ИИ для бизнес-процессов: какие задачи отдать нейросети, какие скрипту, а какие оставить людям

Внедрение ИИ в бизнес-процессы начинается не с выбора нейросети, а с описания одного процесса и расчёта, сколько времени руководителя и сотрудников он забирает. Дальше каждый шаг попадает в одну из трёх корзин. Нейросети отдают работу с текстом: разобрать, выделить смысл, подготовить черновик. Скрипту, то есть автоматизации по правилам, отдают перенос данных и расчёты. Человеку остаются цель, проверка и решения, за которые кто-то отвечает. Ниже эта методика по шагам, с цифрами на сквозном примере и шаблоном таблицы. Программист и интегратор для первого круга не нужны. Доступ к сервисам из России и политики использования данных проверены в сентябре 2026 года.

Что получится: таблица с одним процессом, где для каждого шага известны время, исполнитель, стоимость и решение, кому его отдать. На учебном примере «пост в соцсети» стоимость одного поста падает с 4 813 до 1 700 рублей, а время руководителя с 80 минут до 7,5. Весь этот эффект даёт организация работы: база знаний, контент-план и чек-лист. Нейросеть подключается следующим шагом, и её пользу считают отдельно.

Скачайте таблицу диагностики и разбирайте свой процесс параллельно со статьёй.

Статья подойдёт руководителю или владельцу небольшой компании, который хочет понять, куда ИИ вписывается в работу, а куда нет. Понадобятся пара часов на первую таблицу и честный ответ на вопрос, сколько стоит ваш час.

Оглавление:

• Почему не стоит начинать с инструмента
• Шаг 1. Опишите процесс и посчитайте, сколько он стоит
• Шаг 2. Сначала оптимизация, потом автоматизация
• Шаг 3. Разделите шаги: скрипт, нейросеть, человек
• Шаг 4. Проверьте пользу на небольшом пилоте
• Три уровня автоматизации: где нужен ИИ-агент, а где нет
• Какой инструмент под какую задачу
• Команда и данные: что ломает внедрение
• Типичные ошибки
• Скачать таблицу диагностики процесса
• Что дальше
• Вопросы и ответы

Почему не стоит начинать с инструмента

Самый частый сценарий провала выглядит так: компания покупает подписку на нейросеть, раздаёт доступы сотрудникам, через месяц подписка не используется. Причина в том, что нейросеть встроили не в процесс, а рядом с ним. Чтобы этого не случилось, полезно заранее знать три ограничения. Насколько сильно они проявятся, зависит от задачи, модели, данных и подключённых инструментов, но учитывать их приходится всегда.

Ответ нейросети нужно проверять. Модель может удачно сократить текст и при этом ошибиться в факте или не заметить исключение из правила. Когда она отвечает с поиском, схема такая: собрать информацию из источников, часть отбросить, повторяющееся усилить, скомпилировать ответ. Полезные рекомендации в нём бывают перемешаны с ошибочными, и отличить одни от других может человек, который разбирается в теме. Отсюда практическое правило: нейросетью усиливают опытного специалиста, а не заменяют его новичком с подпиской. Заранее решите, какой результат считаете правильным и кто его проверяет.

На нестандартных ситуациях нейросеть ошибается чаще. Корнер-кейс, то есть совпадение нескольких необычных условий, может сломать даже подробно прописанный сценарий. Хрестоматийный пример: McDonald's вместе с IBM с 2021 года тестировал голосовой приём заказов на ИИ более чем в ста ресторанах. Система путала заказы и добавляла лишние позиции, в июне 2024 года тест свернули. Второй пример ближе к малому бизнесу. У Air Canada есть тариф для тяжёлых семейных обстоятельств, и по правилам его запрашивают до поездки. Чат-бот на сайте сказал клиенту, что скидку можно оформить задним числом, в течение 90 дней после покупки билета. Клиент так и сделал и получил отказ. Трибунал Британской Колумбии в феврале 2024 года обязал авиакомпанию выплатить компенсацию: за слова бота на сайте отвечает компания, а не «отдельная сущность».

Приоритеты в данных задаёт человек. У любой модели есть контекстное окно, объём информации, который она держит в одном диалоге. Если загрузить туда годовые отчёты, старые и новые таблицы и переписку без пояснений, модель может опереться на устаревшие цифры. Чем сильнее забито окно, тем хуже ответы. Поэтому передавайте актуальные документы, подписывайте даты и прямо указывайте, какой источник главный.

