HR, маркетинг чи операційка: куди підключати AI насамперед

 

Чек-лист від кофаундера з Кремнієвої долини.

гідно з останнім звітом McKinsey, у 2024 році 78% організацій у світі використовували AI принаймні в одній бізнес-функції. За рік кількість компаній, що інтегрували AI, збільшилась на 23%. 

Плюси автоматизації дуже спокусливі. AI може взяти на себе рутину, зменшити кількість помилок, а ще він не втомлюється і не вигорає. Усвідомлюючи, скільки ресурсів можна заощадити, і враховуючи хайп навколо AI, все більше керівників приходять до думки «нам потрібна автоматизація». 

Але як зрозуміти, що ваш бізнес справді готовий зустрічати AI, і що автоматизувати насамперед — маркетинг, продажі чи операційку? Чому деякі компанії, що спробували AI, повертаються до ручної роботи? Поговорили з Володимиром Жуковим, AІ-експертом і кофаундером IngestAI.io — стартапу з Кремнієвої долини, який допомагає компаніям автоматизувати бізнес-процеси.

Не можна просто взяти й автоматизувати бізнес-процес

Коли почався хайп навколо штучного інтелекту, більшість компаній одразу вирішили, що їм обов'язково потрібна автоматизація. Сьогодні гуляє багато відео про те, як легко делегувати AI дзвінок у сейлз-відділі або сапорті. Блогери показують «чудеса», як нібито за 40 хвилин можна автоматизувати роботу цілого відділу. Все це створює завищені очікування та міфи про те, що AI легко інтегрується в будь-який процес і одразу дає результат. 

Насправді такі рішення працюють лише для дуже маленького бізнесу або соло-підприємців. Коли йдеться про великі компанії з 5000+ співробітників, які мають складну структуру, — все набагато важче. Часто трапляється, що топменеджмент хоче AI, а бізнес-процеси до нього не готові: дані розкидані по різних базах, команди користуються різним софтом, один відділ має доступ до певної інформації, а інший ні.

Тож автоматизація починається не з коду, а з аудиту — щоб розібратись, як компанія влаштована. Наступні пів року йдуть на адаптацію бізнес-процесів під AI. І тільки після цього можна експериментувати з автоматизацією. Це правильний підхід.

Неправильний — коли окремі відділи починають експериментувати з AI самостійно, надивившись роликів в інтернеті. У них щось виходить, і вони йдуть до CEO: «Дивіться, ми автоматизували процес». Але це працює лише локально, у вакуумі. Коли потрібно під’єднати це рішення до загальної IT-інфраструктури, починаються проблеми: безпека, сумісність, контроль даних.

Через це краще впроваджувати AI зверху вниз — тобто спочатку визначити загальну стратегію та правила, призначити Chief Artificial Intelligence Officer, який координуватиме процеси, а вже потім рухатися до конкретних відділів. 

Тим часом команди можуть працювати з простішими рішеннями на кшталт ChatGPT або Claude — просто щоби підвищити власну ефективність.

Три запитання, які має поставити собі кожна компанія, перш ніж залучати AI

1. Хто буде за це відповідати?

Має бути людина, яка розуміє весь процес — від маркетингу та ціноутворення до логістики. Її завдання — мати повний доступ до всіх бізнес-процесів та бачити, як вони взаємодіють між собою.

2. Чи готова компанія інвестувати в R&D?

Спершу може бути незрозуміло, який ефект дадуть ці експерименти, і чи дадуть взагалі. Але саме в цей період формується внутрішня експертиза, яка згодом дозволить масштабувати AI з користю для бізнесу.

3. Чи готові ми змінювати бізнес-процеси?

AI не працює за принципом «оплатили підписку — і все автоматизувалось». Це трансформація самої структури роботи компанії. Якщо процеси застарілі, то і найкраща модель не дасть результату.

Починати краще не з продажів або маркетингу, а з операційки

В MIT NANDA (США, 2025) підрахували, що великі компанії інвестували в AI-проєкти близько $40 млрд. Однак 95% цієї суми фактично «згоріли».

