на обучение команды.

Как понять, что ИИ окупается: сквозная аналитика

Самая частая слабость — отсутствие измерения. Через три месяца никто не скажет, стало ли лучше, потому что до запуска ничего не фиксировали. Нужна точка отсчёта: время ответа клиенту, доля обработанных заявок, стоимость заявки из рекламы, переход от заявки к оплате.

Здесь помогает сквозная аналитика: реклама в Meta Ads и Google Ads, сайт, Telegram-боты, CRM и оплаты через Click и Payme собраны в одном отчёте. Видно, что изменилось после подключения ИИ: ускорилась ли обработка заявок, выросла ли доля оплат, не просели ли продажи из-за ошибок бота. Команда markdev настраивает такую отчётность для бизнеса в Узбекистане, и удобнее запускать её до пилота.

Заодно аналитика вскрывает дыры в данных: дубли клиентов, потерянные источники, заказы без канала. Это та же работа по наведению порядка, которая нужна самому ИИ.

Пошаговый план внедрения

Последовательность, которая снижает риск остановки проекта:

• Выберите один процесс с понятной метрикой.
• Зафиксируйте текущие показатели за прошлый период.
• Оцените данные, форматы и доступы.
• Назначьте владельца со стороны бизнеса.
• Определите допустимую долю ошибок и правила проверки.
• Запустите пилот на небольшой группе сотрудников сразу с интеграцией в рабочие системы.
• Сравните результат с исходными показателями, посчитайте полную стоимость и решите: масштабировать, доработать или остановить.

Типичные ошибки и что делать дальше

Чаще всего ломают проект одни и те же решения: запуск ради галочки без метрики, покупка подписки до проверки данных, передача проекта одному IT-специалисту, отсутствие обучения правилам проверки, подсчёт расходов только на этапе разработки.

Если хотите обсудить свою задачу — какие данные уже есть и как измерить эффект — напишите в markdev. Начнём с разбора учёта и отчётности, а затем решим, нужен ли ИИ и в каком процессе.