Из трёх ограничений следует главный вывод: ИИ в процессе занимает место исполнителя рутинного шага, а проверка результата и решение остаются за людьми. С этим и работаем дальше.

Шаг 1. Опишите процесс и посчитайте, сколько он стоит

Любая компания уже работает по процессам, даже если они нигде не записаны. Возьмите один, желательно тот, в котором участвуете вы сами: процессы с участием руководителя обычно самые дорогие. Опишите его шагами, где угодно: в таблице, в заметках, в Telegram. Инструмент не важен, важны три вещи для каждого шага:

• что происходит и сколько минут занимает;
• кто это делает;
• сколько стоит час этого человека.

Стоимость часа считается просто:

(оклад + премия за месяц) / рабочих дней в месяце / часов в день = ставка, ₽/час

Для сравнения «до» и «после» достаточно одной и той же ставки в обоих вариантах, налоги и взносы работодателя в неё можно не включать.

У руководителя-собственника оклада может не быть, поэтому ставка у него условная. Возьмите сумму, за которую можно нанять человека на эти задачи, и подпишите, на чём она основана. Грубая оценка сверху: месячная выручка, делённая на ваши рабочие часы. Это не цена вашего труда, а напоминание, во что обходится час, потраченный на согласования.

Сквозной пример на всю статью: подготовка поста в соцсети в компании, где владелец единственный носитель знаний о продукте. Ставки условные: руководитель 2 500 ₽/час, маркетолог 550, дизайнер 700. Компания выпускает 8 постов в месяц.

Дальше в тексте итоги округлены до рубля.

В месяц при 8 постах процесс стоит 38 500 ₽, из них 26 667 ₽ это время руководителя. По времени его доля 36%: 80 минут из 225.

225 минут это сумма трудозатрат участников, а не календарный срок. Ожидание согласований и параллельная работа сюда не входят, их при желании считают отдельно.

Семь шагов и почти пять тысяч рублей за пост, две трети из которых стоит время руководителя. Так выглядит процесс, который нужно менять первым. Чтобы выбрать его среди других, выпишите все регулярные процессы с вашим участием и посчитайте каждый той же таблицей. Первым идёт тот, у которого больше трудозатраты за месяц и который чаще повторяется. Доля руководителя подсказывает, где узкое место, а масштаб потерь показывает сумма за месяц.

Шаг 2. Сначала оптимизация, потом автоматизация

Автоматизировать стоит только оптимизированный процесс. Если процесс плохой, автоматизация лишь ускорит его вместе со всеми недостатками, а нейросеть в нём будет исправно генерировать тексты, которые всё равно пойдут на согласование к руководителю.

В примере с постом три изменения делаются без ИИ и без программиста:

1. База знаний о продукте. Владелец за два-три дня выписывает всё, что знает о продукте, аудитории и конкурентах, плюс источники, которые регулярно читает. Дальше маркетолог берёт темы из базы, а не из головы руководителя. Нейросеть может помочь оформить документ: задать уточняющие вопросы по голосовым и собрать из ответов структуру. В расчёт ниже эта помощь не входит.
2. Согласование контент-плана, а не каждого поста. Раз в месяц маркетолог приносит темы с тезисами, руководитель за час задаёт вопросы и правит. Отдельные посты больше не согласуются.
3. Чек-лист самопроверки. Критерии к тексту и к картинке записаны один раз. Маркетолог и дизайнер проверяют работу сами и сами принимают решение о публикации. С первого раза не получится, с третьего-четвёртого получится.

Тот же процесс после этих изменений:

Стоимость поста упала с 4 813 до 1 700 рублей, в месяц с 38 500 до 13 600. Время руководителя сократилось с 80 минут до 7,5: час согласования контент-плана в месяц делится на восемь постов. Нейросеть здесь ещё не подключена, весь эффект дали база знаний, контент-план и чек-лист. Разовые затраты на них, например два-три дня владельца на базу знаний, в расчёт не входят, учитывайте их отдельно.

И ещё одна оговорка. Таблица считает стоимость рабочего времени. Если маркетолог стал тратить на пост меньше минут, у команды появился ресурс на другие задачи, но фонд оплаты труда от этого не изменился. Деньги экономятся там, где реально сокращаются расходы: подрядчик, сверхурочные, дополнительный найм.

