Когда бизнесу правда нужен ИИ, а когда лучше не тратить деньги

К нам всё чаще приходят не с запросом «нужно автоматизировать процесс», а с запросом «хотим внедрить ИИ».

Формулировки бывают разные: ассистент, агент, умный помощник, автоматическая обработка заявок, генерация документов, разбор сообщений. Обычно за этим стоит понятное желание: снять часть рутины с команды, ускорить обработку данных, сделать продукт современнее и удобнее.

На первом созвоне это звучит как задача про искусственный интеллект.Но дальше мы начинаем разбирать процесс и иногда видим совсем другую картину.Нужно передать данные из формы в CRM. Отправить уведомление после смены статуса. Собрать отчёт по шаблону. Сформировать документ из уже известных полей. Проставить задачу ответственному.

Это не задача для ИИ.Это обычная автоматизация.И в этом нет ничего плохого. Более того, часто именно она и нужна бизнесу: понятная, стабильная, предсказуемая. Просто она не так эффектно звучит в презентации.

Почему ИИ легко кажется правильным решением

ИИ хорошо выглядит на демо.Обычная автоматизация работает почти незаметно. Событие произошло — действие выполнилось. Статус изменился — письмо ушло. Данные пришли — карточка создалась. Всё правильно, но вау-эффекта нет.ИИ ведёт себя иначе. Он пишет текст, отвечает живым языком, предлагает варианты, делает выводы. На презентации это выглядит как шаг вперёд: раньше система просто выполняла команды, теперь будто бы начала думать.Проблема появляется позже, когда в продукт приходят реальные пользователи.Они не заполняют поля идеально. Пишут коротко. Пропускают важные детали. Формулируют не так, как ожидала команда. Иногда сами не понимают, какую информацию нужно дать, чтобы получить хороший результат.И вот здесь разница между автоматизацией и ИИ становится принципиальной.Обычный алгоритм работает по правилу. Если правило неверное, ошибку можно найти и исправить.ИИ может ошибиться аккуратно. Он выдаст текст, который выглядит логичным, уверенным и профессиональным. С первого взгляда всё может быть нормально. Но внутри уже будет смысл, которого не было в исходных данных.Для некоторых процессов это не мелочь, а риск.

Кейс: когда ИИ создаёт иллюзию качества

С этим мы столкнулись на проекте платформы для трудоустройства.

У клиента была идея: кандидат заполняет анкету, а ИИ помогает собрать резюме, адаптировать его под вакансию и подготовить видеопрезентацию. На уровне продукта идея выглядела сильной. Многим людям действительно сложно писать о себе. Они не знают, как описать опыт, какие навыки выделить, как звучать уверенно, но без лишнего пафоса. Если платформа помогает собрать аккуратное резюме и подготовить презентацию, пользователь получает понятную ценность. Первые демонстрации это подтверждали. Кандидат заполняет данные, система собирает текст, предлагает формулировки, помогает упаковать опыт. Сценарий выглядел современно и полезно.

Проблемы начались не на демо, а в реальном тестировании. Оказалось, что пользователи заполняют анкеты очень по-разному. Кто-то пишет двумя словами. Кто-то пропускает важные поля. Кто-то описывает опыт слишком общо. Кто-то сам не понимает, какие детали нужны работодателю.

ИИ в таких местах пытался помочь. Иногда слишком активно. Он мог сгладить слабые места, достроить недостающий смысл, сделать опыт более уверенным, чем он был описан в анкете. На выходе получался хороший текст. Иногда даже слишком хороший. И в этом была проблема. Резюме выглядело профессионально, но часть формулировок могла уже не принадлежать кандидату. Работодатель видел аккуратный документ. Кандидат мог не заметить, что система усилила или изменила смысл.

Формально функция работала. По факту она создавала риск.

Когда ИИ действительно нужен, а где достаточно автоматизации

Мы изменили не модель, а её роль.

В такой ситуации легко пойти по самому очевидному пути: докручивать ИИ. Сделать промпт строже. Добавить больше ограничений. Запретить достраивать факты. Разбить генерацию на несколько этапов. Настроить проверку каждой формулировки по анкете. Часть этих решений может быть полезной. Но в нашем случае быстро стало понятно, что проблема не только в настройках. Мы дали ИИ слишком ответственную роль. Он не должен был быть финальным автором резюме и презентации. Для такого сценария это слишком рискованно: результат связан с реальным человеком, его опытом и ожиданиями работодателя.

