Полезный сотрудник: как внедрить ИИ–агента в рабочие процессы малого бизнеса

Мы занимаемся производством и продажей металлических изделий. Экспериментировать с ИИ–агентами я начал с продаж в нашем онлайн–магазине. Учитывая специфику сферы, в которой мы работаем, по каждой проданной единице ведутся сметные отчёты. Они сложны в составлении, поэтому проектировщики могут делать ошибки. Раньше на проверку и корректировку тратилось 3–5 дней. Конкуренты в этом плане были оперативнее и переманивали у нас клиентов. Когда я решил внедрять ИИ–агента, то стал учить его обрабатывать стандартные заявки. Менеджеры вычитывали письма, составленные агентом, исправляли в них ошибки. Таким образом агент постепенно обучался и спустя время стал выполнять сам полный цикл продаж: от заявки (обращения с почты) до оплаты клиентом заказа. Затем мы стали думать, можно ли доверять искусственному интеллекту технические задачи. Раньше специалисты разрабатывали чертежи изделий, согласовывали их с заказчиками и вручную передавали управляющие программы на станки с ЧПУ. Теперь значительную часть этих операций выполняет ИИ–агент. Сотрудник задаёт технические параметры, агент на их основе формирует чертёж, а специалист проверяет результат. После согласования управляющая программа передаётся на оборудование по беспроводной связи. Таким образом, нам удалось автоматизировать до 90% рутинных операций, сохранив контроль человека на ключевых этапах. Агент на максимальном тарифе обходился нам в $200 в месяц. Сейчас он работает независимо на нашем сервере, выполняя ещё больший объём работы. Стоимость интеграции инструмента оказалась сопоставимой с трёхмесячной зарплатой четырёх сотрудников. А продажи при этом выросли на 30%. Чтобы внедрять инструмент, не нужно быть программистом. Нам проводить интеграцию помогал сам агент — подсказывал, что делать, какое "железо" покупать. Мы "скармливали" системе переписки, файлы звонков, процесс расчёта. Был человек, который описывал действия менеджера вне электронной плоскости: с кем он взаимодействует и как. В ответ агент давал предложения, как это можно измерить и автоматизировать. В итоге получился работающий контур. Сейчас мы поручаем системе рыночную аналитику, переписку, PR, логистику, внутренние коммуникации, продажи. Процесс интеграции занял год, но точечные задачи мы стали решать гораздо быстрее. Есть и риски. Однажды агент установил "кривую" программу на станок, что привело к поломке контроллера, который пришлось заменить за несколько сотен долларов. Чтобы минимизировать такие ситуации, нужно постоянное обучать систему.

Чтобы обучить ИИ–агента и интегрировать его во внутренние процессы, стоит придерживаться некоторых рекомендаций. Первая — выбирайте процесс, а не технологию. Определите, какие повторяющиеся рутинные задачи отнимают у вас больше всего времени. При этом вы поймёте, что хотите получить на выходе. Например, это может быть обработка входящей документации, ответы в корпоративных чатах, отчётность, сбор и обработка резюме соискателей. Вторая — описывайте процесс так, будто объясняете новичку: откуда берутся данные, какие решения принимаются, что считается хорошим результатом. Если этого не делать, ИИ–агент не сможет качественно выполнить вашу задачу. Третья — подготовьте данные и доступы: базу знаний, шаблоны ответов, подключение к CRM, почте или мессенджеру. Четвёртая — запускайте пилотное решение не сразу на всю компанию, а точечно, на один участок работ. И оцифровывайте результат по метрикам. Например, сколько часов сэкономлено сотрудниками, как изменились скорость ответа и доля ошибок, степень удовлетворённости ответами со стороны клиентов и сотрудников, экономия в деньгах при оценке человеко–часов. Пятая — определите ответственного. Агент — это не программа, которую поставили и забыли, а скорее сотрудник, работу которого нужно периодически проверять. За любые галлюцинации или двусмысленные формулировки в нейровыдаче несёт ответственность сотрудник, а не машина. Поэтому, если есть задача по обработке чувствительных данных, важно понимать, кто будет контролировать и перепроверять агента. Зачастую компании пытаются автоматизировать хаос: процесс не описан, у каждого сотрудника свой способ работы. И агенту не на что опереться. Отсюда и разочарование: "ИИ не работает". Важно понимать, что агент эффективен настолько, насколько хороша информация, к которой у него есть доступ. Ещё один чувствительный момент — люди. Сотрудники боятся, что агент их заменит, и саботируют внедрение. Или, наоборот, слишком доверяют ему и перестают проверять результат. Но для большинства компаний внедрение ИИ–агента — способ справиться с ростом нагрузки без расширения штата, а не повод сократить людей. Переписки, первичные продажи, черновики ТЗ, типовой маркетинг действительно передают агентам. А специалистам остаётся то, что машина делать не умеет: ставить задачу, проверять результат, договариваться, принимать решения и отвечать за них. Агент не заменит отдел сотрудников за месяц. Зато он может снять с людей рутину. А это приводит к большей производительности, экономии средств и времени.