Остались два шага, где автоматизация даст следующий эффект: черновик текста и публикация по расписанию. Это отдельный эксперимент: гипотезу для него считаем в шаге 4, а подтверждает её только пилот.

Есть ловушка, в которую попадают на этом этапе: желание сразу сделать процесс идеальным. Держите в голове проектный треугольник. Быстро и качественно будет дорого: подрядчики и платные платформы. Быстро и дёшево будет плохо. Качественно и дёшево будет долго. Все три сразу не бывает.

Шаг 3. Разделите шаги: скрипт, нейросеть, человек

Теперь каждый оставшийся шаг отправляется в одну из трёх корзин. Ошибка в этом распределении обходится дороже всего: нейросеть ставят туда, где хватило бы скрипта, и переплачивают за токены и ошибки, или наоборот, отдают нейросети решение, за которое потом отвечает компания.

Скрипту отдаётся рутина с цифрами и переносом данных. Скрипт здесь это любое выполнение по заданным правилам: формула в таблице, сценарий в конструкторе, несколько строк кода. Нейросеть умеет анализировать таблицы и запускать вычисления через встроенные инструменты, но точные суммы, проценты и перенос данных надёжнее поручать формулам и коду, которые можно проверить. Коннекторы вроде Zapier или Make, а также n8n на своём сервере делают то же, что и скрипт: принимают данные из одного сервиса и передают в другой. Простую связку «CRM → таблица» можно собрать самостоятельно за вечер, а если не получилось, заказать фрилансеру.

Нейросети отдаётся анализ. Человек плохо держит в голове 20 расшифровок звонков, модель находит в них закономерности за минуты. Чтобы результат был проверяемым, работу делят на три части: модель находит фрагменты, человек проверяет категории и цитаты, таблица считает. Данные готовят заранее: приводят расшифровки к единому формату и присваивают каждому звонку номер. Шаблон промпта для извлечения возражений:

Роль: аналитик отдела продаж.
Задача: в расшифровках звонков ниже найти потребности и возражения клиентов. У каждого звонка есть номер.
Формат ответа: таблица с колонками «Номер звонка», «Категория», «Дословная цитата клиента», «Почему цитата относится к категории».
Правила: для одинакового смысла используй одно и то же короткое название категории.
Если фрагмент неоднозначный, пиши «нужна проверка». Не приписывай клиенту слова менеджера.
Не додумывай причины, которых нет в тексте. Частоту категорий не считай.
В конце перечисли вопросы, на которые в расшифровках не хватает данных.

Проверка идёт в два приёма. Сначала выборочно сверьте цитаты с расшифровками и посмотрите, верно ли они разложены по категориям. Модели умеют выдумывать цитаты так же уверенно, как факты, а настоящая цитата ещё не доказывает, что вывод из неё верный. Затем посчитайте в таблице, в скольких звонках встретилась каждая категория. Несколько одинаковых возражений в одном звонке считаются за один звонок.

Человеку остаются валидация и стратегия. Даже если модели загрузили все данные компании и получили убедительный ответ, решение принимает тот, кто за него отвечает перед клиентами, партнёрами и инвесторами. Ответ «так решила нейросеть» аргументом не считается ни в одной из этих ситуаций.

Шаг 4. Проверьте пользу на небольшом пилоте

Распределение по корзинам пока гипотеза. Чтобы её проверить, возьмите один повторяющийся шаг и прогоните новый способ на небольшом наборе типичных задач. Для постов это десять прошлых заданий, для которых заранее записаны требования к фактам, тону и готовности к публикации.

Гипотезу удобно записать той же таблицей ещё до пилота. В примере с постом их две: черновик текста готовит нейросеть, а публикацию по расписанию берёт на себя сервис постинга. Цифры ниже это оценка, а не измеренный результат.

Остальные шаги не меняются. Полный расчёт по шагам есть в файле на листе «Пример с ИИ (гипотеза)». Три состояния процесса рядом:

Если гипотеза подтвердится, организация работы снимет 65% стоимости поста, а нейросеть и автопостинг ещё около 15% от того, что осталось. В этом примере основной эффект даёт порядок в процессе, а ИИ усиливает уже налаженное. Подписка на модель и сервис постинга в расчёт не входят, добавьте их к месячной сумме.