Думаю, основна причина в тому, що компанії найбільше поспішають автоматизувати саме продажі та маркетинг. Їм здається, що коли в сейлз-відділі 100 людей розсилають повідомлення клієнтам, то AI може зробити це швидше. Однак усі забувають, що важливо не лише «хто відправляє», але й «хто читає». Коли автоматизованих розсилок стає забагато, люди починають сприймати їх як спам і просто не реагують.

Насправді найбільші резерви для автоматизації знаходяться саме у внутрішніх операційних процесах. 

Кейс. У США шкільні підручники мають відповідати вимогам освітніх програм кожного штату, в якому вони використовуються. Ці вимоги часто оновлюються, а про зміни зазвичай ніхто не інформує. Співробітники компанії, яка займається випуском підручників, мали вручну моніторити місцеві освітні сайти й шукати актуальну інформацію. На це витрачалися катастрофічні ресурси. 

Згодом компанія автоматизувала цей процес. Тепер, коли з’являються оновлення, система сама аналізує, що змінилося в документах, показує лише релевантні частини, а потім визначає, чи потрібно оновлювати підручники. Це не маркетинг і не продажі, але ROI цього рішення — космічне.

#1. Знайдіть свій bottleneck

Я раджу починати з вузьких процесів, де багато повторюваних дій, висока плинність кадрів та низька мотивація — кол-центри, сортування, виробничі процеси, візуальний контроль. З такою роботою AI справляється краще: не втомлюється та рідше помиляється. Наприклад, він може перевіряти, чи всі елементи покладені в коробку.

В одній великій ритейл-компанії був поштовий хаб, куди щодня надходили тисячі листів від постачальників, маркетингу, контрагентів. Команда з 15 працівників вручну сортувала і перенаправляла листи по відділах. Згодом вони автоматизували цей процес: 13 співробітників перейшли в інші відділи, а двох залишили відповідальними за складні випадки, які AI не під силу. Всі видихнули, бо важку монотонну роботу забрали алгоритми.

#2. Розбийте процес на мікрозавдання

Не намагайтесь автоматизувати великий процес цілком. Краще розбити його на мікрозавдання і крок за кроком рухатися до цілі. У нас був кейс із виробництвом металопластикових вікон: клієнти хотіли повністю автоматизованого AI-агента, який би спілкувався з клієнтом, робив розрахунки та малював макет вікна. Ідея хороша, але реалізувати її одразу було неможливо: 

• довіряти всю комунікацію AI занадто ризиковано, тому спочатку він просто витягав з розмови розміри та передавав їх у CRM
• тоді AI ще не міг намалювати коректний макет, але зараз така можливість з'явилась — ми повернулися до клієнта і змогли це реалізувати 

Знайти micro можна в будь-якому бізнес-процесі:

Маркетинг. Генерація рекламних креативів для A/B-тестів з людською модерацією — ми не віддаємо роботу маркетолога повністю машині, а лише прискорюємо її. 

HR. AI може давати короткі висновки щодо кандидатів або ранжувати резюме, проте фінальне рішення має залишатися за менеджером. Цього нас вчить скандал з Amazon, де алгоритм дискримінував жінок. Все через упереджені тренувальні дані, в яких говорилося, буцімто з 1990 років до сьогодні інженер — це здебільшого чоловіча роль.

Продажі. Автоматична розшифровка зустрічей та внесення нотаток у CRM, витяг ключових фактів з розмови. Менеджеру залишається тільки перевірити правильність.

Як зрозуміти, чи окупиться автоматизація

Перш ніж витрачати ресурси на AI, визначте ROI (Return on Investment) — рентабельність інвестицій.

Спочатку порахуйте витрати й вигоди. До витрат входять не лише вартість програм та обладнання (кількісні), але й навчання команди, інтеграція нових систем, час співробітників, які тестують або адаптують AI (якісні).