Поэтому мы изменили логику. ИИ остался в продукте, но стал работать на этапе черновика. Он помогает начать, предлагает формулировки, структурирует опыт, подсказывает, как собрать материал. А финальная версия остаётся за человеком. Это звучит скромнее, чем «ИИ сам создаёт резюме». Зато так честнее. ИИ не подменяет процесс. Он помогает пройти сложный участок быстрее и спокойнее.

Не каждую операцию нужно превращать в ИИ-сценарий.

После этого проекта мы ещё внимательнее стали смотреть на роль ИИ в продукте. Есть задачи, где нейросеть почти сразу выглядит лишней. Например, нужно создать карточку в CRM после заявки. Открыть доступ после оплаты. Отправить письмо при смене статуса. Собрать отчёт по расписанию. Сформировать документ из заранее известных данных. Здесь не нужен агент, который «разберётся». Здесь нужен нормальный процесс: интеграция, правила, очередь задач, обработка ошибок, понятные статусы. Это не выглядит как технологический скачок. Зато работает стабильно.

ИИ уместнее там, где входные данные живые и неровные: письма, комментарии, обращения в поддержку, свободные описания опыта, сообщения пользователей. Там, где люди пишут каждый по-своему, а жёсткие правила быстро превращаются в бесконечный список исключений. Но даже в таких задачах ему не всегда нужно отдавать финальное решение. В нашем опыте лучше работает формат, где модель помогает подготовить основу, а человек остаётся точкой контроля: проверяет смысл, убирает лишнее и принимает финальную версию.

Экономика: где бизнес теряет деньги

Ошибка с ИИ редко заканчивается на стоимости разработки. Плюс есть стоимость самих запросов к модели. На маленьких объёмах она почти не чувствуется. На массовых сценариях быстро становится заметной, особенно если один пользовательский путь вызывает модель несколько раз. И это нормально, если ИИ решает задачу, которую иначе сложно закрыть. Но если процесс можно было описать обычными правилами, бизнес платит не за интеллект. Он платит за лишний слой неопределённости.

Почему проекты с ИИ не доходят до продакшена

После запуска появляется всё то, что обычно не видно на первой презентации: ответы нужно проверять, промпты обновлять, спорные случаи разбирать, ограничения дописывать. Иногда приходится возвращать ручную модерацию туда, где изначально хотели от неё избавиться.Самое неприятное, что внешне этот слой выглядит красиво. Система отвечает живым языком, создаёт ощущение умного продукта, хорошо смотрится в презентации. Но внутри остаётся хрупкой: результат нужно проверять, исключения разбирать вручную, ответственность всё равно возвращается к команде.

Как понять, нужен ли ИИ

Мы не начинаем с выбора модели. Сначала смотрим на процесс: что приходит на вход, что должно получиться на выходе, насколько результат должен быть стабильным, что считается ошибкой и кто её заметит.

Если основная логика выглядит как «произошло А — нужно сделать Б», ИИ, скорее всего, не нужен. Здесь лучше сработает обычная автоматизация: дешевле, понятнее и спокойнее в поддержке.

Если входные данные каждый раз разные, пользователи пишут свободно, ручная обработка занимает много времени, а правила быстро расползаются в огромную схему исключений, тогда ИИ можно рассматривать. Но не как магическую кнопку. И не как обязательный пункт в продуктовой презентации. А как инструмент с конкретной ролью, ограничениями и человеком в контуре проверки.

Вместо вывода

ИИ не делает продукт сильнее сам по себе.

Он может помочь: ускорить работу, снять часть рутины, поддержать пользователя там, где сложно начать, обработать неструктурированные данные. Но только если стоит на своём месте. Если поставить его туда, где достаточно обычной автоматизации, бизнес получит красивую иллюзию. Система будет выглядеть умной, но потребует больше контроля, денег и внимания.

Хороший продукт определяется не тем, есть ли в нём ИИ. А тем, насколько точно выбран инструмент под задачу. Иногда нужен агент. Иногда - интеграция. Иногда - простая логика статусов и уведомлений.

Если вы думаете о внедрении ИИ-агента, лучше разобрать процесс до старта разработки. На этом этапе обычно уже видно, где ИИ даст пользу, а где быстрее и дешевле обойтись обычной автоматизацией.