ИИ-сотрудники: какие процессы можно отдать нейросети, а какие нельзя

ИИ-сотрудники: какие процессы можно отдать нейросети, а какие нельзя

Языковые модели используют или тестируют 86% крупных российских компаний. До промышленной эксплуатации полуавтономных агентов, которые работают под присмотром человека, дошли 15%. Полностью автономных держат в работе восемь процентов. Между этими двумя числами и живёт весь практический разговор про ИИ-сотрудников.

Числа свежие. 25 августа 2026 года на конференции State of AI Russia 2026 компания «Инфосистемы Джет» вместе с аналитическим агентством Smart Ranking показала замер по 52 крупным российским компаниям, в которых работает около 450 тысяч человек. Ведомости пересказали исследование 1 сентября 2026 года.

В тот же день, 25 августа, McKinsey выпустила глобальный отчёт «The state of AI in 2026: On the road to ROI»: 1719 руководителей из 97 стран, полевой этап с 4 мая по 8 июня 2026 года. Два замера с разных концов света сошлись в одном выводе. Технология доступна почти всем, а деньги приносит немногим.

Самое полезное число во всём российском исследовании это 44%. Столько компаний отказались от внедрения ИИ-агентов, и причину назвали не про технологию: незрелые процессы, неготовая инфраструктура данных, сложности стыковки с корпоративными системами. Модель их устроила. Не устроило то, куда её собирались поставить.

Дальше разбор по четырём частям: что компании отдают нейросетям на самом деле, по каким признакам процесс к этому готов, что отдавать нельзя ни за какие деньги и как проверить свой случай за один вечер.

Что отдают на самом деле, а не в презентациях

Список сценариев из российского замера получился коротким и очень приземлённым.

Отдельно компании оценивали, где эффект оказался выше ожиданий. Первое место заняла работа с корпоративными знаниями, то есть поиск ответа по внутренним документам с показом источника (63%). Следом идут поддержка клиентов и сотрудников (60%) и разбор входящих обращений (54%).

Посмотрите на этот список ещё раз. В верхушке нет ни одного процесса, где принимается окончательное решение. Везде нейросеть работает с текстом, который уже написан, и отдаёт результат человеку, который этот результат подтверждает или правит.

McKinsey описывает ту же картину другими словами. Снижение издержек чаще всего называют в цепочке поставок, сервисных операциях и на производстве. Рост выручки приписывают маркетингу и продажам. Ни в одном из этих ответов ИИ не заменил функцию целиком: он снял с неё повторяющуюся часть.

Четыре признака процесса, который можно отдать

Авторы российского исследования формулируют закономерность одной строкой: ИИ приживается там, где уже есть цифровой след, операции повторяются, а результат поддаётся измерению. Разложим это на вопросы, на которые вы ответите про свой процесс сами.

Есть ли цифровой след. Данные процесса лежат в системе, а не в головах и не в личных переписках. Записи звонков привязаны к сделкам, обращения приходят в одно окно, документы хранятся в одном месте в машиночитаемом виде. Если ответы на вопросы клиентов знают три человека и нигде их не записывали, работа начинается со сбора этих ответов, и это отдельные деньги и отдельный срок.

Повторяется ли операция. Здесь нужно конкретное число за месяц. Формулировка «бывает регулярно» решения не даёт. Сто обращений, четыреста звонков, тысяча строк в отчёте. Разовая задача, даже мучительная, автоматизацию не окупает никогда.

Понятно ли, что считается правильным результатом. Проверка простая: можете ли вы взять двадцать прошлых случаев и разметить их на «сделано верно» и «сделано неверно», не споря с коллегой. Не можете, значит и принять работу подрядчика будет нечем.

Дёшево ли стоит ошибка. Неверно размеченное обращение стоит минуты работы оператора. Ошибочно отправленный клиенту документ стоит сделки. Первое отдают спокойно, второе только под проверку человеком.

Совпали все четыре признака, процесс готов. При двух совпадениях подготовка займёт больше времени, чем само внедрение.

Что отдавать нельзя, и дело тут не в технологии

Эту часть разговора подрядчики обычно пропускают, потому что она сокращает смету. Мы её проговариваем первой.