Вигоди виміряти складніше. Вони не завжди виражаються лише в грошах. Це може бути:

• економія часу завдяки автоматизації
• швидше ухвалення рішень
• покращений досвід клієнтів
• зростання продажів або лояльності

Щоби порахувати все це точніше, компанії користуються AI ROI Calculator — спеціальними онлайн-калькуляторами, які допомагають зібрати всі цифри докупи. Наприклад: AI ROI Calculator by AI4SP, ROI Calculator by Domino Data Lab.

Є підхід, який допомагає оцінити не лише витрати, але й цінність, яку створює AI. Він називається Total Value of Ownership (TVO) — «загальна цінність володіння». TVO дозволяє побачити довгострокову користь — наприклад, стратегічну перевагу на ринку або покращення іміджу бренду.

Уявімо, що компанія впроваджує AI-чат-бот у службу підтримки клієнтів. На запуск система коштує, скажімо, $50 тис. — це витрати. Зате щомісяця бот обробляє тисячі запитів без участі людей, зменшуючи витрати на кол-центр і прискорюючи відповіді клієнтам. Через рік компанія помічає, що задоволеність клієнтів зросла, а витрати на підтримку знизилися на 30%. Це і є повернення інвестицій в AI, навіть якщо не все можна одразу виміряти грошима. TVO допомагає узгодити інвестиції в AI зі стратегічними цілями.

Що ще варто врахувати

• Balanced Scorecard — система показників, яка допомагає оцінити не лише фінансові результати, але й вплив AI на внутрішні процеси, розвиток команди та клієнтський досвід.
  
  Наприклад, якщо компанія запровадила AI в ланцюг постачання, вона може відстежити, як змінилися терміни доставки, витрати та якість навчання персоналу. Це допомагає побачити повну картину: не лише «чи заробили ми більше», але й «чи стали ми працювати краще».
• Сценарний аналіз — створення кількох можливих сценаріїв (оптимістичного, реалістичного та песимістичного), щоб оцінити, як зміниться ROI за різних умов.
  
  Скажімо, ритейл-компанія запускає AI для прогнозування попиту. Вона може перевірити, що станеться, якщо дані будуть дуже точні, якщо середньої якості або якщо ринок зміниться. Так компанія розуміє, які ризики існують і як їх мінімізувати.

Процеси, які потребують широкого контексту, краще залишити людині 

Проблема AI в тому, що він не розуміє контексту або поточної ситуації в країні. Наприклад, може створити креатив із політичним персонажем — з Трампом — який буде недоречним. Людина одразу відчує, що креатив не підходить, а машина — ні. ШІ не встигає за змінами у світі, новинами й трендами — він завжди навчається на даних минулого.

Приблизно 80% спроб автоматизувати клієнтський сапорт закінчуються поверненням до ручної роботи. Особливо це стосується великих B2C-компаній — роздрібних мереж або великих інтернет-магазинів.

Бізнес намагається створити AI-агента, який оброблятиме всі звернення — від скарг до запитів. Але на практиці клієнти не спілкуються з ботом так, як очікує модель. Людина ніколи не формулює запит як у тренувальному датасеті. 

Клієнт НЕ напише:

«Я замовив телефон моделі X, номер замовлення такий-то. Проблема: невідповідність кольору».

Він напише:

«Я купив доньці телефон на день народження, мав бути рожевий, а прийшов блакитний — дитина в сльозах».

Ще одна зона, яку точно не варто повністю передавати AI, — масові розсилки в LinkedIn. Компанії з цим експериментують, але виходить доволі абсурдно. Наприклад, я щодня отримую повідомлення на кшталт: 

«Володимире, ви CEO Стенфорду. У нас є два бекенд-розробники, які можуть допомогти вам у процесах». 

Такі повідомлення не просто неефективні — вони шкодять репутації. 

ШІ не розуміє емоцій та деталей. Результат — неправильні відповіді, галюцинації, зіпсований досвід клієнта. Тому в процесах, в яких важливо враховувати контекст, де є ризик подвійних трактувань, — обов’язково має залишатися людська модерація. 