Замеряйте всё время целиком: подготовку данных, работу с моделью, проверку и исправления. Сравнивайте не с исходным процессом, а с тем, сколько шаг занимал после оптимизации из шага 2. В примере с постом это 45 минут маркетолога на текст, и пилот покажет, получаются ли на деле 30. Так видно, какой эффект даёт именно ИИ, а какой уже дала организация работы.

Если качество соответствует требованиям, а суммарное время снизилось, расширяйте применение. Если нет, разберите, где теряется время и откуда берутся ошибки. В обоих случаях назначьте ответственного за новый процесс и договоритесь, как обрабатывать исключения.

Если после первой таблицы хочется пройти этот путь на своих задачах с поддержкой, посмотрите программу: курс «ИИ для бизнеса». В ней подготовка данных, запросы к модели, аналитика и первые автоматизации.

Три уровня автоматизации: где нужен ИИ-агент, а где нет

Когда шаги распределены, становится видно, какой уровень автоматизации нужен процессу. Их три.

1. Обычная автоматизация. Заранее заданные шаги без ИИ: каждый день в 10:00 взять данные из таблицы и отправить в Telegram.
2. ИИ-автоматизация. Процесс жёсткий, но на одном из шагов работает нейросеть: собрать отзывы, определить тональность, записать результат в таблицу.
3. ИИ-агент. Внутри заданного сценария сам выбирает следующее действие: ответить по базе знаний, создать задачу, передать менеджеру, обновить CRM или запросить недостающие данные.

Большинству процессов малого бизнеса хватает первых двух уровней. Агент нужен там, где следующее действие приходится выбирать по ситуации: запросить уточнение, найти ответ в базе знаний, передать вопрос сотруднику. Типичный пример: обработка рекламаций. Жалобы приходят на почту, в Telegram, через форму на сайте. Без автоматизации сотрудник читает каждую, ищет клиента в CRM, выбирает ответственного и ставит задачу. Ошибки возникают на объёме: не туда записал, забыл поставить задачу, не заметил срочный случай.

С агентом сообщение анализирует модель, карточка в CRM обновляется, задача создаётся, ответственный получает уведомление. Человеку остаётся контроль результата.

Выбирают между вторым и третьим уровнем не по числу сервисов, а по тому, нужно ли выбирать действие. Если каждая рекламация проходит один и тот же путь, определить тему, записать в CRM, поставить задачу, хватит жёсткого сценария с нейросетью на одном шаге. Агент оправдан, когда путь зависит от содержания жалобы: где-то нужно запросить номер заказа, где-то сразу позвать руководителя.

Агент не подходит, если задача разовая, если правила реакции нельзя описать и если цена ошибки высока: деньги, договоры, персональные данные. Если у CRM и таблиц нет доступа по API, интеграция возможна, но обойдётся заметно дороже. В этих случаях быстрее сделать руками или остановиться на втором уровне с обязательной проверкой человеком. Любому агенту нужны границы действий, журнал выполнения и способ передать сложный случай человеку. Как собрать первого агента без кода, мы разбирали пошагово в статье как создать ИИ-агента в n8n.

Какой инструмент под какую задачу

Универсальной нейросети нет, есть подходящая под задачу. Для первого круга внедрения хватает одной-двух моделей и одного конструктора автоматизаций. Таблица по классам инструментов, актуально на сентябрь 2026. Условия меняются, поэтому перед подключением проверьте три вещи: доступ из вашей страны, способ оплаты и правила обработки данных.

Чем модели отличаются друг от друга и как выбрать под личные задачи, разбирали в статье как использовать нейросети в работе. Для бизнес-процесса важнее другое: инструмент подключается к шагу, а не наоборот. Если шаг ушёл в корзину «скрипт», нейросеть в нём не нужна вообще.

Команда и данные: что ломает внедрение

Сопротивление команды будет. Сотрудники боятся, что их заменят, и не любят менять привычный порядок действий. Работает одно правило: новый процесс полностью заменяет старый, параллельно они не живут. Приходят за согласованием, а вы отвечаете: «По новому процессу не согласуем, у тебя чек-лист, решай сам». Раз, два, три, на четвёртый не придут. Если к старому способу возвращаются снова и снова, выясните причину: непонятные правила, неудобный инструмент или ошибки в самом новом процессе.