Решения, за которые вы отвечаете юридически. В феврале 2024 года трибунал провинции Британская Колумбия разобрал дело Moffatt v. Air Canada. Чат-бот авиакомпании сообщил пассажиру, что скидку по случаю утраты близкого можно оформить задним числом после покупки билета. Реальные правила авиакомпании говорили обратное. Air Canada в суде настаивала, что чат-бот это отдельная сущность и отвечает за свои слова сам. Трибунал этот довод отклонил и обязал компанию возместить пассажиру разницу. Цена вопроса была смешная, 812 канадских долларов, а прецедент дорогой: за слова вашего ИИ-сотрудника перед клиентом отвечаете вы.

Персональные данные, уходящие за периметр компании. С 30 мая 2025 года в России действует 420-ФЗ, который ввёл отдельную шкалу штрафов за утечки. Утечка данных от тысячи до десяти тысяч человек стоит компании от 3 до 5 млн рублей, от десяти до ста тысяч человек от 5 до 10 млн, свыше ста тысяч от 10 до 15 млн. За биометрию от 15 до 20 млн. Повторная утечка переводит компанию на оборотный штраф от 1 до 3% годовой выручки, но не меньше 20 млн и не больше 500 млн рублей. Передавая данные во внешний сервис, вы не перестаёте быть их оператором, и спрашивать за них будут с вас. В российском замере юридические риски назвали барьером 56% компаний, и это второе место после стоимости серверов.

Процессы, где ценность в самом участии человека. Переговоры о продлении крупного контракта, разбор жалобы ключевого клиента, разговор с сотрудником об увольнении. Здесь автоматизация экономит минуты и сжигает отношения, которые строились годами. Технически нейросеть справится и напишет вежливый текст. Дальше вы будете объяснять клиенту, почему на его претензию ответил робот.

Экспертное суждение, которое никто не разложил на правила. Оценка нестандартного проекта, решение о скидке, приоритет заявок в перегруженный день. Такие решения принимаются по опыту, и опыт этот в компании не описан. Пока он не описан, автоматизировать нечего: нейросеть выдаст среднее по интернету вместо суждения вашего эксперта.

Почему 44% остановились ещё до старта

Вернёмся к главному числу. Почти половина опрошенных компаний отказалась от внедрения агентов, и список причин у них общий: процессы не описаны, данные не готовы, интеграции с корпоративными системами оказались сложнее, чем выглядели на демонстрации.

Рядом стоят два числа про тех, кто всё-таки начал. Устойчивого экономического эффекта не увидели 46% компаний. Масштабировать пилот дальше первого отдела не смогли 40%, и назвали они при этом две вещи: у продукта не нашлось владельца внутри компании, и качество ответов гуляло от недели к неделе.

Полный список барьеров выглядит так.

Последняя строка тут самая любопытная. Сопротивление персонала, которым обычно пугают на конференциях, оказалось самой редкой проблемой. Люди не против ИИ-сотрудника. Против него оказались бюджет, юристы и состояние собственных данных.

Мировая статистика говорит то же самое

McKinsey фиксирует, что регулярно применяют ИИ хотя бы в одной функции 88% опрошенных компаний против 78% годом ранее. К масштабированию перешла примерно треть. Восемь из десяти респондентов говорят, что ИИ повысил их личную продуктивность, а вот отдачу на уровне прибыли компании видит чуть больше трети.

Разрыв между «мне стало удобнее работать» и «компания заработала больше» и есть главный сюжет года. McKinsey объясняет его прямо: наибольший эффект в прибыли получают те, кто перекроил сквозной процесс целиком, а не вставил нейросеть в существующий порядок работы.

Gartner в июне 2025 года дала прогноз, который с тех пор цитируют все: более 40% проектов агентного ИИ будут закрыты до конца 2027 года из-за растущих издержек, неясной ценности для бизнеса и слабого контроля рисков. Там же аналитики описали явление, которому дали имя agent washing: из тысяч поставщиков, продающих ИИ-агентов, настоящими агентами Gartner насчитала около 130 решений. Остальное это переклеенные ярлыки на чат-ботах и сценарной автоматизации.