Я вважаю, що перевірка людиною потрібна майже завжди — виняток лише для стабільних, чітко описаних процесів, які майже не змінюються. Приклад — інформаційні запити. Запитання на кшталт «До котрої працює магазин?», «Чи є товар у наявності?» — ідеально підходять для автоматизації. Тут AI справді економить ресурси. 

Чому AI помиляється та що з цим робити

Багато компаній досі не розуміють, що штучний інтелект — це не просто новий софт на кшталт Salesforce. Це про дані та бізнес-процеси. Сам по собі AI — це, по суті, black box: ви подаєте текст, зображення або інші дані, а він видає результат. І цей результат прямо залежить від того, що ви «заливаєте». Якщо вхідна інформація неструктурована або застаріла, то й вихід буде хаотичним.

Ми часто бачимо ситуації, коли різні відділи однієї компанії — фінанси, маркетинг, логістика — намагаються поєднати свої дані, щоб створити єдину систему. Але виявляється, що в бухгалтерії документації взагалі немає, в логістики вона давно не оновлювалась, а маркетинг уже працює за новими схемами, яких ніхто не задокументував. AI бачить суперечності й починає «домислювати»: наприклад, у компанії несподівано з'являються продукти, про які ніхто не чув. І це не через помилку ШІ, а тому, що він не має повної картини. 

Щоб запобігти цьому, рекомендую інвестувати в мультиагентну систему, де кілька AI працюють разом і перевіряють один одного. Приклад ми можемо побачити в ChatGPT або інших чат-ботах, коли вмикаємо режим Thinking. 

Також можна задати базовий набір правил, який визначає «кордони» компанії та з яким кожен AI-агент звірятиме свої дії. Наприклад:

Звісно, це ускладнює систему та підвищує вартість — бо кожен додатковий агент потребує окремого запиту, і коли їх десятки, витрати ростуть. Але навіть попри це, такі рішення залишаються економічно вигідними. 

У нас був клієнт, який обробляв близько 20 тис. дзвінків на день, і навіть при складній мультиагентній архітектурі вся система коштувала компанії близько $2 тис. на місяць. Це невелика ціна за стабільність і контроль.

AI означає скорочення для команди?

В нашому досвіді жодну людину не звільнили через автоматизацію. Зазвичай фахівці переходять в інші відділи. Компанії це вигідно, адже таких працівників не потрібно адаптувати — вони вже знають корпоративну культуру, процеси, команду.

Ба більше, для багатьох це навіть шанс на підвищення. Людина, яка раніше виконувала рутинну роботу, тепер може взяти на себе складніші завдання. Ми маємо приклади, коли після автоматизації працівники отримували інші ролі — наприклад, координували нові напрямки. 

Скорочують зазвичай людей, які фактично стали «посередниками» між ChatGPT й клієнтом. Вони просто пересилають відповіді без розуміння змісту: отримали запит — відправили в ChatGPT — переслали відповідь клієнту, потім отримали новий меседж — знову запитали в ChatGPT — і так по колу. 

АI вже працює — тож можна видихнути? Ні, не можна

З появою системи на базі AI важливо не просто користуватись нею, а постійно відстежувати її роботу. Це означає налагодити логування — фіксацію всіх дій, запитів та відповідей моделі.

Чому це потрібно? Хмарні сервіси, такі як OpenAI, Anthropic, Google або AI21, регулярно оновлюють свої моделі. Через 2 місяці ваші запити можуть давати інші результати, бо «під капотом» змінилися параметри або підхід до генерації. Якщо не стежити за цими змінами, можна не помітити, що AI почав працювати гірше.

https://tinyurl.com/2vy8c6bn

Технологии менеджмента. Уроки 57 - 59

 

Урок 57. Методика SIPOC, или Как описать взаимодействие в рабочем процессе

В предыдущем уроке мы рассмотрели графический способ в линейной методике описания рабочих процессов. Этот способ, как я говорил, очень удобен для разработки описания процесса в составе проектной группы, включающей в себя всех основных участников данного процесса. Обычно графическое описание делают с помощью бумажных или цифровых стикеров разных цветов, что повышает наглядность схемы процесса и помогает в нем лучше разобраться.