Процесс, который придумали сами сотрудники, принимается лучше спущенного сверху. Поставьте команде задачу со сроком: найти в своём процессе самый дорогой шаг и предложить, как его убрать. Когда предложения придут, исправляйте только критические ошибки. Ошибка в эксперименте это информация для следующей итерации, а критика убивает желание экспериментировать. Иначе оптимизацией процессов вы будете заниматься сами до конца жизни компании.

Чувствительные данные не загружаются в чужие облака как есть. Цена лида по каналам, аналитика конкурентов, база клиентов, финансовые показатели. В потребительских версиях чат-сервисов данные по умолчанию могут использоваться для обучения моделей, отключается это в настройках; для бизнес-тарифов и доступа по API OpenAI по умолчанию данные для обучения не использует. У других провайдеров правила свои, проверяйте политику перед загрузкой. Отказ от обучения не означает, что сервис ничего не хранит: сроки хранения и удаления описаны в правилах отдельно. Два практических правила:

• Обезличивайте. Цифры оставляйте, названия каналов, клиентов и продуктов заменяйте на условные обозначения, чтобы модель не могла связать данные с вашей компанией. Замена названий спасает не всегда: по оставшимся деталям компанию или человека иногда можно восстановить.
• Персональные данные клиентов (имена, телефоны, почты) в зарубежные сервисы не отправляйте. Закон 152-ФЗ требует хранить персональные данные граждан России в базах на территории страны, это часть 5 статьи 18. Передача за рубеж регулируется отдельно, статьёй 12 того же закона. Это вопрос к юристу, а не к настройкам сервиса. Для учебных заданий берите вымышленные данные.

Если данные нельзя обезличить, а анализировать нужно, модель разворачивают у себя: на арендованном сервере или на своей машине через Ollama. Своя машина под локальную модель требует заметных вложений в железо, поэтому для старта чаще арендуют сервер. Локальный запуск тоже нужно настроить: модель, поиск и остальные подключения должны работать внутри вашей инфраструктуры, иначе данные всё равно уйдут наружу. К такой модели подключают внутреннюю базу знаний: регламенты, аналитику, портреты аудитории, и сотрудники задают вопросы ей, а не руководителю.

Не советуйтесь с нейросетью о действиях на грани закона. Встроенные ограничения могут заблокировать аккаунт вместе с оплаченной подпиской, а переписка хранится на стороне сервиса по его правилам.

Типичные ошибки

Скачать таблицу диагностики процесса

Файл с пятью листами: пустой шаблон с формулами, три состояния примера «пост в соцсети» (как есть, после оптимизации, гипотеза пилота с ИИ) и лист расчёта ставок. Для каждого шага вводятся исполнитель, минуты и число повторов в месяц. Ставка подставляется с листа «Ставки» по названию роли, стоимость шага и месяца считаются сами, а в колонке «Кому отдать» выбирается одна из корзин. Внизу считаются итог, время руководителя и его доля: diagnostika-processa.xlsx.

Открывается в Excel, Google Таблицах и Яндекс Документах. Впишите свои роли и оплату труда на лист «Ставки», затем замените учебные шаги своими. Если роли нет на листе «Ставки», в колонке ставки появится «нет ставки», и шаг не попадёт в итог. Суммы в примере показывают логику расчёта и не являются прогнозом экономии для вашей компании.

Что дальше

Второй процесс. После первого круга таблицу заполняют для следующего по стоимости процесса. Обычно это заявки с сайта, отчёты по рекламе или обработка обращений. Схема та же: описать, посчитать, оптимизировать регламентом, распределить по корзинам, проверить на пилоте.

Аналитика на своих данных. Когда данные из CRM и рекламных кабинетов собираются скриптом в одну таблицу, нейросеть даёт по ним выводы: юнит-экономика по каналам, портрет аудитории, сравнение с конкурентами. Это следующий уровень после черновиков текстов, и здесь особенно важна подготовка данных из шага 3.

Первая автоматизация в n8n. Постинг по расписанию и транскрибация голосовых из Telegram собираются из готовых блоков за вечер. Пошаговая инструкция для первого агента есть в блоге: как создать ИИ-агента в n8n.

Другие программы по теме собраны в разделе курсы по нейросетям.

Вопросы и ответы