Для собственника из этого следует один практический вывод. Спрашивать подрядчика надо про то, какие действия система выполняет сама и в какой вашей системе эти действия видны. Название модели и красота архитектуры тут вторичны.

Проверка своего процесса: один вечер, шесть шагов

Порядок ниже применяется без нас и без единого рубля бюджета.

1. Выпишите процессы-кандидаты списком. Формулировка «клиентский сервис» на этом упражнении бесполезна, нужна «ответы на вопросы о доставке в чате сайта». Название отдела всегда проваливает следующий шаг.
2. Поставьте рядом с каждым число за месяц. Сколько обращений, документов, звонков. Смотрите в систему, а не спрашивайте руководителя по памяти: расхождение обычно в полтора раза.
3. Ответьте по каждому на четыре вопроса из раздела про признаки. Цифровой след, повторяемость, размечаемый результат, цена ошибки. Ответы записывайте, а не держите в голове.
4. Прогоните каждого кандидата через четыре запрета. Один сработал, процесс уходит из списка целиком или ужимается до подсказки для сотрудника.
5. Возьмите двадцать прошлых случаев и разметьте руками. Это ваш эталон приёмки. Час работы сейчас заменит два месяца споров о том, хорошо ли работает система.
6. Назначьте владельца до разговора с подрядчиком. Человека, у которого в календаре есть время читать ответы системы и говорить «переделывайте». Без него проект попадает в те самые 40%, что не выходят за пределы пилота.

Что сделать на этой неделе

Выберите один процесс, а не пять. Тот, где число за месяц самое крупное, а цена ошибки самая маленькая. По российскому замеру это почти всегда работа с внутренними знаниями компании или разбор входящих обращений.

Разметьте двадцать прошлых случаев руками и запишите результат. Это одновременно ваш критерий приёмки и честная проверка того, договоритесь ли вы внутри компании о том, что считается правильным ответом.

Спросите себя, кто будет принимать работу. Имя, а не отдел. Нет имени, откладывайте проект: он не провалится громко, он просто растворится в бесконечной демонстрации возможностей.

И последнее, самое неприятное. Если ваш процесс не проходит проверку, честный ответ звучит как «не начинайте». Он экономит квартал ожидания и стоимость пилота, который в вашей компании не мог сработать из-за устройства процесса. Качество нейросети тут ни при чём.

Мы в Optimism 26 лет считаем результат деньгами, а не технологиями. Разберём ваши процессы и скажем прямо, какой из них готов к ИИ, а какой сначала надо описать: обсудить задачу.

Видео по теме

Оба ролика выбраны по автору канала, и ни один не принадлежит рекламным или digital-агентствам, то есть нашим прямым конкурентам.

Работа с корпоративными знаниями оказалась сценарием с самой высокой оценкой эффекта, и выглядит она изнутри совсем не так, как на слайдах вендоров.

Второй разговор пригодится, когда захочется понять границу между ИИ-помощником и автономным агентом без маркетингового тумана.

Источники

• Ведомости. Достичь ИИ-зрелости: 86% крупных компаний внедрили большие языковые модели (исследование «Инфосистемы Джет» и Smart Ranking, 52 компании, представлено 25 августа 2026 года)
• McKinsey. The state of AI in 2026: On the road to ROI (1719 респондентов из 97 стран, опрос с 4 мая по 8 июня 2026 года)
• Gartner. Прогноз о закрытии более 40% проектов агентного ИИ до конца 2027 года (пресс-релиз, июнь 2025 года, там же оценка про agent washing)
• Решение трибунала провинции Британская Колумбия по делу Moffatt v. Air Canada, февраль 2024 года
• Федеральный закон 420-ФЗ об усилении ответственности за нарушения в сфере персональных данных, вступил в силу 30 мая 2025 года. Шкала штрафов приводится по публикациям РИА Новости и Российской газеты

Теги публикации: автоматизация процессов, внедрение ИИ, ии для бизнеса, ИИ-агенты, ии-сотрудники