Напомню, что в данной методике описание процесса включает в себя разделение его на шаги (подпроцессы), определение результатов каждого шага, назначение ответственных и исполнителей подпроцессов, а также их дальнейшее разделение на несколько процедур. Все это отражается на одном шаблоне. И в большинстве случаев этого бывает вполне достаточно, чтобы понять, как устроен процесс и провести в нем необходимые улучшения.

А бывает и недостаточно. Бывает так, что необходима более тонкая настройка процесса путем четкой состыковки всех входов и выходов для каждого шага с указанием того, от кого эти входы «приходят» и кому эти выходы «уходят». В этом случае графическую схему нашего процесса мы можем дополнить схемой SIPOC, которая позволяет описать взаимодействие участников процесса между собой. Что это за зверь такой?

Это не зверь, а просто название методики, которое расшифровывается по буквам следующим образом:

S – Supplier (поставщик).
I – Input (вход).
P – Process (процесс/шаг процесса).
O – Output (выход).
C – Client (клиент).

Эти буковки отражают логику взаимодействия по ходу процесса. От каких-то поставщиков (внешних или внутренних) на каждый шаг процесса поступают какие-то входы (информационные или материальные), которые каким-то таинственным образом преобразуются в какие-то выходы, которые в свою очередь поступают каким-то клиентам (также внешним или внутренним). Для чего это делается? Понятно, для чего. Чтобы ответственный за тот или иной шаг четко понимал, что и от кого он должен получить, и что и кому он должен передать. Если такие схемы SIPOC разработаны для каждого шага процесса, то резко повышается вероятность того, что процесс пойдет так, как надо для компании, а не так, как хочется кому-нибудь из сотрудников этой компании. В дальнейшем методику SIPOC можно применить не только к подпроцессам, но и к процедурам. Но это уже для разработки рабочих инструкций и только тогда, когда в этом действительно есть острая необходимость. Вообще, без особой нужды оставьте методику SIPOC в покое. Пусть лежит пока на полке и ждет своего часа.

Практически для заполнения таких форм по данной методике также удобно пользоваться стикерами разных цветов. Можете пример посмотреть на картинке. Если самостоятельно это сделать затруднительно, то вы можете пригласить консультанта, который проведет предварительное обучение, и работая вместе с вами, обеспечит строгое соблюдение методики и получение необходимого результата.

Урок 58. Два подхода к оптимизации процессов

В предыдущем уроке мы рассмотрели методику SIPOC для описания взаимодействия участников процесса. Эту методику имеет смысл применять для более тонкой настройки и более глубокого «погружения» в процесс. Но до сих пор мы вели речь лишь об описании процесса, хотя в самой методике заложена возможность и даже необходимость не только описания «как есть», но и проведения улучшений в процессе «как надо». Ведь ради чего мы делаем описание бизнес-процессов? Ведь не ради самого описания, а ради того, чтобы разобраться в наших процессах, увидеть их недостатки и узкие места, и сразу их устранить. Цель этой работы – повышение результативности и эффективности процессов и, как следствие, деятельности всей организации!

Поэтому по ходу описания того или иного процесса надо проводить его оптимизацию, т.е. постоянно задавать себе вопросы: а что здесь не так? а это правильно или нет? а что здесь можно улучшить? а как еще можно выполнить эту работу? и т.д. Нельзя довольствоваться тем, что есть. Надо стараться выйти за рамки сложившихся стереотипов и привычек и посмотреть на свою работу с иной точки зрения, чтобы увидеть возможности для улучшения.

А зачем нам эти улучшения в процессах? Что они дают? Много чего дают. Оптимизация рабочих процессов может сократить сроки выполнения работ, снизить расходы, устранить лишние движения, уменьшить количество ошибок и дефектов и в итоге увеличить производительность труда, создать конкурентные преимущества, повысить лояльность и удовлетворенность клиентов и не только клиентов, но и персонала организации. И как следствие, все это ведет к росту финансовых результатов и процветанию компании!

Хорошо. Допустим, что оптимизация рабочих процессов – это важно, это полезно и этим надо заниматься. Но как конкретно это можно сделать? Прежде, чем переходить к конкретике, важно выбрать принципиальный подход к оптимизации. А их всего два: революционный и эволюционный.

Революционный – это перепроектирование бизнес-процессов или т.н. реинжиниринг (BPR - Business Process Reengineering). Можете попробовать, но ничего хорошего из этого получится. Никакие революции никогда в истории до добра не доводили. И в менеджменте то же самое. На практике это означает радикальную перестройку бизнес-процессов с «чистого листа». Идея красивая, но утопическая. Истории успеха мне неизвестны. Лучше не рисковать, чтобы своими же собственными руками не угробить свою же компанию.

Эволюционный – это усовершенствование бизнес-процессов (BPI - Business Process Improvement). Вот по этому пути имеет смысл пойти. Медленно, но неуклонно, маленькими шагами, отталкиваясь от того, что есть, но постепенно приближаясь к тому, что надо. В этом случае мы не стремимся кардинально оптимизировать процесс, а проводим небольшие, но видимые улучшения. Этот путь – более надежный, простой и практичный. И двигаясь по нему, помимо здравого смысла, можно использовать различные методы и приемчики для улучшения наших процессов.

Урок 59. Методы оптимизации рабочих процессов

В предыдущем уроке мы рассмотрели два подхода к оптимизации рабочих процессов компании: революционный и эволюционный. Революционный подход, т.е. перепроектирование бизнес-процессов, оставим любителям революций и переворотов, а мы будем действовать в рамках эволюционного подхода, т.е. постепенного совершенствования бизнес-процессов, маленькими шагами, медленно и неуклонно. Другими словами, в области ближайшего развития, но постоянно и непрерывно. Как говорят на востоке, «быстро – это медленно, но без остановок». Возьмем этот принцип за основу.

Хорошо, но что дальше? Как конкретно можно провести улучшения в бизнес-процессе? Что для этого можно сделать? Можно исходить из логики и здравого смысла, и руководствуясь ими предлагать и апробировать различные идеи по оптимизации процессов. Это работа творческая и неформализуемая. Вместе с тем, как показывает опыт, можно применять уже проверенные методы и приемы оптимизации, а не заниматься изобретением велосипеда всякий раз, когда вам нужно куда-нибудь поехать. Что же это за методы? Мне известно шесть методов. Они перечислены на картинке.

Изменение последовательности допускает перестановку тех или иных шагов процесса. Это может дать существенный эффект по времени или по расходам.

Горизонтальное сжатие допускает различные приемы: объединение работ, исключение лишних работ и исполнителей, сокращение потерь на «стыках» между работами, доставка ресурсов точно в срок, локализация работ процесса, перевод сотрудников на удаленную работу, перевод операций в режим online, автоматизацию операций процесса.

Вертикальное сжатие предполагает уменьшение числа проверок и согласований по ходу процесса, расширение полномочий исполнителей, что ведет к устранению «управленческих колодцев» и существенно повышает скорость и часто качество выполнения процесса.

Распараллеливание работ говорит само за себя: переход от последовательного к параллельному выполнению некоторых работ процесса. Все что можно делать параллельно, надо делать параллельно. В разы повышается производительность процесса!

Разделение труда означает дробление процесса на простые операции, не требующие высокой квалификации исполнителей; стандартизацию этих операций; балансировку нагрузки и перераспределение работ между сотрудниками; аутсорсинг определенных работ процесса.

Изменение цели процесса подразумевает формулирование идеального конечного результата не с точки зрения исполнителей, а с точки зрения клиентов процесса. В этом случае цель как бы «выносится» за рамки самого процесса, и это обеспечивает более широкое пространство альтернатив и возможность выбора более оптимального варианта процесса.

Конечно, наверняка есть и другие методы, с помощью которых можно перестроить или «докрутить» процесс, чтобы избавиться от явных или неявных неоптимальностей, снижающих его эффективность.

https://tinyurl.com/45f4spm6